本文提供了FFT/IFFT频域滤波“重叠相加法”C 源码。信号滤波需要连续处理，该测试和演示代码提供了通过将时域的卷积转换成频域的乘积方式实现连续采样滤波的功能。
我们上一篇关于人物识别跟踪的文章《视频连续目标跟踪实现的两种方法和示例(更新)》里讲到，视频图像中物体的识别和跟踪用到了卡尔曼滤波器(KF)。这里对这个话题我们稍微对这个卡尔曼滤波器进行一个整理。
本文通过Python模拟测试在时域对FIR滤波器的卷积处理，并说明了时域卷积的重叠相加法的过程和步骤。
在之前我们的文档中，所提到的数据的滤波处理和仿真分析，其实都是围着一段固定长度的模拟数据展开的，实际应用中会碰到对连续信号持续采集和处理的需求，也有数据量大而需要分段处理的要求。本文针对这方面，对IIR和FIR的分段滤波进行了模拟仿真。
之前我们在说明数字滤波器的时候，多为Python来进行示例验证的。实际应用中，多为C/C ，无论是在嵌入式系统中，还是PC机上，尤其对于时间或者实时性要求比较严格的情况下，C应该是我们的首选。本文提供了Python和C 的模拟验证代码。
前面提到的陷波滤波器，其功能主要是在相关信号中削弱或者消除特定频率的信号。本文将围绕但不限于梳状滤波器进行展开。其中，梳状滤波器，一方面可以滤除特定的频率（尤其是特定频率的谐波），另一方面也可以在信号中对指定频率及其倍频的信号进行拣选。本文提及相关滤波器的话题也包括线性相位，窄波选频滤波器等工作方式及仿真。
数字滤波的种类五花八门，我们选一个小的类型，将围绕离散线性时不变系统（Discrete Linear Time-Invariant System）来简单讨论一下陷波滤波器(Notch Filter)和梳状滤波器(Comb Filter)，通过代码的演示和输出，我们可以比较一下这两类滤波器的特点。本文围绕陷波滤波器进行简单讨论，并提供Python源代码的模拟测试程序。
本文针对之前的超声流量计中模拟接受信号的相关性处理中不足部分进行了修正补充，并通过使用不同的采样率对模拟信号的相关性模拟结果进行了比较，以期可以提供更多在实际应用可能碰到的问题解决思路。
