在平滑过程中，每个数据点都被周围数据点的某种局部平均值所取代。当平滑窗口的大小以倍频程来定义时，例如，1/3th Oct.、1/6th Oct.等，称为分数倍频程平滑。

让$Z[i]$是复值频谱，其中$i$是频率指数（FFT bin）和$0 \le i \le N - 1; N$是频率区间的长度。然后平滑频谱由下式给出

一般来说，平滑系数是归一化的，这样，$\sum\limits_{j=0}^{n} W[j] = 1;$在哪里$n$由下式定义的平滑系数的数量$\Delta$.

选择这些平滑系数有不同的方法。例如，Rectangular、Savitzky-Golay、Gaussian、Binomial 等。所有的方法都是一些移动加权平均。这个想法是对最接近估计点的数据点给予最大的权重，对最远的数据点给予最小的权重。

在信号处理中，平滑的目的是通过尽可能降低噪声来提高信噪比，但尽可能小地扭曲原始形状。在降低噪音和保持原始形状之间存在权衡。

您还必须处理边缘数据点。有几种可能的方法来处理边界值，例如，重复上一个值、零填充、缩短窗口大小。