利用传统的数学建模和卡尔曼滤波器对大型土木结构抗震性能的高频数据在线去噪（一）

       正如前面总结的那样，我们先从实际的应用出发，来探索传统的算法，并对传统算法进行改进，我们首先选取几个完全可以利用传统算法解决的例子，到最后我在慢慢的讲到利用传统算法很难去完成的例子，其实通过下面的几章的介绍大家可以发现，传统的算法，通过数学建模可以去解决很多复杂的问题，并不一定要利用人工智能，我的观点还是那样，如果可以利用传统算法去解决的，我们尽量通过建模去完成，因为“白箱子”总会比“黑箱子”更加直观（还有一些原因在上一章介绍过来，这里就不在提了），如果确实无法利用传统算法了，我会在考虑引入深度学习的知识，去解决，还希望有大牛提出更加深刻的意见。

       去年有幸接触到这样的一个项目，就是大型土木结构的抗震性能分析，具体的就是一个振动台，实物图不太好发~见谅哈，我们会利用传感器测试到试件的摆动位移，但是，这个数据还有巨大的噪声，而且由于地震过后争分夺秒，我们必须在线的对其数据进行去噪，然后拿到这些比较可靠的信息去做分析，对其算法的速度和精度都有着很高的要求（必定关乎人命呀）。

 

       接下来先看看测量数据（实测数据）和参考数据吧~如下图，可以看得出来，信噪比不忍直视啊，而且参考数据都已经是高频数据了，噪声还是有色噪声，就算没有在线处理的要求，也很难用频域的方法解决（我也参阅了大量的文献（上百篇），最近两年的SCI检索文献也复现过很多（10篇左右），频域的方法很容易丢波峰，而且很难做到在线处理）。

       再看看最后在线处理的结果，可以看得出来，在完全保留了波峰的情况下，对有色噪声的处理也非常的到位，而且可以做到完全的在线，几乎没有任何延迟。

       这是如何实现的呢，在这