由信号分析理论的观点出发，我们可以把原始谱数据看成是噪声（即谱数据中的统计涨落）和信号（即峰函数和本底函数）的叠加。平滑的本质实际上就是对谱曲线进行低通滤波，去掉高频成分，保留有用的低频信号。谱数据的多次平滑可以看做是对前一次平滑后的数据再进行一次滤波。经过数字滤波器的处理可以提高信号噪声比。
数字滤波技术由于其运算速度快，可方便地改变其滤波特性等特点，在解决低频干扰、随机信号的滤波等方面效果明显优于模拟滤波技术。滤波技术是信号消噪的基本方法。根据噪声频率分量的不同，可选用具有不同滤波特性的滤波器。当噪声的频率高于信号的频率时，应选用低通滤波器；反之，选用高通滤波器。当噪声的频率低于和高于信号的频率时，应选用带通滤波器。当噪声的频率处于信号的频率范围时，应选用带阻滤波器。只要选择恰当的数字滤波器响应函数，就能够使平滑后的谱既保留了原始谱中的峰和本底的形状和大小，又得到最佳的信号噪声比。
由频域的观点分析，谱中的统计涨落，即噪声的频谱分布在整个频率范围内，而峰函数和本底函数的频谱主要集中在低频范围。因此，使用一个低通滤波器进行滤波，可以使峰和本底信息都通过滤波器到达输出器，而噪声中的高频成分被滤波器抑制，从而提高了平滑后谱中的信号噪声比，减小了谱数据的统计涨落。
图1.2.1和1.2.2画出了SAVITZKY滤波器在道域和频域中的响应函数
 图1.2.1 SAVITZKY滤波器在道域中的响应函数；
Figure 1.2.1  The response function of the SAVITZKY filter in the domain；
     图1.2.2 SAVITZKY滤波器在频域中的响应函数；
Figure 1.2.2 The response function of the SAVITZKY filter in frequency domain；
1.3 常用的数字滤波算法与选择原则
在测量系统的输入信号中，都含有各种噪声和干扰。噪声和干扰既有来自测量系统本身，也有来自外界周围环境干扰。为了进行准确的测量和控制，必须削弱或滤除被测信号中的噪声和干扰。
数字滤波还可以根据实际输入信号的不同，采用不同的滤波方法或滤波参数，具有灵活、方便、功能强等特点。
常用的有数字滤波算法有以下几种：限幅滤波法、中值滤波法、算术平均滤波法、加权平均滤波法、滑动平均滤波法。
1）限幅滤波法。限幅滤波法是把两次相邻的采样值相减，求出增量并用绝对值表示，然后与两次采样允许的最大值⊿Y 进行比较。⊿Y 的大小由被测对象的具体情况而定，若小于或等于⊿Y，则取本次样本值；若大于⊿Y，则取上次采样值作为本次采样数据的样本。
2）中值滤波法。中值滤波法是将某一参数连续采样 N 次，N 通常是奇数，然后把 N 次采样值按从小到大排队，再取中间值作为本次采样值。
3）算术平均滤波法。算术平均值滤波法是连续取 N 次采样值进行算术平均。
4）加权平均滤波法。加权平均滤波法是对 N 次采样值分别乘以不同的加权系数之后再求累加和。加权系数一般先小后大，以突出后面若干采样的效果，加强系统对参数变化趋势的识别。各加权系数均为小于 1 的小数，且满足总和等于 1 的约束条件。加权运算后的累加和为有效采样值。为方便计算，可取各加权系数均为整数，且总和为 256，加权运算后的累加和除以 256，即舍去低字节后就是有效采样值。
5）滑动平均滤波法。滑动平均滤波法是只采样一次，将这次采样值与过去的若干次采样值一起求平均，得到的值即为有效采样值。如果取 N 个采样值求平均，RAM 中必须开辟 N 个数据的暂存区。每新采集一个数据便存入暂存区，同时去掉一个最老的数据，保持这 N 个数据始终是最近的数据。 基于数字滤波的谱数据的平滑算法的研究与实现(3):http://www.youerw.com/tongxin/lunwen_6660.html