插入排序是一种简单高效的稳定排序算法，时间复杂度为O(n²)，但在处理接近有序数据时性能接近O(n)。其核心思想是逐个选取元素并插入到有序区的正确位置，通过后移元素腾出空间，减少无效操作。算法实现简洁直观，仅需常数级额外空间，适合小规模数据(如n<1000)和部分有序场景。虽然大数据量性能不如快速排序等算法，但其稳定性和自适应特性使其成为基础排序算法中最实用的选择之一，也是算法学习的重要基础

三角滤波是一种基于三角形权重分布的线性低通滤波器，主要用于信号平滑处理。其核心特点是计算简单、实时性强，采用中心对称的权重分配方式（如[1,2,3,2,1]），在保留信号主要特征的同时有效抑制高频噪声。该滤波器属于FIR类型，具有稳定性高、无相位失真等优点，特别适合资源受限的嵌入式系统和实时信号处理场景。文章详细解析了其数学原理（包括权重函数和归一化方法）、边界处理策略、频域特性，并提供了优化实现

本文完整手写无第三方库 C# 折半插入排序，对比基础插入排序，利用二分查找优化插入位置，大幅降低元素比较次数。全文拆解二分查找边界、数组后移逻辑、稳定性原理，附带完整可运行源码、逐行注释、多轮排序演示流程。深度分析时间 / 空间复杂度、优缺点、适用场景，适合算法入门、面试复习、C# 底层数据结构学习。

工业传感器和光谱数据中的峰值提取，常常因为引入Python环境太重、Excel拟合不准而困扰。本文给出一份纯C#原生实现的高斯拟合算法，零第三方库依赖，拷贝即可编译运行。从带基线偏移的高斯模型定义出发，完整推导L-M（Levenberg-Marquardt）迭代优化过程，逐行讲解雅可比矩阵构建、阻尼系数自适应、收敛判定等核心实现细节。附带光谱分析与传感器波形两个实战案例，以及N=100~10000