文献综述（或调研报告）：
一、信号处理中存在的问题
对于采集现场实时数据的系统，常常会出现噪声等不可避免的干扰信号，由此带来的频繁波动可能会模糊用户的注意力，有用信号无法被及时提取，使得大规模偏差的响应准确度和响应时间都存在比较大的问题。因此，降噪一直是信号处理的一项重要工作。为此，现有系统已作出大量优化改进策略来减轻这样的问题，其中平滑（有时也叫作滤波）是应用较多的一种方式。
二、一般信号处理平滑方式
平滑（滤波）是一种对噪音等干扰信号起到模糊或是消除作用的空间域滤波技术。用途广泛，其中主要应用之一是为了解决噪音问题。现有系统一般是通过求取领域内平均值（即简单平均法）来进行的，因此领域大小直接影响了最终平滑的效果。在一定范围内，领域越大则效果越好，但超出一定范围，领域过大，边缘信息损失也会过大，从而导致最终输出图像模糊，平滑效果反而下降，因此要达到好的平滑效果，需要选择合适的领域大小。
目前，比较常见的平滑滤波处理方式主要有算术平均滤波法、滑动平均滤波法、去极值滤波法以及中位值滤波法。简要介绍如下：
一、算术平均滤波法
算术平均滤波法是通过对某一数据点采值n次并取其平均值进行的。对于这种方法来说，其优点是对于一般的随机干扰信号可以进行滤除，从而使信号变的平滑，但也有其局限性，即灵敏度在n值较大时会降低，因此n值的选取由实际情况决定。
这种方法主要用于平滑周期性参数（如流量、压力等），而对脉冲性干扰严重的情况并不适用。算术平均滤波法较为简单，在一些要求较低的单片机中应用广泛。
二、滑动平均滤波法
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
