一、工程滤波

在工程实践过程中，以下是一些常用的滤波方法及其优缺点：

限幅滤波

优点：简单易行，能够有效去除突变的大噪声，保护后续电路和传感器不受损伤。
缺点：可能会丢失信号的真实峰值，对真实信号有削峰失真，无法恢复原始信号细节。

中位值滤波

优点：对于随机噪声有很好的抑制效果，特别是对脉冲型毛刺噪声尤为有效，不会因为单个异常值而导致滤波结果偏差过大。
缺点：对缓慢变化的信号处理效果不佳，如果信号本身含有快速变化的细节，可能会造成平滑过度，丢失细节信息。

算术平均滤波

优点：适用于信号变化相对平稳的情况，能够平滑随机噪声，计算简单。
缺点：对于快速变化的信号响应较慢，会产生滞后效应；对于突发性噪声和周期性噪声效果较差。

递推平均滤波（滑动平均滤波）

优点：实时性较好，能够连续不断地进行滤波，对稳定状态下的随机噪声有较好的抑制效果。
缺点：同样存在滞后效应，且不适合快速变化的信号；对周期性干扰没有明显消除效果。

加权平均滤波

优点：可以根据最近的数据点赋予更大的权重，从而在保证一定平滑度的同时提高对新数据变化的敏感度。
缺点：权重分配需要根据具体应用场合和信号特性设计，过于复杂的设计可能导致计算资源消耗增加。

高斯滤波

优点：基于概率统计理论，可以更好地模拟自然信号的概率分布，平滑效果柔和，对边缘保留较好。
缺点：计算量相对较大，需要设计合适的滤波窗口大小和高斯核的标准差。

双线性滤波（双边滤波）

优点：能够同时考虑空间邻近性和颜色/亮度相似性，所以在滤除噪声的同时，可以保持边缘和细节信息。
缺点：计算复杂度高，不适合实时性要求高的场合。

小波变换滤波

优点：在时域和频域上同时分析信号，特别适用于处理非平稳信号，能提取信号在不同尺度下的特征。
缺点：计算复杂，对算法和实现要求较高，对噪声和边缘检测的参数选择敏感。

非局部均值滤波

优点：利用图像的自相似性进行去噪，能很好地保护图像的纹理细节，对于保留细节信息优于其他一些简单滤波器。
缺点：计算复杂度极高，不适合大规模实时处理。

在选择滤波方法时，工程师需要根据具体的应用场景、信号特性、实时性要求以及计算资源限制等因素综合判断，以求得最佳的信号处理效果。

二、应用场合

上述提到的滤波方法各有其针对性的应用场合和对应的信号特点，下面列举说明：

限幅滤波

应用场合：常用于信号采集初期，保护ADC输入端不受过高电压冲击，以及去除瞬间脉冲干扰。
信号特点：可能存在瞬间大幅度的噪声或毛刺，信号本身的幅度变化相对稳定。

中位值滤波

应用场合：适用于消除偶然出现的单个异常值，常见于传感器读数中偶尔出现的错误读数。
信号特点：信号本身具有连续性，但在短时间内可能出现离散的脉冲噪声。

算术平均滤波

应用场合：普遍应用于温度、湿度等环境参数的连续监测，以及低频信号的处理。
信号特点：信号较为稳定，有一定的重复周期，噪声主要表现为随机变化。

滑动平均滤波

应用场合：适用于连续变化但无快速跳变的信号，如移动设备的位置信息平滑处理。
信号特点：信号连续变化，存在随机噪声，但不希望完全跟随噪声的快速波动。

加权平均滤波

应用场合：对近期数据更加看重的场合，如运动物体的轨迹预测或短期趋势分析。
信号特点：信号有一定的趋势性，希望通过近期数据更多地影响当前滤波结果。

高斯滤波

应用场合：图像处理，如图像降噪、视频流的平滑处理等。
信号特点：二维或多维数据，相邻像素之间有较强的关联性，噪声呈高斯分布。

双线性滤波（双边滤波）

应用场合：图像处理中的平滑去噪同时保持边缘，以及色彩保真度较高的场景。
信号特点：图像信号，包含丰富的纹理和边缘信息，同时伴有色彩或灰度级别的噪声。

小波变换滤波

应用场合：地震数据处理、生物医学信号分析、故障诊断等需要多尺度分析的场景。
信号特点：信号具有多尺度特性，既有高频成分又有低频成分，且可能含有瞬态信号。

非局部均值滤波

应用场合：图像去噪，特别是在保持图像细节和边缘轮廓清晰度要求高的情况下。
信号特点：图像信号，含有丰富细节且噪声水平较高，要求去噪后仍能保持原有的视觉质量。

以上滤波方法并非孤立使用，常常根据实际应用中信号的特性、噪声性质以及系统对处理速度和准确性等综合要求进行选择和组合。

此图片来源于网络 

 

三、本质分类

上述提及的滤波方法中有部分可以直接对应到常规的低通滤波和高通滤波类别，而有些方法则属于广义滤波范畴，可以看作是低通或高通滤波器的拓展或特殊情况。下面将两者关联起来：

低通滤波：

算术平均滤波、滑动平均滤波、加权平均滤波等都是低通滤波的实现形式，它们主要允许低频信号通过，抑制高频噪声，适用于信号平滑和去除高频噪声的场合。

高通滤波：

限幅滤波在一定程度上可以视为一种极端的高通滤波，因为它剔除的是幅度非常大的异常值，这些异常值在频域上可能对应于低频或高频噪声，视具体情况而定。
中位值滤波虽然不直接对应于传统的高通滤波器，但在处理脉冲噪声时，它能够快速响应信号的阶跃变化，相当于对低频噪声有一定抑制作用。

其他方法：

高斯滤波、双边滤波、小波变换滤波、非局部均值滤波等都可以实现类似于低通或高通的效果，但它们往往是多参数、多维度、自适应的滤波方法，能够更灵活地处理信号的不同频率成分，适用于更复杂的信号处理场合。

总的来说，常规的低通和高通滤波器在数学表达上具有严格的频率响应特性，而上述提到的一些方法在工程实践中的应用更偏向于解决实际问题，它们的滤波效果可能与理想的低通或高通滤波器有所差异，但都能在不同层面上实现对信号频率成分的选择性处理。