【学习】滤波器知识

滤波

滤波分为电路滤波和算法滤波。

滤波：利用一定的手段抑制无用的信号，增强有用的信号
低通滤波=模糊；高通滤波=锐化

电路滤波是从源头上解决（缓解）问题，但是使用成本比较高，即使使用了电路滤波也是不能保证每次采集的数据都是准确的，因为在实际的工作状态中遇到的干扰各种各样，算法滤波的成本比较低，基本思想是采集多次数据对这些采集的数据进行处理最后选择（或计算）出一个可靠的数据放入数据库，要注意算法滤波需要建立在电路滤波的基础上，因此将两者结合起来才能够保证每次写入数据库的数据是可靠的。

最优滤波或最优估计：在最小方差意义下的最有滤波或估计，即要求信号或状态的最有估计值应当与相应的真实值的误差方差最小。

数字滤波器有很多种，根据其实现的网络结构或者其冲激响应函数的时域特性，可分为两种：有限冲激响应( FIR，Finite Impulse Response)滤波器和无限冲激响应( IIR，Infinite Impulse Response)滤波器。

噪声

高斯白噪声：千扰信号幅度分布服从高斯分布，而它的功率谱密度义是均匀分布的，则称之为高斯白噪声。（大多数传感器都具有的一种测量噪声）

常用滤波

5种基本滤波

限幅滤波法

中位值滤波法

算术平均滤波法

一阶滞后滤波法

限幅消抖滤波法

Vondrak滤波原理

要点

• Vondrak滤波的本质是通过确定合理的平滑因子λ在观测数据的绝对拟合和决定平滑之间寻求一条折衷的曲线。
• Vondrak平滑滤波法是一种既适合于等间隔的观测数据又适合于非等间隔的观测数据的平滑方法,能够在未知观测数据的拟合函数及其变化规律的情况下,对观测数据进行有效的估计

参考学习链接

Vondrak滤波原理详解及Matlab实现

巴特沃斯低通滤波器

FIR低通滤波器去噪

matlab目前实验的

维纳滤波去噪

维纳滤波器属于现代滤波器，传统的滤波器只能滤除信号和干扰频带没有重叠的情况，当信号和干扰频带有重叠的时候传统滤波器将无能为力，这时就需要用到现代滤波器，现代滤波器利用信号和干扰的统计特征（如自相关函数、功率谱等）导出一套最佳估值算法，然后用硬件或软件予以实现。
维纳滤波是以均方误差最小（LMS（Least MeanSquare）为准则的，它根据过去观测值和当前观测值来估计信号的当前值，因此它的解形式是系统的传递函数或单位脉冲响应。

切比雪夫I型数字滤波器

参考链接

卡尔曼滤波

图片来源

自适应卡尔曼滤波

自适应滤波

参考文章《基于递推最小二乘自适应滤波算法的图像去噪》
目前采用的较广泛的自适应算法主要有递归最小二乘（RIS）算法、Widrow-Hoff最小均方（LMS）算法、格型滤波器算法和无限冲激响应（IIR）算法等，递推最小二乘（RLS）滤波器是一种由LMS算法演变而来的顺序衰退滤波器，其基本原理是使预测误差最小化。由于RIS算法的初始收敛速率远大于LMS算法，受到遗忘因子入的影响远比u对LMS算法的影响小得多。

小波去噪

粒子滤波算法-数据预测(Matlab)

参考链接