欧姆龙plc滤波程序怎么写

欧姆龙plc滤波程序这样写。

1、欧姆龙plc滤波程序硬件配置滤波，200PLC打开系统块，再Analog里设定滤波时间和频率，300400PLC打开硬件配置，再相关模块里设定滤波时间和频率，这个一般是过滤高频的杂波。

2、在程序里，编程实现均值滤波：一般用最后五次采样的平均值，采样时间间隔和几次求平均值可以自己定。

clear

N=200%取200个数

w(1)=0

w=randn(1,N)%产生一个1×N的行向量，第一个数为0，w为过程噪声（其和后边的v在卡尔曼理论里均为高斯白噪声）

x(1)=0%状态x初始值

a=1%a为状态转移阵，此程序简单起见取1

for k=2:N

x(k)=a*x(k-1)+w(k-1) %系统状态方程，k时刻的状态等于k-1时刻状态乘以状态转移阵加噪声（此处忽略了系统的控制量）

end

V=randn(1,N)%测量噪声

q1=std(V)

Rvv=q1.^2

q2=std(x)

Rxx=q2.^2%此方程未用到Rxx

q3=std(w)

Rww=q3.^2%Rvv、Rww分别为过程噪声和测量噪声的协方差(此方程只取一组数方差与协方差相同)

c=0.2

Y=c*x+V%量测方差，c为量测矩阵，同a简化取为一个数

p(1)=0%初始最优化估计协方差

s(1)=0%s(1)表示为初始最优化估计

for t=2:N

p1(t)=a.^2*p(t-1)+Rww%p1为一步估计的协方差，此式从t-1时刻最优化估计s的协方差得到t-1时刻到t时刻一步估计的协方差

b(t)=c*p1(t)/(c.^2*p1(t)+Rvv)%b为卡尔曼增益，其意义表示为状态误差的协方差与量测误差的协方差之比(个人见解)

s(t)=a*s(t-1)+b(t)*(Y(t)-a*c*s(t-1))%Y(t)-a*c*s(t-1)称之为新息，是观测值与一步估计得到的观测值之差，此式由上一时刻状态的最优化估计s(t-1)得到当前时刻的最优化估计s(t)

p(t)=p1(t)-c*b(t)*p1(t)%此式由一步估计的协方差得到此时刻最优化估计的协方差

end

t=1:N

plot(t,s,'r',t,Y,'g',t,x,'b')%作图，红色为卡尔曼滤波，绿色为量测，蓝色为状态

%整体来说，此卡尔曼程序就是一个循环迭代的过程，给出初始的状态x和协方差p，得到下一时刻的x和p，循环带入可得到一系列的最优的状态估计值，此方法通常用于目标跟踪和定位。

%本人研究方向与此有关，有兴趣可以交流下。

程序如下：

clearall

clc

I=imread('up4-Amp.png')

OutImg=I

R=I(:,:,1)

G=I(:,:,2)

B=I(:,:,3)

R=medfilt2(R,[3,3])

G=medfilt2(G,[3,3])

B=medfilt2(B,[3,3])

I1=cat(3,R,G,B) %对彩色图像R,G，B三个通道分别进行3×3模板的中值滤波cat函数用于连接两个矩阵或数组

R=filter2(fspecial('average',3),R)/255

G=filter2(fspecial('average',3),G)/255

B=filter2(fspecial('average',3),B)/255

I2=cat(3,R,G,B) %对彩色图像R,G，B三个通道分别进行3×3模板的均值滤波

figure,imshow(I)

title('原图')

figure,

imshow(I1)

title('中值滤波')

figure,imshow(I2)

title('均值滤波')

扩展资料：

注意事项

1、在频域滤波，由于是点乘，所以滤波模板矩阵和图像矩阵必须尺寸一样。

2、因为尺寸一样，它们的原点必须要对齐。

3、因在进行离散傅里叶变换后，在频域点乘，相当于在时域卷积，但是这个时候实际上是对时域周期矩阵进行卷积。直接在时域卷积，matlab默认是在边界补0。

4、Matlabfreqz2（）这个函数可以自动得到一个指定尺寸的，对应于时域的频域模板。

5、图像经过傅里叶变换后，它的原点在左上角。而模板经过freqz2后，原点在中心，所以只要平移其中的一个就好了。

6、在对原图像进行傅里叶变换之前，按照一定规则补0就好了。

---