滤波算法c
㈠ 求IIR及FIR数字滤波器的c语言实现。（VC++）
这个问题比较复杂，最近本人也在研究数字滤波，
结合图片说一下
第一个图是fir的流程图，其中Z-1是延迟，是单个采样时间1/fs
n阶的fir滤波器就是选取最近的n+1个样本，然后使他们各自乘以自己的滤波器系数即图中的F（n），[一般其他书的表示是h（n）]
然后相加得到输出的y（n）就是一个输出点
，其中F（n）的得出需要根据采样频率和滤波器的通带和阻带来决定
其中为了改善旁瓣的幅值，一般在采样后给样本或者h（n）加窗，当然可以用“最佳方法”来做
得出h（n）大致方法是先将矩形窗进行DFT，得出h（n），然后对h（n）进行加窗得出h（k），然后将∑h（k）×x（n）=y（n），假如阶数较多可以用傅里叶变换使时域变频域后再将卷积相加，可以利用FFT来改进实时性，提升速度
上面就是fir滤波器的简述
第二个图片上传不了，直接给链接
http://image..com/i?ct=503316480&z=0&tn=imagedetail&word=%D2%BB%BD%D7iir%C2%CB%B2%A8%C6%F7&in=12708&cl=2&cm=1&sc=0&lm=-1&pn=0&rn=1&di=2607528304&ln=1054&fr=
图中的Z-1是延时，iir滤波器也叫无限冲击响应滤波器，是有反馈的，
图中的是一阶的，相对fir滤波器来说，iir滤波器可以用较低的阶数来获得较好的滤波特效。但是其相位特性较差。
鉴于实用性，还是建议楼主去图书馆借书看，网络不可能得到确实的方案，
楼主可以去借“数字信号处理”的书，国外的中译本就有详细介绍fir和iir以及fft还有其他变换，国内的dsp大都几乎是dsp用户手册的中译本，对上述问题都是很简陋地带过，不予置评。
本人推荐一本书在www.ouravr.com上面的dsp专栏有下载，40多M，叫DSP算法、应用和设计，本人有这本实体书，写的较好
㈡ C51能不能实现卡尔曼滤波，如果可以能不能给我代码
卡尔曼滤波只是一个算法,而C51是基于标准C语言扩展而来的,你只要明白卡尔曼滤波的数学表达算法,就能用C语言写出来卡尔曼滤波的程序,所以,C语言完全可以写出来卡尔曼滤波算法,C51自然也就能.
但是,这里有个但是!!!
C51虽然是基于标准C语言扩展的,但是,C51是用在51内核单片机上的,而以51内核为内核组成的单片机,大都硬件架构简单,内存容量小,没有专用的硬件乘法器,而且是8位的,基于以上原因,在实际应用中,51单片机是无法完成卡尔曼滤波的.
1 是没有专用硬件乘法/除法器
2 卡尔曼滤波是一种递归算法,需要极大的内存支持,51一般只有几K内存,不足以支持庞大的
卡尔曼滤波.算法
所以,如果你一定要卡尔曼滤波算法,换个强大的MCU吧
㈢ 什么叫卡尔曼滤波算法其序贯算法
卡尔曼滤波算法（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
序贯算法又叫序贯相似性检测算法，是指图像匹配技术是根据已知的图像模块(模板图)在另一幅图像(搜索图)中寻找相应或相近模块的过程，它是计算机视觉和模式识别中的基本手段。已在卫星遥感、空间飞行器的自动导航、机器人视觉、气象云图分析及医学x射线图片处理等许多领域中得到了广泛的应用。研究表明，图像匹配的速度主要取决于匹配算法的搜索策略。
数据滤波是去除噪声还原真实数据的一种数据处理技术, Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态. 由于, 它便于计算机编程实现, 并能够对现场采集的数据进行实时的更新和处理, Kalman滤波是目前应用最为广泛的滤波方法, 在通信, 导航, 制导与控制等多领域得到了较好的应用。
㈣ 请教C语言卡尔曼滤波算法
网上能找到一些程序。
例如,卡尔曼滤波简介＋ 算法实现代码 ：
http://blog.21ic.com/user1/349/archives/2009/55947.html
较详细地 提供了 C 和 C++ 程序。可以同他的方法比较一下，如果结果接近，
则你的算法没问题。
㈤ 二阶滤波器用C语言怎么写
这个可比你想象的复杂多了，s是个复变量，1/(s+1)极点在-1，要想用C语言写，必须理解清楚下面几个问题：
1、输入必须是个有限序列，比如(x+yi)，x和y分别是两个长度为N的数组
2、要过滤的频率，必须是个整型值，或者是个整型区间
3、输出结果同样是两个长度为N的数组(p+qi)
4、整个程序需要使用最基本的复数运算，这一点C语言本身不提供，必须手工写复函数运算库
5、实现的时候具体算法还需要编，这里才是你问题的核心。
我可以送你一段FFT的程序，自己琢磨吧，和MATLAB的概念差别很大：
#include <assert.h>
#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <windows.h>
#include "complex.h"
extern "C" {
// Discrete Fourier Transform (Basic Version, Without Any Enhancement)
