❶ 什么是数字图像的频率域滤波算法，有哪些主要的算法，谢谢
就是把数字图像利用傅立叶变换，小波等数学方法，转化为频域进行处理，再把处理后的数据反变换成图像数据。最基本的应用算法如高通滤波，低通滤波，维纳滤波，相位相关等等。不过用频域处理都比较耗时，对实时性要求比较高的系统几乎都不用频域处理。
❷ MATLAB数值滤波处理方法有哪些
MATLAB数值滤波处理方法有：
首先关于fspecial函数的定义，fspecial函数用于建立预定义的滤波算子。
其语法格式为：
h
=
fspecial(type)
h
=
fspecial(type，para)
其中type指定算子的类型，para指定相应的参数；
函数type的类型有：
1、'average'averaging
filter为均值滤波，参数为hsize代表模板尺寸，默认值为[3，3]。
函数格式：H
=
fspecial('average',hsize)
2、
'disk'circular
averaging
filter为圆形区域均值滤波，参数为radius代表区域半径，默认值为5。
函数格式：H
=
fspecial('disk',radius)
3、'gaussian'Gaussian
lowpass
filter为高斯低通滤波，有两个参数，hsize表示模板尺寸，默认值为[3
3]，sigma为滤波器的标准值，单位为像素，默认值为0.5。
函数格式：H
=
fspecial('gaussian',hsize,sigma)
4、'laplacian'
filter
approximating
the
2-D
Laplacian
operatorlaplacian
filter为拉普拉斯算子，参数alpha用于控制算子形状，取值范围为[0，1]，默认值为0.2.
函数格式：H
=
fspecial('laplacian',alpha)
5、'log'Laplacian
of
Gaussian
filter为拉普拉斯高斯算子，有两个参数，hsize表示模板尺寸，默认值为[3
3]，sigma为滤波器的标准差，单位为像素，默认值为0.5。
函数格式：H
=
fspecial('log',hsize,sigma)
6、'motion'motion
filter运动模糊算子，有两个参数，表示摄像物体逆时针方向以theta角度运动了len个像素，len的默认值为9，theta的默认值为0。
函数格式：H
=
fspecial('motion',len,theta)
7、'prewitt'Prewitt
horizontal
edge-emphasizing
filter用于边缘增强，大小为[3
3]，无参数。
函数格式：H
=
fspecial('prewitt')
8、'sobel'Sobel
horizontal
edge-emphasizing
filter用于边缘提取，无参数
函数格式：H
=
fspecial('sobel')the
filter
H:
H'.9、'unsharp'unsharp
contrast
enhancement
filter为对比度增强滤波器。参数alpha用于控制滤波器的形状，范围为[0，1]，默认值为0.2.函数格式：H
=
fspecial('unsharp',alpha)
❸ 时间域上的快速数字滤波方法———递归滤波
前面介绍的是频率域滤波，即首先将信号通过FFT转换到频率域，频率滤波后再进行反傅立叶变换得到滤波后的时间序列。能否直接在时间域进行滤波处理呢?这就是时间域滤波问题。时间域常用的是递归滤波和褶积滤波。我们主要介绍递归滤波的原理和设计。
1.递归滤波器的原理及特点
在时间域上进行数字滤波时，是在时间域上将输入地震记录与滤波因子作褶积，
由上式可见，如果h(n)的离散数目为N，则每计算一个点的 值，就要进行N次乘法和N-1次加法;若 有M个点，则总计要进行M×N次乘法和M(N-1)次加法。当M的值很大且是多道运算时，其运算工作量是相当大的。如果能在计算 时，充分利用以前计算出的结果 ，使计算工作量减少，就显得很有价值。这种设想在数学上是可行的，即要建立一个递推公式来取代上面的褶积计算。从物理概念上讲，相当于设计一个反馈滤波器，图9-3-1给出了这种滤波器的原理图。图中x(t)经滤波器Ⅰ后得到输出 ，再将 一部分经滤波器Ⅱ后反馈到 上得到输出 。因此递归滤波在数学上可写出一般递推公式
