移动窗口方法是分批处理数据的方式，通常是为了从统计角度表示数据中的相邻点。移动平均值是一种常见的数据平滑技术，它沿着数据滑动窗，同时计算每个窗内点的均值。这可以帮助消除从一个数据点到下一个数据点的非显著变化。

例如，假设每分钟测量一次风速，持续约 3 小时。使用 movmean 函数和 5 分钟的窗口大小可去除高速阵风。

同样，您可以使用 movmedian 函数计算滑动窗中的风速中位数。

并非所有数据都适合用移动窗口方法进行平滑处理。例如，创建插入了随机噪声的正弦信号。

使用移动均值和大小为 3 的窗口对含噪数据进行平滑处理。

移动均值方法可获得数据的大致形状，但不能非常准确地捕获波谷（局部最小值）。由于波谷点在每个窗口中两个较大的邻点之间，因此均值不是那些点的理想近似值。如果使窗口大小变大，均值将完全消除较短的波峰。对于这种类型的数据，您可能需要考虑其他平滑技术。

smoothdata 函数提供几种平滑选项，如 Savitzky-Golay 方法，这是一种常用的信号处理平滑技术。默认情况下，smoothdata 根据数据为方法选择最佳估计窗口大小。

使用 Savitzky-Golay 方法可对含噪信号 Anoise 进行平滑处理，并输出它使用的窗口大小。与 movmean 相比，该方法可提供更好的波谷近似值。

稳健的 Lowess 方法是另一种平滑方法，尤其适用于含噪数据还包含离群值的情形。在含噪数据中插入离群值，并使用稳健的 Lowess 方法对数据进行平滑处理，从而消除离群值。

数据中的离群值可能使数据处理结果和其他计算量严重失真。例如，如果您尝试用移动平均值方法对包含离群值的数据进行平滑处理，则可能得到误导性的波峰或波谷。

当检测到离群值时，isoutlier 函数返回逻辑值 1。验证 Anoise 中离群值的索引和值。

您可以使用 filloutliers 函数并指定填充方法来替换数据中的离群值。例如，用紧挨 Anoise 中离群值右侧的邻点值填充该离群值。

您也可以使用 rmoutliers 函数从数据中删除离群值。例如，删除 Anoise 中的离群值。

并非所有数据都由等间距点组成，这会影响数据处理的方法。创建一个 datetime 向量，其中包含 Airreg 中数据的不规则采样时间。time 向量表示了前 30 分钟内每分钟采集一次的样本和两天内每小时采集一次的样本。

默认情况下，smoothdata 按照等间距整数进行平滑处理，在本例中为 1,2,...,78。由于整数时间戳与 Airreg 中各点的采样不协调，前半小时的数据在平滑后仍然出现噪声。

MATLAB® 中的许多数据处理函数（包括 smoothdata、movmean 和 filloutliers）允许您提供样本点，从而确保相对于其采样单位和频率处理数据。要消除 Airreg 中前半小时数据的高频变化，请将 SamplePoints 名称-值参数和 time 中的时间戳结合使用。