低通滤波（边缘AI推理）
Low-Pass Filter — Edge AI Inference
保留低于截止频率的成分，滤除高频噪声。一阶 RC 低通：yₜ = α·xₜ + (1−α)·y_{t−1}。
01
定义
保留低于截止频率的成分，滤除高频噪声。一阶 RC 低通：yₜ = α·xₜ + (1−α)·y_{t−1}。
02
公式与计算
α = Δt / (τ + Δt)，τ = RC 时间常数
截止频率 f_c = 1/(2πτ)
03
适用时机
需要消除高频噪声、保留缓慢变化的物理过程（温度、水位、地温）。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
时间常数 τ 或截止频率 f_c、滤波器阶数（Butterworth/Bessel）；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界一阶滤波的 −3 dB 点与"平滑程度"直觉不同，应直接用 τ 定义。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 低通滤波（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。