C# c语言中低通滤波器的推广#

假设我有一个c#列表，其中有三个随机数

x->200…300

，

y->100…150

和

z->100..300

作为条目元素，类似于

行=200和列=3

x   y   z 
210 106 220
200 120 134
220 150 230
280 120 136
204 110 270
260 120 184
209 110 209
210 110 134
...

我读到的是，低通滤波器只是对结果进行平滑处理，以去除高频。最简单的低通滤波器是箱型滤波器，它是通过将n个样本平均在一起来实现的。对于两个样本的平均值，这非常简单：

sample[n] (sample[n] + sample[n + 1]) / 2;

那么，我将如何对这些数据应用低通滤波器呢

我是否需要应用

sample[n]（sample[n]+sample[n+1]）/2对于矩阵上的每个单元格或如何操作

我读到低通和高通滤波器“取消”或将高于/低于阈值的频率归零，但在这种情况下，获得阈值的最佳方法是什么，我不明白

您能解释一下如何对数据集应用低通过滤器吗？
M个数据点中的一个是简单但相当粗糙的低通过滤器，可以平滑数据。对于每个输出数据点，取N个输入点的平均值，例如，对于N=3：

for (i = 1; i < N - 1; ++i)
{
    output[i] = (input[i - 1] + input[i] + input[i + 1]) / 3;
}

（i=1；i

当你增加M时，你会得到更多的平滑（因为你平均了更多的点）-另一种看待这一点的方式是，你的数据中更多的高频成分（通常是噪声）被去除

请注意，这种移动平均滤波器的频率响应相当差-对于一些相当简单的任务，如从股票价格等时间序列数据中过滤噪声，这是一个很好的结果，但对于要求更高的应用，我们通常使用更复杂的滤波器设计

A是低通滤波器的补充，因为它滤除了低频分量。这包括“稳态”（0 Hz）分量，因此输出通常表示输入的短期变化

非常粗糙的高通滤波器：

for (i = 1; i < N ; ++i)
{
    output[i] = input[i] - input[i - 1];
}

（i=1；i { 输出[i]=输入[i]-输入[i-1]； }

---

在我看来，外行的答案似乎是由电路的RC或RCL时间常数设置的转换率的简单问题。R和C为无功意味着结果将根据频率而变化。在发生频率（采样率）设定的任何时间段。只考虑RC而不考虑L更为简单。但基本上，电压在时间上的变化不会比RC时间常数（与时间或频率有关的超越函数）所允许的变化快。导致极限摆振率的自然力似乎从未成为此类讨论的主题。

对于高通滤波器，我可以使用什么？一个问题是，我需要将此公式应用于每个向量，对吗，就像先应用于x，然后应用于y，最后应用于z列一样，是否正确？是的，如果您有3个独立的数据系列（例如，x、y、z加速度计数据），那么您将分别过滤每个系列。虽然这些过滤器确实“粗糙”，但这并不意味着它们没有用处。美国4周移动平均失业率数据是最受关注的经济指标之一。是的，它们绝对有用，特别是对于像经济学家这样缺乏数学/信号处理专业知识的人。