我不是信号处理专家，我在解决这个问题上的微弱尝试都失败了。
我有一个 C++ 应用程序，它被定期（及时）提供 3D 位置样本。样本通常是准确的，并且如果绘制，看起来非常平滑。但是，当计算二阶导数（以查看加速度）时，数据中偶尔/罕见的尖峰是不合理的。（我知道可能加速的一般范围。“罕见”是指在大约两个我们的数据中，我通常看到不到十几个超出可能性范围的尖峰。）我想做的越少越好尽可能地对数据进行处理，但要对其进行平滑处理以消除尖峰。
我的第一次尝试是在我们的数学库中使用卡尔曼滤波器。这消除了尖峰，但对数据的改变远远超过了我真正想要的，而且对于我需要的东西似乎过于严厉。
2D 数据似乎有很多选择，但我没有足够的信号处理背景来理解权衡或必然会很好地转换为 3D 数据。任何教育或建议将不胜感激！
我一直发现“中值过滤器”，https: //en.wikipedia.org/wiki/Median_filter 对流数据有效。
下面是一个简短的直观描述；但是您必须采取措施确保将带宽限制为您期望的真实数据源。虽然您可能不知道噪声和尖峰的来源/频谱/时序（在这种情况下，中值滤波器实际上非常好），但您希望知道您正在寻找的信号和信号的特征。对于广泛的分析，恕我直言，沿着 PDF（概率分布函数）和光谱分析的路线：有一些 IEEE 文章；但我对大多数文章的分析是，它们在面对未知干扰时并没有真正有用。除了仅容纳真实信号带宽之外，如果没有充分的理由，我不会尝试 zs 域滤波。
------------------------ 中值滤波器缩写描述 基本上你将数据传递到移位寄存器并选择中间值。示例总是显示排序过程；但是由于您在轮班期间仅丢失一个值并仅获得一个值，因此您可以绕过每一步都进行完整排序话虽如此：如果峰值出现在输入数据中，那么这就是应该应用的地方；但如果尖峰是真正的“混蛋”（即出现在二阶导数中），那么这就是应该应用的地方。由于导数过程会放大高阶噪声，因此必须小心。如果我按照您的描述进行操作，我将对源数据、一阶差分和二阶差分（加速度）施加中值滤波器。然后检查结果；查看算法内部并了解丢弃了哪些数据！
这两种技术都会导致一些必须考虑的数据丢失。您可以进行插值，这有点贵，或者只是适应较低的采样率；说十分之一的样本总是会被扔掉。