在存在尖峰的情况下，级联非线性滤波器和线性滤波器的想法是合理的。

以下是一些观察结果，如果正确，可以利用这些观察结果进行更好的处理：

• 数据是循环排列的，实际上是二维的
• 尖刺向外，
• 剩余的噪音似乎是有界的（厚蓝环），
• 角度采样很密集，可能会受到噪声的影响。

一些建议：

• 选择一个可用于多个数据集的新颖的角度采样它可以通过具有单边指数定律的直方图建模来参数化，例如 ,。$\delta \phi$$a\exp(-\lambda t)$$t\ge 0$
• 选择一个角宽度，它将用作 2D 过滤器的跨度。$\Delta \phi$

它们的组合将定义一系列重叠的窗口，您将在这些窗口上处理 2D 点云。

定义的每个角度区域内，您可以例如：$[n\delta \phi - \Delta \phi/2, n\delta \phi + \Delta \phi/2]$

• 定义非线性滤波器以消除强尖峰：例如 2D 中值或 2D 加权中值（二维加权中值滤波器的快速实现）。如果您使用尖峰的向外方向，则可以使用顺序过滤器或拒绝顶部 % 的半径。加权背后的想法是惩罚距离角度采样较远的点。点云的双边过滤器也可能是一种选择。$x$

在中值滤波器中引入加权可以弥合纯中值滤波器和平滑滤波器之间的差距，一石二鸟：去除尖峰，降低噪音。因此，这可能就足够了。如果没有，您可以：

• 以质心分配的形状对剩余点执行 2D 线性过滤。

重采样到规则角度网格的一个优势可能是允许最简单的进一步处理、比较等。使用 2D 过滤器，您自然会遵循数据的圆形对称性。