图9-3-1 递归滤波器原理图
物探数字信号分析与处理技术
式中a0，a1，…，an和b1，b2，…，bm为递推滤波系数，一般n+m+1<K(k为滤波因子的点数)。从(9-3-1)式可以看到，每计算一个 值，都要用到以前计算的结果，其运算是一种递推的关系，因此可以节省许多工作量。对(9-3-1)式进行Z变换，可以很容易得到递归滤波器的Z变换形式
物探数字信号分析与处理技术
式中Z=e-iω。从以上讨论可以看到，递归滤波实际上是一种数学运算上的变化。这种变化的可能性就是(9-3-1)所表示的滤波函数是否存在的问题，即是否物理可实现的问题。(9-3-2)式表示了递归滤波器的频率特性，由傅立叶变换及其性质，容易得到图9-16中滤波器I和滤波器II的频谱H1(ω)和H2(ω)，它们分别为
物探数字信号分析与处理技术
由图中的反馈结构还可以得到
物探数字信号分析与处理技术
整理可得递归滤波器的系统函数的频率响应:
物探数字信号分析与处理技术
由式(9-3-5)可知，递归滤波器的频率响应H(ω)的系数仍然是未知的，那么如何得到这些系数呢?这就涉及到递归滤波器的设计问题。
2.递归滤波器的设计
设计递归滤波器实际上就是根据已给出的滤波器的频率特性，确定出递归滤波的参数，a0，a1…，an和b1，b2，…，bm的问题。目前具体的递归滤波器的设计方法有最小平方法，即利用最小二乘原理求出参数;Z平面法，适用于一些简单滤波器的设计;借用法，即利用现有的电滤波器的传输函数作一变换，转换成递归滤波器，利用电滤波器的传输函数中的参数确定递归滤波参数，即可进行递归滤波。本书主要讲Z变换法，以掌握不同滤波器的特性参数和功能。
(1)用Z平面法设计递归滤波器
设计简单滤波器可用Z平面法。在图9-3-2所示的Z平面中，Z=eiΩ表示一个点，这个点表示的复数的模值为1，位相为Ω。当Ω由0→2π变化时，就画出一个圆，称为单位圆。
现在假定有一个复数，
物探数字信号分析与处理技术
因为1可以看成是单位圆上Ω=0的一个点，即图9-3-2中的R点，此处R=1，另外由于Z=OP，则
物探数字信号分析与处理技术
又因为
Δt为时间域采样间隔，因此PR随频率f而变。如果把F(Z)看成一个滤波器，则这个滤波器的振幅特性为
物探数字信号分析与处理技术
当Ω由0→π时，即f由0变化到 变化，则PR由0变到2。FN称为折叠频率，即在此频率以上当Ω再增加时，PR又重复按周期性变化。
显然这个滤波器对不同频率的信号有相对压制作用，这正是频率滤波器的特点。但这个滤波器并不适用，因为设计滤波器时总是希望通频带越平坦、边界越陡越好。上述的滤波器可以认为是压制零频率分量的滤波器，但它对零频率附近的频率分量也给予了不同程度的压制。为了改进这种滤波器的特性，可在实轴上靠近R点附近再选一个s点。假定坐标为1.01，现在以PR和PS之比 作为滤波器的频率特性，因为ps=os-op=1.01-Z，即
物探数字信号分析与处理技术
显然从式(9-3-7)可见，当f=0时，Z=1，H(Z)=0;随着f增大，H(Z)值很快增大而接近于1，即边界特性很陡，且通频带比较平滑，这可以认为是消除零频率分量成分较好的滤波器，见图9-3-3。
图9-3-2 设计递归滤波器的Z平面
图9-3-3 压制零频率分量的滤波器
根据递归滤波器的关系式，上述滤波器的递归公式为
物探数字信号分析与处理技术
从该式可以看出，每计算一个输出，只要求两次加减法和一次乘法即可。
1)高通滤波器的设计
上例中是一个压制零频率的滤波器，可以看成是一个高通滤波器，而且S点位置的选择，决定了滤波特性曲线的陡度。把(9-3-7)中的系数0.9901改为系数q，并省去全式的常数因子，得出
物探数字信号分析与处理技术
上式即高通滤波器的一般表示式，其功率谱可以表示为
物探数字信号分析与处理技术
当Ω=±π时，功率谱曲线具有极大值
