Expotential Smoothing(指数平滑)

最近关注UDP之上的媒体数据流的拥塞控制，对于[1]中的公式(12)不是很明白，根据它的参考文献，追本溯源，找到出处。深刻感受到科研不是无源之水，而是一脉相承的。
对于[2]中的指数平均的公式：
$x((k+1)\delta)=(1-\alpha)x(k*\delta)+\alpha*q(k*\delta).\tag{1}$
(1)表示k+1次的数据由之前的x的值与第k次采样数据$q(k*\delta)$的滑动平均的和。$\alpha$决定权重，是倚重历史数据多一点，还是新采样的数据多一点。
根据文献[2],公式(1)可以转化为一个微分方程，在这里，稍微推理一下：
$\frac{x((k+1)\delta)-x(k*\delta)} {\delta}=-\frac{\alpha*x(k*\delta)}{\delta}+\frac{\alpha*q(k*\delta)}{\delta}.\tag{2}$
当采样间隔$\delta$无限小，(2)式的左边可以写成微分形式：
$\dot x(t)=a*x(t)+b*q(t).\tag{3}$
这是微分方程是经典的一阶微分方程，其通项可以参考维基百科[3].根据文献[4]42页中给出通过当前值$x(t_{k})$，预测时刻$t\in[t_{k}，t_{k+1}]$的值，但是很遗憾，只有结论，没有推导。Not all conclusions are well known. 根据[5],推导一下.
对(3)乘以$e^{-at}$,可得：
$e^{-at}\dot x(t)-a*e^{-at}x(t)=b*e^{-at}q(t) \Rightarrow\frac{\mathrm{d}}{\mathrm{d}t}[e^{-at}x(t)]=b*e^{-at}q(t).\tag{4}$
左右求积分：
$\int_{t_{k}}^{t}\frac{\mathrm{d}}{\mathrm{d}\tau}[e^{-a\tau}x(\tau)]\mathrm{d}\tau=\int_{t_{k}}^{t}b*e^{-a\tau}q(\tau)\mathrm{d}\tau.\tag{5}$
进而可得：
$e^{-a\tau}x(\tau)\lvert_{t_{k}}^{t}=\int_{t_{k}}^{t}b*e^{-a\tau}q(\tau)\mathrm{d}\tau\Rightarrow e^{-at}x(t)-e^{-a{t_{k}}}x(t_{k})=\int_{t_{k}}^{t}b*e^{-a\tau}q(\tau)\mathrm{d}\tau.\tag{6}$
根据上式：
$x(t)=e^{a(t-t_{k})}x(t_{k})+\int_{t_{k}}^{t}b*e^{-a(\tau-t)}q(\tau)\mathrm{d}\tau.\tag{7}$
对比(1)和(7),$t=(k+1)\delta$和$t_{k}=k\delta$,
可得:
$(1-\alpha)=e^{a\delta}\Rightarrow a=\frac{ln(1-\alpha)}{\delta}.\tag{8}$
对于(7)，q表示的是对系统的抽样值，就是说，在$t\in[t_k,t_{k+1}]$,$q(t)=q(t_k)$.可以得到：
$\int_{t_{k}}^{t_{k+1}}b*e^{-a(\tau-t_{k+1})}q(t_k)\mathrm{d}\tau=-\frac{b}{a}(1-e^{a\delta})q(t_k)=\alpha q(t_k)\tag{9}$
这系数就是文献[1，2]中公式的系数。
At thus far，The conclusion is well known.
文献[1]参考了文献[2],文献[2]使用了书籍[4]中的推论。科研不是无源之水，科研不是拍脑袋，制造谬误百出的公式。
公式(1)又叫做Exponential Fiter,就是通过对输入数据的指数平滑处理，虑除高频噪声，获得平滑的输出[6,7]。
(3)的装换方程可以表示为$F(s)=\frac{-a}{s-a}=\frac{K}{s+K}\tag{10}$

[1]Zhu X, Pan R. NADA: A unified congestion control scheme for low-latency interactive video[C]//Packet Video Workshop (PV), 2013 20th International. IEEE, 2013: 1-8.
[2]Misra V, Gong W B, Towsley D. Fluid-based analysis of a network of AQM routers supporting TCP flows with an application to RED[C]//ACM SIGCOMM Computer Communication Review. ACM, 2000, 30(4): 151-160.
[3]一阶常微分方程
[4]computer controlled system theory and design
[5]Solution to Linear Time-Invariant Systems
[6]Exponential moving average cut-off frequency
[7]一阶RC低通滤波
[8]预测算法——指数平滑法
[9]wiki-Exponential smoothing
[10]smoothing models for forcasting
[11]基于智能优化的分布式网络流量预测方法(2015)