moving window integration filter 移动窗口积分滤波器（移动平均滤波器）

1，A moving average can be implemented recursively, but for an exact computation of the moving average you have to remember the oldest input sample in the sum (i.e. the a in your example). For a length N

moving average you compute:

k=nnk](1

y[n]=1N∑k=n−N+1nx[k]

2,移动平均滤波器：移动平均滤波器（Moving Average Filter）原理，移动平均滤波基于统计规律，将连续的采样数据看成一个长度固定为N的队列，

在新的一次测量后，上述队列的首数据去掉，其余N-1个数据依次前移，并将新的采样数据插入，作为新队列的尾；然后对这个队列进行算术运算，并将

其结果做为本次测量的结果。

2.1 ：移动平均滤波器是一个低通滤波器，是对模拟滤波的补充，用于实时监测，只要采样率足够高，就能得到较为理想的测量结果。减小随机干扰的影响。

2.2：信号处理中使用移动平均滤波器进行去噪。

3，加权移动平均滤波器

加权移动平均滤波器就是根据同一个移动段内不同时间的数据对预测值的影响程度，分别给予不同的权数，然后再进行平均移动以预测未来值。

加权移动平均滤波器不像简单移动平均滤波器那样，在计算平均值时对移动期内的数据同等看待，而是根据愈是近期数据对预测值影响愈大这一特点，不同地对待移动期内的各个数据。对近期数据给予较大的权数，对较远的数据给予较小的权数，这样来弥补简单移动平均法的不足。

加权移动平均滤波器是对移动平均滤波器的改进。采用加权移动平均，既可以做到按数据点的顺序逐点推移，逐段平均，使不规则的数据点形成比较平滑的排列规则，又可以通过权数的设定使离当前值距离不同的数据，所起的作用不同。

如果按如下的加权预测公式计算，得到的结果如下所示：