鼠标平滑滤波_数据平滑方法的原理和应用

一、简介

在实际的工程应用中，经常会遇到初始结果噪声太多的问题，比如信号强度抖动的太厉害，比如视频流中的bbox抖动的太厉害，比如光谱信号抖动的太厉害等等，这时候就需要一些简单的滑动平均算法。滑动平均其实是一个很朴素的方法，但是要与实际结合，构造出合适的平滑方式，是需要一些思考的。下面我将分别介绍滑动平均法（Moving Average）、指数滑动平均法（Exponential Mean Average）、SG滤波法（Savitzky Golay Filter）。

二、滑动平均法

简单来说，滑动平均法把前后时刻的一共2n+1个观测值做平均，得到当前时刻的滤波结果。这是一个比较符合直觉的平滑方法，在生活中、工作中很经常会用到，但是很少去思考这么做的依据是什么，下面我就来仔细分析一下其中的原理。

对于一个观测序列，我们有这样的假设：每一次的观测值是带有噪声的，而我们期望噪声的均值为0，方差为

，观测值和真实值之间的关系如下：

(1)

其中，

为观测值，

为真实值，

为噪声。为了降低噪声的影响，我们把相邻时刻的观测值相加后平均，公式如下：

(2)

表示

时刻的滤波结果，

表示

时刻的观测值，

代表滑动窗口半径。将公式（1）代入公式（2），可以得到

(3)

前面说到了，我们假设噪声的均值为0，所以

为0，那么我们得到的结果就是:

(4)

当观测数据的真实值变化较小时，或者变化为线性时，可以近似认为：

(5)

从上面的分析过程我们可以看到，当滑动窗口内的真实数据变化不大的时候，我们可以抑制掉很大一部分噪声，滤波结果近似真实值；当滑动窗口内的真实值变化较大时，这种滤波方式就会损失一部分精确度，滤波结果接近真实值的平均期望。所以，窗口的大小会对滤波结果有很大影响。窗口越大，滤波结果越平滑，但会一定程度上偏离真实值；窗口越小，滤波结果越接近观测值，但噪声偏大。

滑动平均法还有一个升级版本，也就是加权滑动平均法。实际场景中，每个观测值的重要程度不同，忽略每个观测值的置信度直接平均不能得到精确的结果，所以就需要给观测值加权。加权滑动平均法的公式如下：