// return - Without Special Meaning, constantly, zero
int DFT (long count, CComplex * input, CComplex * output)
{
assert(count);
assert(input);
assert(output);
CComplex F, X, T, W; int n, i;
long N = abs(count); long Inversing = count < 0? 1: -1;
for(n = 0; n < N ; n++){ // compute from line 0 to N-1
F = CComplex(0.0f, 0.0f); // clear a line
for(i = 0; i < N; i++) {
T = input[i];
W = HarmonicPI2(Inversing * n * i, N);
X = T * W;
F += X; // fininshing a line
}//next i
// save data to outpus
memcpy(output + n, &F, sizeof(F));
}//next n
return 0;
}//end DFT
int fft (long count, CComplex * input, CComplex * output)
{
assert(count);
assert(input);
assert(output);
int N = abs(count); long Inversing = count < 0? -1: 1;
if (N % 2 || N < 5) return DFT(count, input, output);
long N2 = N / 2;
CComplex * iEven = new CComplex[N2]; memset(iEven, 0, sizeof(CComplex) * N2);
CComplex * oEven = new CComplex[N2]; memset(oEven, 0, sizeof(CComplex) * N2);
CComplex * iOdd = new CComplex[N2]; memset(iOdd , 0, sizeof(CComplex) * N2);
CComplex * oOdd = new CComplex[N2]; memset(oOdd , 0, sizeof(CComplex) * N2);
int i = 0; CComplex W;
for(i = 0; i < N2; i++) {
iEven[i] = input[i * 2];
iOdd [i] = input[i * 2 + 1];
}//next i
fft(N2 * Inversing, iEven, oEven);
fft(N2 * Inversing, iOdd, oOdd );
for(i = 0; i < N2; i++) {
W = HarmonicPI2(Inversing * (- i), N);
output[i] = oEven[i] + W * oOdd[i];
output[i + N2] = oEven[i] - W * oOdd[i];
}//next i
return 0;
}//end FFT
void __stdcall FFT(
long N, // Serial Length, N > 0 for DFT, N < 0 for iDFT - inversed Discrete Fourier Transform
double * inputReal, double * inputImaginary, // inputs
double * AmplitudeFrequences, double * PhaseFrequences) // outputs
{
if (N == 0) return;
if (!inputReal && !inputImaginary) return;
short n = abs(N);
CComplex * input = new CComplex[n]; memset(input, 0, sizeof(CComplex) * n);
CComplex * output= new CComplex[n]; memset(output,0, sizeof(CComplex) * n);
double rl = 0.0f, im = 0.0f; int i = 0;
for (i = 0; i < n; i++) {
rl = 0.0f; im = 0.0f;
if (inputReal) rl = inputReal[i];
if (inputImaginary) im = inputImaginary[i];
input[i] = CComplex(rl, im);
}//next i
int f = fft(N, input, output);
double factor = n;
//factor = sqrt(factor);
if (N > 0)
factor = 1.0f;
else