物探数字信号分析与处理技术
分析(9-3-8)式，q决定特性曲线的陡度，若规定极大值的一半处的横坐标为频带的下边界点，用f边表示边界频率，则
物探数字信号分析与处理技术
所以
2)低通滤波器
如图(9-3-4)所示，我们把S点选在高频一侧，即在-1点以外时，则可以得到一个低通滤波器，此时滤波器的特性关系式为
物探数字信号分析与处理技术
其功率谱特性如图9-3-5所示
物探数字信号分析与处理技术
根据滤波特性的关系式，q必须小于1。
`3)带通滤波器
将低通和高通滤波器相乘，即可得到一带通滤波器，其关系式为
物探数字信号分析与处理技术
其中q1和q2分别是低通和高通滤波器的系数。
4)带阻滤波器
根据上面的讨论，若要压制某一频率的信息，只要将图9-3-4中的R点选在该频率点处。例如将R点选在f=50Hz的位置上，就得到压制50Hz的点阻滤波器，这样，只要把50Hz在Z平面上的位置求出来就可以了。
设Δt=1ms，f=50Hz，则
图9-3-4 设计低通滤波器的Z平面
图9-3-5 低通滤波器的振幅特性
物探数字信号分析与处理技术
因此
故R点的位置为R=e+i18°，如图9-3-6所示。
另外为了实现零相移滤波，还需要选一个与R点对称的共轭点,
或表示为
物探数字信号分析与处理技术
再在R点附近选择一个极点，因为极点必须在单位圆外，故可选择
物探数字信号分析与处理技术
利用零点和极点组成的滤波器为
物探数字信号分析与处理技术
特性曲线见图9-3-7。以上讨论证实了R点的位置决定了频率的压制点，从数学关系上讲，对滤波关系式选择不同的零点和极点，就可以对相应不同频率的信息起到压制作用。因此，可以把点阻滤波器推广为带阻滤波器。这时，对于零点和极点不应选一个，而应根据滤波特性设计的要求选择多个，其一般表达式为
图9-3-6 陷波滤波器的Z平面
图9-3-7 陷波滤波器的振幅特性
物探数字信号分析与处理技术
如图9-3-8所示。而总的特性是各个点阻滤波器的合成，如图9-3-9所示。
图9-3-8 点阻滤波器的频率特性
图9-3-9 带阻滤波器的频率特性
(2)反向递归滤波器及零相移滤波器
1)反向递归滤波器
进行递归滤波器设计时，Z平面上的点都是共轭选择的。对共轭点而言，其滤波关系式为
物探数字信号分析与处理技术
设X(Z)和Y(Z)分别为输入和输出信号的谱函数，则滤波关系式为
物探数字信号分析与处理技术
上式移项整理后得
物探数字信号分析与处理技术
将Y(Z)、X(Z)分别表示为时间域函数，应用频谱分析的延时定理，(9-3-19)的一般表达式为:
物探数字信号分析与处理技术
式中t=T，T-1，T-2，…0;T为要处理记录xi的最后一个时刻。具体计算时，设t>T，xt=0，yt=0。
从(9-3-20)可以看出，当计算yt时，必须先计算出大于t时刻的值，也就是说，要先从大的时间算起，再往小时间方向递推，相当于把信号掉过头来往滤波器内送，因此称为反向递归滤波。
2)零相移递归滤波器
通过前面学习知道，在地震资料数字滤波中，经常用的是理想滤波器，即零相位滤波器。现在在已经设计出物理可实现递归滤波器H(Z)的条件下，如何来设计零相位滤波器呢?先来看下式
物探数字信号分析与处理技术
转换到频率域，有
物探数字信号分析与处理技术
显然滤波器G(Z)是零相位的，且可通过H(Z)和 得到，这就是设计零相位滤波器的思路。我们把前者称为正向递归滤波，后者称为反向递归滤波。即只要把原来设计的滤波器乘上一个共轭复数就能实现。
例如设计滤波器为H1(Z)，其共轭复数为 ，零相移滤波器为
物探数字信号分析与处理技术
对递归滤波器来说，
物探数字信号分析与处理技术
式(9-3-24)即为一个反向滤波器。就是说，零相移滤波相当于H1(Z)和 两个滤波器的串联，如图9-3-10。
由图9-3-10可见，信号xt是先经过H1(Z)滤波得到ut，再经过 反向滤波，最后得到yt。
物探数字信号分析与处理技术
式(9-3-23)是正向递归滤波器公式，它从地震记录的头部开始对整张记录递推计算;式(9-3-24)是反向递归滤波器公式，它从地震记录的尾部开始对整张记录递推计算。两次递推滤波后，得到零相位滤波结果。
