我试图理解“代码清单 1”中http://www.stockspotter.com/files/PredictiveIndicators.pdf中提供的过滤器的变体。其表达式如下：
与：
和：
我想知道这些系数是如何计算的。有人告诉我它可能是一个 2 极点巴特沃斯滤波器，但我试图找到这种滤波器的系数的尝试失败了（我的在线搜索给了我许多不同的结果，有时涉及和而在此表达式中未使用它们。
这个“SuperSmoother”过滤器在文献中有别的名字吗？我如何描述这种滤波器的效果（除了作为低通滤波器）？
该论文在 Linux Kernel's packet rate estimation smoothing中被引用。
对于记录，这是使用答案中提供的笔记本的此过滤器的响应，与移动平均线和指数移动平均线相比：
正如有人在 IRC 上评论的那样，这个滤波器看起来很像 Chamberlin 1987 年出版的《微处理器的音乐应用》一书中的“多反馈数字低通滤波器”，其中和：
看到论文引用论文的作者作为“SuperSmoother”过滤器的发明者，并且这个过滤器（据说）对这个特定的用例很好，没有迹象表明这个过滤器是基于作者的创造力（他的幻想）。他确实提到它是“由电容器和电阻器制成的转换模拟滤波器”，并且您经常应用双线性变换来进行连续/离散时间变换。
因此，您不会在文学作品中找到“SuperSmoother”过滤器。它似乎是一项针对特定目的的发明，而不是使用数学方法有条不紊地推导出来的。
请注意，您对整篇文章的科学性如履薄冰。
您没有理由希望您的分析平滑滤波器基于模拟滤波器设计。作者也没有解释你为什么想要那个。如果他们只有一个模拟滤波器可以继续使用，那么那些不太了解如何设计滤波器的人会这样做 - 并且构建模拟滤波器对于任何特定的离散分析目的都与直接为数字设计中的数字目的设计的滤波器一样好是，不可能；优化目标是离散时间，而不是连续时间。
另外，不，Butterworth 肯定不是最小滞后滤波器，而是最大平坦度滤波方法。
他说最小滞后滤波器设计是他发明的新事物。这是胡说八道，最小相位滤波器实际上是我所掌握的任何离散系统讲座中的入门级概念。
整篇论文非常手摇，并且有明显错误的前提¹。我会把它归入伪科学的范畴——这意味着虽然我真的很欣赏你在那里寻找意义和科学意义，但你不会。
¹ 例如
我们也知道市场是分形的；每日间隔图表看起来就像每周、每月或日内图表。
不，那是胡说八道，这很容易从微不足道的自相关中看出。或者事实上存在一个平均弱周期分量，但一个月不会“自然地”分成 7 个大小相等的单位，而且你不会在任何自相关中发现这一点。真的，这种描述是魔术/迷信。
这篇论文声称是基于科学研究，但没有引用任何一项——这真的会让你觉得作者是不是想向你推销他有一项他真正没有的技能。