همیشه پس از طراحی فیلتر از دستور freqz برای دیدن نتیجه طراحی استفاده کنید تا مطمئن شوید درجه فیلتر مناسب باشد

در اولین سطر با با درجه ۱۰ فیلتر ساخته شده است

شباهتی با فیلتر مطلوب ما ندارد

محور افقی فرکانس نسبی بین صفر تا یک(نصف فرکانس نمونه برداری) است

سه سطر بعدی برای همان فیلتر که با درجه ۱۰۰۰ طراحی شده است

به خواسته ما نزدیک است

برای محور افقی اگر بخواهیم فرکانس هرتز باشد سطر اخر را باید اجرا کنیم

۱۰۰ همان fs/2 است

لبه اول فیلتر که روی ده هرتز است در حالت نرمالیزه شده 0.1 میشود که باید به دستور طراحی فیلتر پرش را نشان داد در اینجا به 0.1 صفر و به 0.11 یک نسبت داده شده است که معنی ان این است ۱۰ هرتز صفر و یازده هرتز یک باشد. میشد بجای 0.11 از 0.101 استفاده کرد که معنی ان این است در فرکانس ده و یک دهم هرتز دامنه فیلتر یک شود که فیلتر خیلی تیز میشود

مطالب filtfilt نگاه شود

یکی از روشهای کاهش بعد ماتریس ویژگی و پیدا کردن راستاهایی که بیشترین پراکندگی درانها هست روش تحلیل مولفه های اساسی PCA است
این روش در matlab با دستور pcacov هم می تواند انجام شود.

داده ingredients چهار بعدی است که هر مشاهده در یک سطر است و متغیرها ستون هستند. با زدن PCA متوجه میشویم قدرت پراکندگی یا واریانس در بعد چهارم مولفه پی سی ای خیلی کم است(0.2) پس این راستا اطلاعاتی ندارد و قابل حذف است
برای حذف مولفه چهارم ماتریس pc را سه ستون اول را که متناظر با سه واریانس بیشتر است میگیریم و سپس در ماتریس ingredients ضرب میکنیم حالا چهاربعد به سه بعد کاهش میابد که بیشترین پراکندگی را دارند براساس واریانسها 99.96% انرژی در این سه بعد حفظ شده است. اگر راستای اول و دوم را بگیریم 97.88% انرژی اطلاعات را حفظ کرده ایم(یعنی ستونهای اول و دوم ماتریس pc)

Ingredients
چهار متغیر دارد که ۱۳ مشاهده از انها وجود دارد

Latent
مقادیر ویژه متناظر با هر راستا یا قدرت پراکندی و یا واریانس هر راستاست
و explained در صد انرژی هر راستاست