企业官网建设流程全解析

“你到底是在做指数移动平均，还是在做一阶低通滤波？”这个问题我这两年反复被问到。搞数据分析的朋友把公式写在表格里，管它叫EMA，说历史权重按指数衰减；搞嵌入式或信号链路的同事在示波器上扫频，管同样的递推式叫一阶低通滤波，说要压制高频噪声。两边聊不到一起，但代码抄下来几乎一模一样，只是系数符号差了一层皮。这个现象很有意思，因为指数移动平均和一阶低通滤波本质上是同一个递推关系，只是从时间域和频率域两个角度描述同一件事。只要把这个关系看透，你在调平滑参数时就能同时用上“时间常数”和“截止频率”两套语言，工程上会顺手很多。

下面我按自己实际调参和排查问题的顺序来拆这件事，内容包括数学等价性推导、α/τ/fc参数换算表、噪声抑制与延迟的定量关系，以及落地时容易踩的几个坑。适合正在处理传感器数据平滑、控制回路反馈或时序去抖的工程师和数据方向的朋友。

1. 两个名字，一条递推式：统计与电路在这里合流

1.1 统计侧：指数移动平均是“旧记忆按比例遗忘”

指数移动平均的标准写法是：

y[n] = α · x[n] + (1 − α) · y[n−1]

x[n]是当前输入样本，y[n]是滤波输出，α通常是一个0到1之间的系数。如果α很小，比如0.05，那就意味着新样本对输出影响很小，输出主要依赖历史积累；如果α接近1，滤波几乎没有平滑作用，输出基本就是当前输入。

把它展开成历史加权和会看得更清楚：

y[n] = α·x[n] + α·(1−α)·x[n−1] + α·(1−α)²·x[n−2] + ...

每一代之前的样本，权重都会乘一个(1−α)。这是一个等比数列，权重随样本年龄指数递减，所以叫“指数移动平均”。做量化的人喜欢用这个概念来估计价格的中短期趋势，做传感器处理的人喜欢用它来平滑读数波动。大家嘴上说的是“平均”，但实际上这是一个带遗忘机制的递归状态，不是简单地把过去N个数加起来除N。

这里有个非常容易混淆的符号问题：有些文章把α写成“新样本权重”，也就是我这篇用的定义；有些文章则把α写成“记忆保持率”，那么公式会变成y[n] = α·y[n−1] + (1−α)·x[n]。两种写法在数值上差了很大，调参时一定要先看清楚别人代码里0.9到底是乘在历史项上还是乘在新样本上，否则同样的α值，一个接近不过滤，一个平滑到几乎不动。

1.2 电路侧：一阶低通是“输出往输入方向挪一步”

一阶低通滤波从电路或者控制系统里来，最经典的模型是RC低通。输入电压经过一个电阻和一个电容，电容上的电压就是输出。频率低的时候，输出基本跟随输入；频率高的时候，电容不断被充放电，输出幅度越来越小。描述它的微分方程是：

τ · (dy/dt) + y = x

这里的τ就是时间常数，单位是秒，数值等于R×C。时间常数越大，响应越慢，能通过的频率越低。

把上面这个连续微分方程做一阶离散化，会得到什么？用差分替换微分，采样周期是Ts：

(τ/Ts) · (y[n] − y[n−1]) + y[n] = x[n]

整理一下：

y[n] = [Ts/(Ts+τ)]·x[n] + [τ/(Ts+τ)]·y[n−1]

令α = Ts/(Ts+τ)，式子就变成：

y[n] = α·x[n] + (1−α)·y[n−1]

这就是指数移动平均。所以一阶低通滤波经过离散化以后，得到的递推式和EMA完全相同。控制领域还喜欢写成另一种等价形式：

y[n] = y[n−1] + α·(x[n] − y[n−1])

这种写法非常直观：当前