一、进度概述
1、获得带有高斯噪声的样本
2、探究传统的滤波方法那些效果最好，并给出初步的对应代码
二、详情
1、关于滤波方法的探究
对于滤波效果的考虑，在带入数据集前用 matlab 做相关仿真及
对于几种简单的滤波方法，如：均值滤波，限幅滤波，递推滤波，一阶延迟滤波方法，造成的滤波损失都比较多，有时候 MSE 甚至达到了 0.3，对比已有的 inversionnet 显然是没必要的。
目前了解到一种比较好的滤波方式是卡尔曼滤波，在 matlab 上表现情况较好，已有对应的python 代码，但是目前还没能嵌入网络中。
三、遇到的问题
1、如何把已有的滤波算法嵌入？
2、有没有新的可以考虑的滤波方法？
目前了解到一个新的，叫汉宁窗，是运用在心电图上的滤波方法，可以考虑应用。最近在复习数字图像处理和数字信号处理，以及查阅论文，寻找比较优秀的滤波方法。
四、困惑
1、DL-FWI 中的预处理是怎么样？创新点能否理解如下：引入一些传统的数字信号及图像处理方法来达到小样本学习也能有不错的效果
2、预处理上的创新贴合深度学习的主题吗？
3、能否搞一个类似于 PINN 的东西。比如从传统滤波角度来讲，滤波本身也存在一定的信息损失，将滤波产生的 MSE 引入到最后的 loss 值中去。