请写出读取正弦加速度数据，然后添加白噪声，接着用最好的过滤器过滤噪音的代码

在Python中，你可以使用numpy库来处理数学运算，matplotlib库来可视化数据，以及scipy库中的滤波器函数。下面是一个简单的示例，假设我们已经有了正弦加速度数据存储在一个名为`sine_acceleration`的数组中，而白噪声可以由numpy的randn函数生成：

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import butter, filtfilt

# 假设sine_acceleration是你实际的数据
sine_acceleration = ... # 正弦加速度数据

# 添加白噪声
noise_level = 0.1  # 噪声级别
noisy_data = sine_acceleration + noise_level * np.random.randn(len(sine_acceleration))

# 设定滤波器参数 - 这里是一个低通 Butterworth 滤波器的例子
fs = 100  # 数据采样频率
cutoff_freq = 5  # 频率截止点 (Hz)
order = 4  # 滤波器阶数

b, a = butter(order, cutoff_freq / (fs / 2), btype='lowpass')  # 设计滤波器系数

# 使用filtfilt函数进行无失真滤波
filtered_data = filtfilt(b, a, noisy_data)

# 可视化原始数据、带噪数据和滤波后的数据
plt.figure(figsize=(10, 6))
plt.plot(range(len(sine_acceleration)), sine_acceleration, label='Original Sine Acceleration')
plt.plot(range(len(noisy_data)), noisy_data, label='Noisy Data')
plt.plot(range(len(filtered_data)), filtered_data, label='Filtered Data')
plt.legend()
plt.xlabel('Sample Index')
plt.ylabel('Acceleration')
plt.title('Sinusoidal Acceleration with Noise and Filtering')
plt.grid(True)
plt.show()