通过在 MATLAB 中计算平均值进行下采样

Question

假设我有一个包含 44100 个样本的文件，采样频率为 fs=44100 Hz。 所以我的文件是 1 秒长。

我想将其下采样到 8 Hz 的采样频率，但我不想通过获取每个 44100/8 = 5512,5 个样本并保存在一个新数组中来做到这一点。但是通过取前 5512 个样本的平均值，保存新数组的位置 1。然后取样本 5513-11024 的平均值，并将其保存在新数组的位置 2 中。以此类推...并取样本 11025 到 11025+5512 并将其平均值放在数组的第 3 位。

我知道它必须是某种双重 for 循环，但我就是不知道如何...有什么帮助吗？

编辑：

以非常手动的方式执行我正在寻找的代码。

` fs=44100;
fo=8;
A = randn(44100,1); %array 在 fs=44100 采样随机数据

A_resampled = zeros(numel(A)/5512);     

first_block = zeros(5512,1);  

for i = 1:length(first_block)  
   first_block(i) = A(i);  
end  

first_mean_value = mean(first_block);  

A_resampled(1) = first_mean_value;  

second_block = zeros(5512,1);  

for k = 5513:5512+length(second_block)  
   second_block(k) = A(k);  
end  

second_mean_value = mean(second_block);  

A_resampled(2) = second_mean_value;`

等等……

Answer 1

sampling = 1:5512:length(sample);
resampled = zeros(numel(sampling),1);
for ii = 1:length(sampling)-1
    resampled(ii,1) = mean(sampling(ii:ii+1));
end

sampling 是一个带有索引的数组，开始采样，然后一个循环简单地取所有这些位的平均值。

Answer 2

reshape 将数组转换成二维矩阵，然后沿着列找到mean。为了确保我们可以正确执行此操作，我们将填充数组的末尾，以便我们确定您的信号是fs/fo 的整数倍，其中fs 是采样频率，fo是所需的频率...所以这将分别是 44.1 kHz 和 8 Hz。

因此，假设您的信号存储在A，请执行以下操作：

%// Defines
A = ....; %// Define your array here
fs = 44100; %// Sampling frequency
fo = 8; %// Desired frequency

%// Determine how many samples there are per chunk
samples_per_chunk = floor(fs/fo);

%// Determine how many total chunks there are
num_chunks = ceil(numel(A)/samples_per_chunk);

%// Create a padded array where it is an integer multiple
%// of the chunk size and insert the original array into this padded
%// array
Apad = zeros(samples_per_chunk*num_chunks,1);
Apad(1:numel(A)) = A;

%// Reshape into 2D matrix
M = reshape(Apad, [], num_chunks);

%// Find average per chunk
out = mean(M, 1);

---

但是，这样做的结果是，如果您的数组不是fs/fo 的整数倍，您将不必要地平均一堆附加到数组末尾的零。如果您不希望发生这种情况，一种方法是创建一个最初用NaN 填充的矩阵，然后改用nanmean，这样NaN 的值都不包含在平均值中...因此有效地忽略了填充值。

这样的东西可以代替：

%// Code as before..
%// ...
%// ...

%// New
Apad = nan(samples_per_chunk*num_chunks,1);
Apad(1:numel(A)) = A;

M = reshape(Apad, [], num_chunks);
out = nanmean(M, 1);

但是，nanmean 需要统计工具箱。如果你没有这个，那么你可以自己实现nanmean。将数组重新整形为矩阵M 后，计算每列有多少NaN 元素，然后通过将所有列相加并除以不是NaN 的条目总数自行计算平均值。

%// Code as before...
%//....
%//....

%// New
M = reshape(Apad, [], num_chunks);

%// Count how total number of NaN values
counts = sum(isnan(M), 1);

%// Set NaN values to zero to not affect mean
M(isnan(M)) = 0;

%// Calculate new average
out = sum(M,2) ./ (size(M,1) - counts);

Answer 3

使用accumarray怎么样？让x 表示您的输入向量。那么

n = ceil((1:numel(x))/5512.5); %// blocks of 5512, 5513, 5512, 5513... samples
result = accumarray(n(:), x (:), [], @mean);

请注意，n 会自动定义不相等的块大小，最多相差一个样本，以匹配您的分数目标块大小。在您的示例中，块大小为5512、5513、5512、5513...