图9-3-10 零相移滤波器
3.设计递归滤波器应注意的问题
(1)递归滤波器的阶数
阶数越大，计算结果越精确，但是计算量增大。因此，实际处理时常选n=m=4。
(2)滤波器的稳定性
递归算法中如果滤波器不稳定，递归过程就可能因不收敛而得不到正确的结果。因此在设计滤波器时，要考虑稳定性问题。滤波器稳定的条件:
若B(z)=b0+b1z-1+b2z-2+…+bmz-m的收敛域是包含单位圆的圆外域，则滤波器是稳定的。
(3)时变滤波
需要说明的是，由于地层的大地滤波作用，使得来自浅、中、深层的频谱成分差异很大。有些地区，浅层可达到70～80Hz，深层只有10～30Hz，这使得如果做带通滤波，就不能从浅层到深层用一个滤波门，而应根据不同的时间设置变化的滤波门进行时变滤波。实际处理时，尽量使带通区域能平滑过渡，滤波要混有相邻时间窗口的数据。
对于一般情况，是根据不同的时窗提取不同的滤波因子，然后进行分段时变滤波。相邻段之间可以采用线性加权插值，如图9-3-11，t1-t'1用h(1)t滤波因子滤波，t'2-t3用h(2)t滤波因子滤波，t'1-t'2h(12)t滤波因子滤波。
物探数字信号分析与处理技术
图9-3-11 时变线性加权
❹ 多维数字信号处理滤波方法有哪些
数字信号处理是把信号用数字或符号表示成序列，通过计算机或通用（专用）信号处理设备，用数值计算方法进行各种处理，达到提取有用信息便于应用的目的。例如：滤波、检测、变换、增强、估计、识别、参数提取、频谱分析等。
一般地讲，数字信号处理涉及三个步骤：⑴模数转换(A/D转换)：把模拟信号变成数字信号，是一个对自变量和幅值同时进行离散化的过程，基本的理论保证是采样定理。⑵数字信号处理(DSP)：包括变换域分析(如频域变换)、数字滤波、识别、合成等。⑶数模转换(D/A转换)：把经过处理的数字信号还原为模拟信号。通常，这一步并不是必须的。 作为DSP的成功例子有很多，如医用CT断层成像扫描仪的发明。它是利用生物体的各个部位对X射线吸收率不同的现象，并利用各个方向扫描的投影数据再构造出检测体剖面图的仪器。这种仪器中fft(快速傅里叶变换)起到了快速计算的作用。以后相继研制出的还有：采用正电子的CT机和基于核磁共振的CT机等仪器，它们为医学领域作出了很大的贡献。
信号处理的目的是：削弱信号中的多余内容；滤出混杂的噪声和干扰；或者将信号变换成容易处理、传输、分析与识别的形式，以便后续的其它处理。 下面的示意图说明了信号处理的概念。
❺ 请问数字滤波的方法有那些什么是“加窗”
FIR 有限冲击响应滤波器
IIR 无限冲击响应滤波器
加窗就是在已经设计好的均匀滤波器系数向量上点乘一个加窗系数向量，以降低主旁瓣比，或获得想要的滤波其性能。
❻ 常用的数字滤波的方法都有哪些，写出其中三种数字滤波的算法
经典滤波的概念，是根据傅里叶分析和变换提出的一个工程概念。根据高等数学理论，任何一个满足一定条件的信号，都可以被看成是由无限个正弦波叠加而成。换句话说，就是工程信号是不同频率的正弦波线性叠加而成的，组成信号的不同频率的正弦波叫做信号的频率成分或叫做谐波成分。实际上，任何一个电子系统都具有自己的频带宽度（对信号最高频率的限制），频率特性反映出了电子系统的这个基本特点。而滤波器，则是根据电路参数对电路频带宽度的影响而设计出来的工程应用电路 。
现代滤波
现代滤波思想是和经典滤波思想截然不同的。现代滤波是利用信号的随机性的本质，将信号及其噪声看成随机信号，通过利用其统计特征，估计出信号本身。一旦信号被估计出，得到的信号本身比原来的信噪比高出许多。典型的数字滤波器有Kalman滤波，Wenner滤波，自适应滤波，小波变换（wavelet）等手段[3] 。从本质上讲，数字滤波实际上是一种算法，这种算法在数字设备上得以实现。这里的数字设备不仅包含计算机，还有嵌入式设备如：DSP，FPGA，ARM等。
❼ 数字滤波常用方法有几种，维纳、卡尔曼、自适应滤波是非线性滤波方法，线性的有FIR和IIR滤波结构吗
