虽然这是一个旧条目，并且问题的作者可能已经解决了这个问题，但我将我的解决方案留在这里，以防万一，它可以帮助其他人。

如问题中所述，您需要一种实时“平滑”的轨迹。您将需要权衡：速度、延迟、能源效率等。

我建议使用 Alpha-Beta 过滤器、移动平均过滤器或某种自适应平均过滤器。它们应该比卡尔曼滤波器或类似滤波器更快、更容易实现并且延迟更少。我做了几个测试，试图重现问题中使用的数据类型，并使用快速（和讨厌）自己的实现来测试这些过滤器。结果如下图所示：

干杯。

PD 可能，原始问题中评论的振动噪声并非绝对不相关。我生成的数据使用随机噪声。

您可以尝试两种可能的方法。

• 多项式逼近（样条拟合）
• 总变差去噪

在多项式逼近中，您可以尝试拟合整个数据向量的多项式逼近。来调节在一阶差分项中看到的稀疏量。换句话说，在重噪声下，输入数据的一阶差分是稀疏的。$\lambda$

说您的信号是“非常低的频率”，而您需要低延迟/拖尾才能捕获它似乎是矛盾的。

如果您可以描述您需要保留的输入信号的（方面）是什么，以及噪声是什么样的，那么可能会出现更好的解决方案。

最简单的解决方案将是某种低通滤波器，它们带有一组权衡。

-k