常规方法

 

假设

平滑算法假设数据是等距数据。通过进行内插，并使用非等距数据的最小时间差异重新采集数据，将非等距数据转换为等距数据。

非 MS 数据使用锯齿内插进行转换。

对于 MS 数据，转换取决于平滑算法。对于 Savitzy-Golay，使用锯齿内插。对于移动平均或高斯，则使用线性内插。

平滑 - 基础算法

所有平滑算法均应用填充了平滑系数的 2m+1 窗口，使用方法如下：

其中

a	平滑系数数组
x'	平滑的信号
m	偶数表示平滑窗口的一半宽度

这个方法会导致窗口总大小产生奇数 2m+1。

处理边缘

由于平滑系数是归一化的，所以要特别注意边缘。

对于移动平均和高斯筛选，将会修整窗口的左侧或右侧边缘，并且要重新计算系数，使其总和为1（归一化）。

对于 Savitzy-Golay，处理更加复杂。这种方法保持 Savitzky-Golay 的属性，同时接近信号的边缘。请参阅算法详细信息。