Filtre el ruido usando MATLAB para incluirlo en LTspice

Entonces, lo que buscas es filtrar. Sin embargo, está en una muy buena posición ya que tiene el conjunto completo de datos y no necesita realizar un filtrado "en tiempo real".

El filtrado en "tiempo real" usando FIR e IIR es bueno, pero introduce errores ya que son causales y estos errores suelen estar relacionados con la ganancia y la fase.

Con el conjunto de datos completo, tiene a su disposición una variedad de métodos de posprocesamiento "fuera de línea" que no podría realizar por completo en tiempo real.

1. filtrarfiltrar Este tipo de filtrado filtra hacia adelante y hacia atrás para mitigar el cambio de fase que los filtros suelen introducir: https://www.mathworks.com/help/signal/ref/filtfilt.html

2. Filtros Savitzky-Golay Un filtro avanzado de seguimiento de mínimos cuadrados ponderados que es extremadamente efectivo para extraer las características subyacentes al proporcionar efectos de tipo transitorio más bajos. https://www.mathworks.com/help/signal/ref/sgolayfilt.html

3. Kalman filtra un filtro de tipo acausal que usa "mirar hacia adelante" para extraer la verdadera tendencia subyacente https://www.mathworks.com/help/control/ug/kalman-filtering.html

4. Perfect Sinc filter Una forma de onda sinc que coincide con la longitud de los datos completos es un verdadero filtro de "pared de ladrillos" https://www.mathworks.com/matlabcentral/fileexchange/42956-sinc-filter

Mi favorito personal es el filtro SavGol

t= linspace(0,1e-3,10000);
y = zeros(10000,1);
y(t> 100e-6 & t < 300e-6) = 10;
y = y + rand(10000,1);

Ysav = sgolayfilt(y, 5, 9);
Y1stord = lowpass(y,1000,1/t(2));

figure;
plot(t,y);
hold;
plot(t,Ysav);
plot(t,Y1stord)

legend('raw data','SavGol filter','1st order LPF');

Básicamente, desea filtrar, pero no necesita restringirse al LPF clásico (filtrado de tipo FIR, IIRC, RC) ya que tiene el conjunto de datos completo y, por lo tanto, más oportunidades disponibles.

Esas "pequeñas oscilaciones" que te refer to as noiseparecen sospechosamente parecidas al ruido de cuantización . Si este es el caso, considere una revisión de su configuración de adquisición de datos. Es posible que pueda reducir significativamente la amplitud de estas "pequeñas oscilaciones" simplemente aumentando la resolución de su ADC (como la profundidad de bits), la ganancia del amplificador de señal o lo que sea que sirva para disminuir el parámetro de voltios por nivel. Incluso si la configuración de adquisición de datos está fuera de su control, conocer el origen de las distorsiones no deseadas que la medición agrega a su señal es de gran ayuda para diseñar los procedimientos de supresión de ruido, como el filtrado o el ajuste de datos.