factor = 1.0f / factor;
//end if
for (i = 0; i < n; i++) {
if (AmplitudeFrequences) AmplitudeFrequences[i] = output[i].getReal() * factor;
if (PhaseFrequences) PhaseFrequences[i] = output[i].getImaginary() * factor;
}//next i
delete [] output;
delete [] input;
return ;
}//end FFT
int __cdecl main(int argc, char * argv[])
{
fprintf(stderr, "%s usage:\n", argv[0]);
fprintf(stderr, "Public Declare Sub FFT Lib \"wfft.exe\" \
(ByVal N As Long, ByRef inputReal As Double, ByRef inputImaginary As Double, \
ByRef freqAmplitude As Double, ByRef freqPhase As Double)");
return 0;
}//end main
};//end extern "C"
㈥ 什么是滤波算法
卡尔曼滤波器（Kalman Filter）是一个最优化自回归数据处理算法（optimal recursive data processing algorithm）。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。
最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Kолмогоров等人的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论，并导出了一套递推估计算法，后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。
现设线性时变系统的离散状态防城和观测方程为：
X(k) = F(k,k-1)·X(k-1)+T(k,k-1)·U(k-1)
Y(k) = H(k)·X(k)+N(k)
其中
X(k)和Y(k)分别是k时刻的状态矢量和观测矢量
F(k,k-1)为状态转移矩阵
U(k)为k时刻动态噪声
T(k,k-1)为系统控制矩阵
H(k)为k时刻观测矩阵
N(k)为k时刻观测噪声
则卡尔曼滤波的算法流程为：
预估计X(k)^= F(k,k-1)·X(k-1)
计算预估计协方差矩阵
C(k)^=F(k,k-1)×C(k)×F(k,k-1)'+T(k,k-1)×Q(k)×T(k,k-1)'
Q(k) = U(k)×U(k)'
计算卡尔曼增益矩阵
K(k) = C(k)^×H(k)'×[H(k)×C(k)^×H(k)'+R(k)]^(-1)
R(k) = N(k)×N(k)'
更新估计
X(k)~=X(k)^+K(k)×[Y(k)-H(k)×X(k)^]
计算更新后估计协防差矩阵
C(k)~ = [I-K(k)×H(k)]×C(k)^×[I-K(k)×H(k)]'+K(k)×R(k)×K(k)'
X(k+1) = X(k)~
C(k+1) = C(k)~
㈦ C语言卡尔曼滤波算法求教
Optimal_value = 23; //上次最优值，根据环境开始可以随便设一个大概的数
{
for(i=0;i<10;i++)
这里多了一个花括号也能运行？
㈧ Kalman 滤波的数学模型C语言编程问题
[KEST，L，P
=卡尔曼(SYS，青年，护士，NN)
卡尔曼滤波器的信号模型
X(K)=
A
*
X(k-1)+
W(K)
/>
Y(K)=
C
*
X(K)+
V(K)
W和V上的两个W和V
E
{WW“
}
=
QN，这是系统噪声的协方差矩阵;
E
{VV'}
=
RN，测量噪声的协方差矩阵;
E
{WV'}
=
NN，这一下应该从字面上相互系统的噪声和观测噪声的协方差矩阵;
白噪声均值为0，所以上述的几个值?的自相关和互相关函数;
系统给定的系统模型;
㈨ c语言中值滤波问题
1. 是规定做中值滤波的点不含边缘的点(取决于中值滤波窗口大小)。 2,对图像边缘部分的信息进行镜像处理。
㈩ lc滤波的计算
上图是常用经典算法，巴特沃斯型滤波电路的基本参数，截止频率为1/2π HZ(0.159)，特征阻抗1Ω，首先要确定需要几阶，比如二阶，先归一化，再变换截止频率，M=200/0.159 L(new)=L(old)/M,C(new)=C(old)/M,再变换特征阻抗K=50/1,L(new)=L(old)*K,C(new)=C(old)/K,算出来的值便是最终待设计LC滤波的值。
可选择 定K型滤波器则 L=R/(2πF)=1.5K/6.28*4K=59.7mH；
C=1/(2πRF)=1/1.5K*6.28*4K=26.54nF
也可选择巴特沃斯型 L=2Sin（2k-1/2n）π*R/(2πF)=84.4mH
C=2Sin（2k-1/2n）π/(2πRF)=37.53nF （其中k，n=2）