常用的数字滤波方法主要包括以下几种：

  1. 低通滤波：这种滤波器允许低于某一频率的信号通过，同时阻止高于该频率的信号。这是模拟滤波器常见的形式，如Butterworth滤波器。在数字信号处理中，可以通过抽样和量化来实现低通滤波。

  2. 高通滤波：与低通滤波相反，高通滤波器允许高于某一频率的信号通过，同时阻止低于该频率的信号。同样，在数字信号处理中，可以通过抽样和量化来实现高通滤波。

  3. 带通滤波：带通滤波器允许特定频率范围内的信号通过，同时阻止该范围外的信号。例如，一个200Hz到2000Hz的带通滤波器将允许这个频率范围内的信号通过，而阻止其他频率的信号。

  4. 带阻滤波（陷波滤波）：带阻滤波器阻止特定频率范围内的信号通过，同时允许该范围外的信号通过。例如，一个在50Hz到150Hz范围内带阻的滤波器将阻止这个频率范围内的信号，而允许其他频率的信号通过。

  5. 全通滤波：全通滤波器允许所有频率的信号通过，但相位会发生改变。这在某些应用中很有用，如光学系统或通信系统中的相位恢复。

  6. 边缘检测滤波：这种滤波方法用于检测图像或信号的边缘，常见的边缘检测算子包括Sobel算子、Prewitt算子和Canny算子等。

  7. 均值滤波：均值滤波器用邻域内像素值的平均值替换中心像素的值。这种方法可以有效地平滑图像，减少噪声，但也可能模糊边缘。

  8. 中值滤波：中值滤波器用邻域内像素值的中值替换中心像素的值。这种方法在去除椒盐噪声（脉冲噪声）方面比均值滤波更有效，同时能够较好地保留边缘。

  9. 高斯滤波：高斯滤波器用高斯函数为权重对图像进行卷积，从而平滑图像并减少噪声。高斯函数的形式为：

(G(x,y) = \frac{1}{2\pi\sigma^2}e^{-\frac{x^2+y^2}{2\sigma^2}})

其中，(\sigma) 是高斯函数的标准差，决定了滤波器的带宽。

  1. 卷积滤波：卷积滤波是一种线性滤波方法，通过将滤波器（也称为卷积核）与信号进行卷积来提取特征。卷积核在图像处理中非常常见，用于图像平滑、边缘检测和特征提取等任务。

这些滤波方法可以单独使用，也可以组合使用以达到更好的效果。在实际应用中，选择哪种滤波方法取决于具体的问题和需求。