📊 分析仪器数据采集与滤波算法实战
📚
30章 · 从入门到部署
01
课程导论与数据采集基础
采集概述
传感器与信号
采样定理
量化误差
系统架构
进入章节 →
02
Python环境与仪器通信
Anaconda环境
PySerial库
串口协议
虚拟仪器
进入章节 →
03
数据读取与存储
CSV/Excel
二进制解析
HDF5大文件
SQLite存储
进入章节 →
04
数据预处理基础
缺失值处理
异常值检测
标准化归一化
时间戳对齐
进入章节 →
05
时域滤波基础
滑动平均
中值滤波
去趋势
移动差分平滑
进入章节 →
06
频域滤波基础
FFT原理
频谱分析
低通/高通/带通
滤波器阶数
进入章节 →
07
经典数字滤波器设计
FIR窗函数
IIR巴特沃斯
切比雪夫
性能对比
进入章节 →
08
自适应滤波算法
LMS算法
RLS算法
自适应噪声抵消
自适应陷波器
进入章节 →
09
卡尔曼滤波基础
状态空间模型
预测与更新
一维卡尔曼
多维卡尔曼
进入章节 →
10
扩展卡尔曼滤波 (EKF)
非线性线性化
雅可比矩阵
仪器校准应用
进入章节 →
11
无迹卡尔曼滤波 (UKF)
无迹变换
Sigma点
UKF vs EKF
实际案例
进入章节 →
12
粒子滤波
蒙特卡洛
重要性采样
重采样
信号跟踪
进入章节 →
13
小波变换与去噪
连续小波
离散小波
小波阈值去噪
小波包
进入章节 →
14
经验模态分解 (EMD)
EMD原理
本征模函数IMF
Hilbert-Huang
EMD去噪
进入章节 →
15
奇异谱分析 (SSA)
轨迹矩阵
奇异值分解
分组重构
SSA去噪预测
进入章节 →
16
机器学习滤波方法
线性回归平滑
LOWESS
高斯过程
孤立森林
进入章节 →
17
深度学习滤波方法
自编码器去噪
CNN滤波
LSTM平滑
GAN去噪
进入章节 →
18
实时数据采集与滤波
多线程采集
实时滤波流水线
环形缓冲区
时间戳管理
进入章节 →
19
高性能计算加速
NumPy向量化
Numba JIT
多进程并行
GPU加速CuPy
进入章节 →
20
仪器噪声分析与建模
热噪声
散粒噪声
1/f噪声
噪声功率谱
进入章节 →
21
信号完整性分析
SNR计算
总谐波失真THD
有效位数ENOB
抖动分析
进入章节 →
22
多传感器数据融合
加权平均融合
卡尔曼融合
贝叶斯融合
D-S证据理论
进入章节 →
23
时间序列特征提取
时域特征
频域特征
频谱质心
样本熵排列熵
进入章节 →
24
数据压缩与降采样
峰值保持
LTTB降采样
小波压缩
SVD压缩
进入章节 →
25
滤波算法评估指标
均方误差MSE
信噪比提升SNRI
群延迟
计算复杂度
进入章节 →
26
仪器校准与补偿
零点漂移校准
温度补偿
非线性校正
自动校准
进入章节 →
27
光谱数据处理
基线校正ALS
airPLS
峰值检测
Savitzky-Golay
进入章节 →
28
电化学信号处理
循环伏安法
计时电流法
阻抗谱EIS
噪声抑制
进入章节 →
29
生物医学信号处理
ECG去噪
EEG伪迹去除
脉搏波分析
呼吸信号提取
进入章节 →
30
综合项目实战
多通道采集系统
滤波流水线
GUI可视化
性能优化部署
进入章节 →