一种对有震荡的波形进行滤波，经检验效果非常好，可以用于电力系统等行业

视频包含 7 个视频教程，详细介绍使用卡尔曼滤波器的常见场景，包括： 1.为什么使用卡尔曼滤波器？ 2.了解卡尔曼滤波器——状态观测器 3.了解卡尔曼滤波器——最优状态估计 4.了解卡尔曼滤波器——最优状态估计算法和方程 5.了解卡尔曼滤波器——非线性状态估算器 6.在 Simulink 中使用卡尔曼滤波器 7.在 Simulink 中使用扩展卡尔曼滤波器 对卡尔曼滤波器的原理与应有有很大帮助！！！！

本程序详尽的描述了格型滤波器的算法并附有说明

一、环境配置与测试 二、cuda与OpenCV结合方法 三、代码实例：图像均值滤波和图像反色 3.1 代码 3.2 代码说明 3.3 网格大小与线程块大小的确定 3.3.1 网格与线程块大小的限制 3.3.2 如何确定网格大小与线程块大小？ 3.4 并行与串行的加速比 四、总结

传统的微波滤波器诊断模型构建方法不适用于严格的滤波器综合。提出了一种改进方法，对广义Chebyshev滤波器的传输函数和反射函数分子多项式系数均做了合理限制，继而求出响应对应的耦合矩阵，并与理论综合结果比较，确定出滤波器调试的方向和幅度。最后用该方法分别对四阶开环微带滤波器和八阶波导滤波器进行诊断调试，调试后回波损耗和群时延均满足预期指标，调试时间缩短了一半。

级联型有源电力滤波器的设计 级联型有源电力滤波器的设计

3.1 匹配滤波 3.1.1 时域匹配滤波 雷达的距离分辨力与发射脉冲的宽度有关 [25] ，窄的脉冲宽度带来的优势是距 离分辨力高。但同时也带来问题，发射脉冲越窄，雷达发射平均功率也就越低， 从而直接影响了雷达的作用距离。如何在获得高距离分辨力的同时增大雷达的作 用距离？脉冲压缩处理较好地解决了作用距离和距离分辨能力的矛盾。而用作脉 冲压缩的网络实际上就是白噪声背景假设下的匹配滤波器。匹配滤波既可以在时 域进行，也可以在频域进行。由于FFT算法固有的快速特点，通常采用频域的数字 匹配滤波实现。 对于一个大时宽带宽积的信号  is t ，其脉冲压缩滤波器的脉冲响应可根据匹 配滤波原理求得     c 0i d h t Ks t t  (3-1) 式中， 0d t 表示脉冲压缩滤波器的延迟，可令其为零，K 为增益常数，可令其为1，   c  表示共轭。这时脉冲压缩滤波器输出表示如下      o is t s t h t  (3-2) 式中，符号表示卷积操作。 由傅里叶变换的性质可知，时域卷积相当于频域相乘。下面将时域运算转移 到频域进行讨论。  is n 的离散傅里叶变换(DFT)为其频谱  iS k ，即     1 2 / 0 , 0,1, , 1 N j nk N i i n S k s n e k N        (3-3) 脉冲响应  h n 的离散傅里叶变换(DFT)为滤波器传递函数  H k ，即     1 2 / 0 , 0,1, , 1 N j nk N n H k h n e k N        (3-4) 这时，输出信号  os n 为  iS k 和  H k 乘积的逆离散傅里叶变换的结果，即       1 2 / 0 1 , 0,1, , 1 N j nk N o i k s n S k H k e n N N       (3-5) 式中 N 表示在信号脉宽 pT 内的采样数。 为了减少运算量，上述离散傅里叶变换一般用快速傅里叶变换来执行。频域 脉冲压缩方法可用图3.2来表示。

基于卡尔曼滤波的SOC和SOH算法解析，没有代码，纯论文和理论。

可以用c去实现低通滤波器，通俗易懂。易于上手，掌握