现在滤波方法主要该算是维纳和卡尔曼，自适应滤波中LMS其实就是变系数的维纳滤波，维纳滤波本身也是线性滤波，FIR和IIR是传统的频率域的滤波方式，和维纳卡尔曼这种现代滤波出发点不是一回事儿
❽ 滤波在数学上是如何实现的
在单片机进行数据采集时，会遇到数据的随机误差，随机误差是由随机干扰引起的，其特点是在相同条件下测量同一量时，其大小和符号会现无规则的变化而无法预测，但多次测量的结果符合统计规律。为克服随机干扰引起的误差，硬件上可采用滤波技术，软件上可采用软件算法实现数字滤波。滤波算法往往是系统测控算法的一个重要组成部分，实时性很强。
采用数字滤波算法克服随机干扰的误差具有以下优点：
1、数字滤波无需其他的硬件成本，只用一个计算过程，可靠性高，不存在阻抗匹配问题。尤其是数字滤波可以对频率很低的信号进行滤波，这是模拟滤波器做不到的。
2、数字滤波使用软件算法实现，多输入通道可共用一个滤波程序，降低系统开支。
3、只要适当改变滤波器的滤波程序或运算，就能方便地改变其滤波特性，这对于滤除低频干扰和随机信号会有较大的效果。
4、在单片机系统中常用的滤波算法有限幅滤波法、中值滤波法、算术平均滤波法、加权平均滤波法、滑动平均滤波等。
(1)限幅滤波算法
该运算的过程中将两次相邻的采样相减，求出其增量，然后将增量的绝对值，与两次采样允许的最大差值A进行比较。A的大小由被测对象的具体情况而定，如果小于或等于允许的最大差值，则本次采样有效;否则取上次采样值作为本次数据的样本。
算法的程序代码如下：
#defineA //允许的最大差值
chardata; //上一次的数据
char filter()
{
chardatanew; //新数据变量
datanew=get_data(); //获得新数据变量
if((datanew-data)>A||(data-datanew>A))
return data;
else
returndatanew;
}
说明：限幅滤波法主要用于处理变化较为缓慢的数据，如温度、物体的位置等。使用时，关键要选取合适的门限制A。通常这可由经验数据获得，必要时可通过实验得到。
(2)中值滤波算法
该运算的过程是对某一参数连续采样N次(N一般为奇数)，然后把N次采样的值按从小到大排列，再取中间值作为本次采样值，整个过程实际上是一个序列排序的过程。
算法的程序代码如下：
#define N11 //定义获得的数据个数
char filter()
{
charvalue_buff[N]; //定义存储数据的数组
char count,i,j,temp;
for(count=0;count
{
value_buf[count]=get_data();
delay(); //如果采集数据比较慢，那么就需要延时或中断
}
for(j=0;j
{
for(value_buff[i]>value_buff[i+1]
{
temp=value_buff[i];
value_buff[i]=value_buff[i+1];
value_buff[i+1]=temp;
}
}
returnvalue_buff[(N-1)/2];
}
说明：中值滤波比较适用于去掉由偶然因素引起的波动和采样器不稳定而引起的脉动干扰。若被测量值变化比较慢，采用中值滤波法效果会比较好，但如果数据变化比较快，则不宜采用此方法。
(3)算术平均滤波算法
该算法的基本原理很简单，就是连续取N次采样值后进行算术平均。
算法的程序代码如下：
char filter()
{
int sum=0;
for(count=0;count
{
sum+=get_data();
delay():
}
return (char)(sum/N);
}
说明：算术平均滤波算法适用于对具有随机干扰的信号进行滤波。这种信号的特点是有一个平均值，信号在某一数值附近上下波动。信号的平均平滑程度完全到决于N值。当N较大时，平滑度高，灵敏度低;当N较小时，平滑度低，但灵敏度高。为了方便求平均值，N一般取4、8、16、32之类的2的整数幂，以便在程序中用移位操作来代替除法。
(4)加权平均滤波算法
