您圈出的大部分噪音看起来像脉冲噪音，意味着少量的突然脉冲或尖峰。您可以使用脉冲抑制滤波器可靠地去除它。该滤波器的响应通常定义为

$$y_k = \left\{ \begin{array}{cc} x_k, & |x_k - m_k| \le t S_k \\ m_k, & |x_k - m_k| > t S_k \end{array} \right.$$ 这里，$m_k$是以样本为中心的窗口的中位数$x_k$， 和$S_k$是同一窗口的稳健尺度估计，例如中值绝对偏差 (MAD)。选择 MAD 作为尺度估计在统计文献中也称为Hampel 滤波器，尽管您可以选择其他尺度估计，例如 IQR，$S_n$,$Q_n$等等

$t$是一个调整参数，指示在将点标记为异常值或脉冲之前允许远离中位数的尺度估计数。如果当前样本小于$t$远离局部中值，过滤器什么也不做。否则，它将用当地中位数替换样本。

在 Matlab 中有一个名为 hampel 的例程可以为您执行此操作。我相信 R 也有类似的功能。

与其他建议（中值滤波器、低通频域滤波器）相比，此滤波器的优势在于，脉冲抑制滤波器仅修改识别为异常值的样本，而其他滤波器将修改信号中的每个样本，无论是否为异常值。

信号右边缘的跳跃将需要不同的方法，具体取决于您要如何处理它。

看起来您正在绘制一个直方图，它基本上是对概率质量或概率密度函数的估计。也许这是不正确的。如果您的 x 轴标签是错误的，并且这确实是作为时间函数的信号，那么您正在寻找的是在给定加性噪声的情况下对实际信号的估计。一个更简单的解决方案是基于频率的低通滤波器。如果人们知道图表中信号的性质，他们可以提供更多答案。