SG滤波总结

简单介绍

SG滤波器是一种在时域内基于多项式最小二乘法拟合的滤波方法，这种滤波器的最大特点在于可用说在滤除噪声的同时保持信号的形状、宽度不变。

上述介绍随便一搜就能搜出来。下面上点干货。

Q1：为何这种滤波器可以保持原始信号的形状不变？

了解傅里叶变换的我们都知道，一个原始的信号可以表示为一序列不同频率的信号的组成，或者说可以分解为一序列不同频率的基本信号。其中低频的基本信号反应了原始信号的基本形状，高频基本信号则反应了原始信号的一些细节。

这里指的是，如果我们使用较低阶数的SG滤波器，则可以保留原始信号的形状和轮廓，而将原始信号的高频细节，也就是噪声部分去除。

因此，在这个意义上来说，SG滤波器是一个低通滤波器。

Q2：实际过程中如何运用SG滤波器？

我们知道SG滤波的具体过程中，假设有一列信号x[n]，考虑前后M个点，则将一个点的前M个点、当前点，后M个点，共2M+1个点组成一个窗口，进行多项式拟合，得到拟合系数，从而对当前的点进行滤波计算。

因此，如果说我们需要做实时滤波，则在当前时刻，只能获得前M个点时刻的滤波值，实时滤波具有一定的延时性。

另外，如果需要实时滤波，则需要不断进行多项式拟合，不断进行系数估计，从而进行滤波。

Q3：SG滤波属于FIR还是IIR滤波器？

答案显然是FIR滤波器，因为滤波器不涉及到分母的极点，只是简单的FIR滤波器。

Q4：SG滤波器的局限性有哪些？

SG滤波的局限性在于，首先，需要原始信号是一个平稳信号。就是说，信号的统计学参数不会随着时间的变化而变化。因为我们在使用SG滤波器时，窗口长度和阶数是已经提前设计好的，如果说信号的统计学参数会随着时间的变化而变化，那么一个固定的窗口长度和阶数就不会全程适用。
第二点在于说阶数的设计，要能较好拟合原始信号的形状。很多时候，到了2阶以上，我们就比较难看出来该用几阶滤波器。
最后一点，窗口的长度一定要大于一个原始信号的周期，不然SG滤波器效果会不太好。