由于前面所说的“算术平均滤波算法”存在平滑度和灵敏度之间的矛盾。为了协调平滑度和灵敏度之间的关系，可采用加权平均滤波。它的原理是对连续N次采样值分别乘上不同的加权系数之后再求累加，加权系数一般先小后大，以突出后面若干采样的效果，加强系统对参数变化趋势的认识。各个加权系数均小于1的小数，且满足总和等于1的结束条件。这样加权运算之后的累加和即为有效采样值。其中加权平均数字滤波的数学模型是：
式中：D为N个采样值的加权平均值：XN-i为第N-i次采样值;N为采样次数;Ci为加权系数。加权系数Ci体现了各种采样值在平均值中所占的比例。一般来说采样次数越靠后，取的比例越大，这样可增加新采样在平均值中所占的比重。加权平均值滤波法可突出一部分信号抵制另一部分信号，以提高采样值变化的灵敏度。
样例程序代码如下：
char codejq[N]={1,2,3,4,5,6,7,8,9,10,11,12}; //code数组为加权系数表，存在程序存储区
char codesum_jq=1+2+3+4+5+6+7+8+9+10+11+12;
char filter()
{
char count;
char value_buff[N];
int sum=0;
for(count=0;count
{
value_buff[count]=get_data();
delay();
}
for(count=0;count
sum+=value_buff[count]*jq[count];
return(char)(sum/sum_jq);
}
(5)滑动平均滤波算法
以上介绍和各种平均滤波算法有一个共同点，即每获取一个有效采样值必须连续进行若干次采样，当采速度慢时，系统的实时得不到保证。这里介绍的滑动平均滤波算法只采样一次，将一次采样值和过去的若干次采样值一起求平均，得到的有效采样值即可投入使用。如果取N个采样值求平均，存储区中必须开辟N个数据的暂存区。每新采集一个数据便存入暂存区中，同时去掉一个最老数据，保存这N个数据始终是最新更新的数据。采用环型队列结构可以方便地实现这种数据存放方式。
程序代码如下：
char value_buff[N];
char i=0;
char filter()
{
char count;
int sum=0;
value_buff[i++]=get_data();
if(i==N)
i=0;
for(count=0;count
sum=value_buff[count];
return (char)(sum/N);
}
(6)低通滤波
将普通硬件RC低通滤波器的微分方程用差分方程来表求，变可以采用软件算法来模拟硬件滤波的功能，经推导，低通滤波算法如下：
Yn=a* Xn+(1-a) *Yn-1
式中 Xn——本次采样值
Yn-1——上次的滤波输出值;
，a——滤波系数，其值通常远小于1;
Yn——本次滤波的输出值。
由上式可以看出，本次滤波的输出值主要取决于上次滤波的输出值(注意不是上次的采样值，这和加权平均滤波是有本质区别的)，本次采样值对滤波输出的贡献是比较小的，但多少有些修正作用，这种算法便模拟了具体有教大惯性的低通滤波器功能。滤波算法的截止频率可用以下式计算：
fL=a/2Pit pi为圆周率3.14…
式中 a——滤波系数;
， t——采样间隔时间;
例如：当t=0.5s(即每秒2次)，a=1/32时;
fL=(1/32)/(2*3.14*0.5)=0.01Hz
当目标参数为变化很慢的物理量时，这是很有效的。另外一方面，它不能滤除高于1/2采样频率的干搅信号，本例中采样频率为2Hz，故对1Hz以上的干搅信号应采用其他方式滤除，
低通滤波算法程序于加权平均滤波相似，但加权系数只有两个：a和1-a。为计算方便，a取一整数，1-a用256-a，来代替，计算结果舍去最低字节即可，因为只有两项，a和1-a，均以立即数的形式编入程序中，不另外设表格。虽然采样值为单元字节(8位A/D)。为保证运算精度，滤波输出值用双字节表示，其中一个字节整数，一字节小数，否则有可能因为每次舍去尾数而使输出不会变化。
设Yn-1存放在30H(整数)和31H(小数)两单元中，Yn存放在32H(整数)和33H(小数)中。滤波程序如下：
虽千万里，吾往矣。