以下是对移动平均（Moving Average）、Savitzky-Golay滤波（SG滤波） 和 邻域平均滤波（Adjacent Averaging） 算法实现信号处理。移动平均 vs. 邻域平均：二者数学本质相同，均为窗口内均值计算。差异仅在于实现时的命名习惯（如“邻域平均”更强调局部邻域操作）。 SG滤波：基于最小二乘多项式拟合，通过保留高阶导数信息（如峰形曲率）实现高保真平滑。 选择移动平均/邻域平均： 实时性要求高（如传感器数据流处理）。 信号特征简单，无需保留高频细节（如温度趋势分析）。 对实时性要求高或噪声简单，可用移动平均。 选择SG滤波： 信号峰形关键（如FBG中心波长检测），优先选SG滤波。 光谱分析、色谱峰检测等需保留峰形特征的场景。 信号含复杂高频成分但需抑制随机噪声（如ECG信号去噪）。 边缘处理策略 镜像填充（'symmetric'）：减少边界突变，适合多数信号。 常数填充（'constant'）：适合信号首尾平稳的场景。 截断处理：输出数据变短，适合后续插值。

卡尔曼·克劳迪代码 matlab EnKF_EnOI_ES_EnKS 一个玩具 DA 系统，它使用（强制）一维线性扩散/平流模型来比较以下集成 DA 方案： 集成卡尔曼滤波器：EnKF 集合最优插值：EnOI 合奏平滑：ES 合奏卡尔曼平滑器：EnKS 更新方案一次性考虑所有观察结果（即批量样式）并使用转换矩阵（X5；Evensen，2003）。 我还提供了一个 EnKS 函数，它可以连续吸收观察结果并使用 DART 的样式（两步更新，Anderson，2003）。 这仅仅是一个教育包。 编码风格（在 MATLAB 中）不是一流的。 目的是让用户熟悉不同的集成方案、它们的实现和性能。 首先，您可以运行DA_EnKF_EnOI_ES_EnKS.m来比较DA_EnKF_EnOI_ES_EnKS.m框架中的不同方案。 您可以选择模型（平流或扩散））整体大小和更平滑的滞后DA_EnKF_EnOI_ES_EnKS.m调用单独的函数： EnKF.m 、 EnOI.m 、 ES.m和EnKS.m为了模拟现实场景，2 个模型参数是忐忑。 因此，预测模型不同于用于生成真相的模型。 要研究滞后长度的影响，

基于2023年H题目开发，里面包含了陶晶驰串口屏的波形绘制，利用了matlab的Fliter solution对FIR滤波效果进行了优化，里面有详细的使用说明，包括了DSP、AD9851,AD9859,相位补偿器的使用代码,采用DMA的方式用32的内置AD进行实时采样，还可以生成三角波、方波、正弦波,有DDS的详细使用说明，使用方法在注释里面详细写的有，要改参数跳转到对应函数修改对应参数即可使用，还使用内置ADC生成波形（具体看代码注释）

数字图像处理——平滑滤波处理 数字图像处理中的平滑滤波是一种常用的图像处理技术，用于去除图像中的噪声和细节，使图像变得更加平滑。平滑滤波可以通过在图像上应用不同的滤波算子来实现。 最常用的平滑滤波器包括均值滤波、中值滤波和高斯滤波。 平滑滤波在图像处理中具有广泛的应用，包括图像增强、边缘检测前的预处理、降低噪声等。选择适当的滤波器和参数取决于噪声类型、图像特点以及期望的平滑程度。 请注意，平滑滤波虽然可以减少噪声，但也会损失一些细节信息。因此，在应用平滑滤波时需要权衡平滑效果和细节保留之间的关系。

STM32F4 ADC采样，平滑滤波后计算采样信号的峰峰值，周期和频率，并通过LCD实时显示波形

简单的平滑滤波，用matlab实现，更改图片路径可直接运行。

这通过系统地循环遍历每个像素并相应地调整相邻像素的权重来保留锐利的边缘。 % bif = 双边滤波器% im = 输入图像％sigd =空间内核的域参数% sigr = 强度内核的范围参数％n =噪声强度% out = 输出图像 % 代码开发者：Suraj Kamya % kamyasuraj@yahoo.com % 此函数中使用的其他文件% rpadd = 使用了另一个函数% PSN = 峰值信噪比IEF％=图像增强因子 ％例如% im=imread('bgray.jpg'); % out=bif(im,3,0.2,0.1);

平滑滤波代码，经过比对测试。平滑滤波是一种常用的消除随机噪声的手段，简单实用，广泛应用于通信、电子、导航等多个领域。

静止图像的一种自适应平滑滤波算法.pdf

该函数基于多项式的次数和移动窗口的长度使用 Savitzky-Golay 平滑滤波器平滑输入向量