Savitzky-Golay

Savitzky-Golay 滤波的 Python 实现，蛮适合你拿来做平滑的。 带噪音的信号时，Savitzky-Golay 滤波就挺好用的，尤其是你不想丢失太多原始波形特征的时候。这个 Python 版本写得还不错，逻辑清晰，参数也比较好调。用在传感器数据或者光谱信号上都挺合适的。 比如你有一组波动大的实时采样数据，用sgolayfilt()这种函数直接平滑一下，效果挺稳的，曲线看起来顺眼多了。代码实现参考了 Matlab 的风格，但用 Python 重写后灵活性更高，兼容性也不错。 想了解更多原理或对比实现的话，也可以看看下面这些资料，像Matlab 实现、Python 和 Matlab

浏览了File Exchange上的多个Savitzky-Golay滤波器实现后，我未能找到像这个简单而有效的实现。savGol源自Walter Gander等人的书籍“使用Maple和Matlab解决科学计算问题”。甘德引用自1990年Teukolsky的《物理学中的计算机》。该书的网站链接为http://www.solvingproblems.ethz.ch/。该实现函数g = savGol(f, nl, nr, M)，其中f为嘈杂数据，nl和nr分别为左侧和右侧参考点数，M为最小二乘多项式阶数。

MATLAB 中的Savitzky-Golay平滑滤波器对 2D 数据有用，尤其在图像、信号等方面。这个工具通过对数据应用多项式拟合，平滑原始数据，同时能保持边缘细节。比起普通的移动平均滤波器，它更能在去噪的同时保留信息。如果你在做图像或信号，Savitzky-Golay 滤波器蛮适合的，是在噪声较大的情况下。 关键是它能通过设置窗口大小、多项式阶数等参数，自定义滤波效果，挺灵活的。savitzkyGolay2D_rle_coupling.m这个函数正是用于 2D 数据的平滑操作，结合 RLE 编码优化了计算效率。如果你有大数据的需求，采用这种方法可以避免内存和计算的过度消耗。 如果你需要做更

这个zip文件包含两个m文件，用于生成Savitzky-Golay平滑和微分滤波器的2D光谱图。这些文件用于教育和示例目的。使用方法：[w, A] = ztrans1d(h); [u, v, A] = ztrans2d(h); u, v, w分别是1D和2D频率折叠频谱。A代表振幅密度，h是1D和2D滤波器系数。