濾波
濾波分為電路濾波和算法濾波。
濾波：利用一定的手段抑制無用的信号，增強有用的信号
低通濾波=模糊；高通濾波=銳化
電路濾波是從源頭上解決（緩解）問題，但是使用成本比較高，即使使用了電路濾波也是不能保證每次采集的資料都是準确的，因為在實際的工作狀态中遇到的幹擾各種各樣，算法濾波的成本比較低，基本思想是采集多次資料對這些采集的資料進行處理最後選擇（或計算）出一個可靠的資料放入資料庫，要注意算法濾波需要建立在電路濾波的基礎上，是以将兩者結合起來才能夠保證每次寫入資料庫的資料是可靠的。
最優濾波或最優估計：在最小方差意義下的最有濾波或估計，即要求信号或狀态的最有估計值應當與相應的真實值的誤差方差最小。
數字濾波器有很多種，根據其實作的網絡結構或者其沖激響應函數的時域特性，可分為兩種：有限沖激響應( FIR，Finite Impulse Response)濾波器和無限沖激響應( IIR，Infinite Impulse Response)濾波器。
噪聲
高斯白噪聲：千擾信号幅度分布服從高斯分布，而它的功率譜密度義是均勻分布的，則稱之為高斯白噪聲。（大多數傳感器都具有的一種測量噪聲）
常用濾波
5種基本濾波
限幅濾波法
中位值濾波法
算術平均濾波法
一階滞後濾波法
限幅消抖濾波法
Vondrak濾波原理
要點
- Vondrak濾波的本質是通過确定合理的平滑因子λ在觀測資料的絕對拟合和決定平滑之間尋求一條折衷的曲線。
- Vondrak平滑濾波法是一種既适合于等間隔的觀測資料又适合于非等間隔的觀測資料的平滑方法,能夠在未知觀測資料的拟合函數及其變化規律的情況下,對觀測資料進行有效的估計
參考學習連結
Vondrak濾波原理詳解及Matlab實作
巴特沃斯低通濾波器
FIR低通濾波器去噪
matlab目前實驗的
維納濾波去噪
維納濾波器屬于現代濾波器，傳統的濾波器隻能濾除信号和幹擾頻帶沒有重疊的情況，當信号和幹擾頻帶有重疊的時候傳統濾波器将無能為力，這時就需要用到現代濾波器，現代濾波器利用信号和幹擾的統計特征（如自相關函數、功率譜等）導出一套最佳估值算法，然後用硬體或軟體予以實作。
維納濾波是以均方誤差最小（LMS（Least MeanSquare）為準則的，它根據過去觀測值和目前觀測值來估計信号的目前值，是以它的解形式是系統的傳遞函數或機關脈沖響應。
切比雪夫I型數字濾波器
參考連結
卡爾曼濾波
圖檔來源
自适應卡爾曼濾波
自适應濾波
參考文章《基于遞推最小二乘自适應濾波算法的圖像去噪》
目前采用的較廣泛的自适應算法主要有遞歸最小二乘（RIS）算法、Widrow-Hoff最小均方（LMS）算法、格型濾波器算法和無限沖激響應（IIR）算法等，遞推最小二乘（RLS）濾波器是一種由LMS算法演變而來的順序衰退濾波器，其基本原理是使預測誤差最小化。由于RIS算法的初始收斂速率遠大于LMS算法，受到遺忘因子入的影響遠比u對LMS算法的影響小得多。
小波去噪
粒子濾波算法-資料預測(Matlab)
參考連結