动态称重数据处理方法是实现动态称重的关键。这些方法可以分为两部分：一部分用来对测量信号中的噪声进行处理，提高称重系统的抗干扰能力；另一部分是用来提高测量速度，在称重系统未稳定前迅速得到真实质量值。24468
对测量信号中干扰噪声的处理，主要包括数字平均滤波法、IIR和FIR数字滤波器、小波分析和遗传算法等。
（1） 平均滤波法
传统以单片机为核心的称重仪表通常采用数字平均滤波法，对周期干扰滤波明显，也可用于减小系统随机干扰，但明显的脉冲会使其远离平均值，对脉冲如尖峰脉冲干扰抑制能力弱，同时对低频噪声抑制能力差。目前，国内的工业用称重一边均采用这种处理方法。论文网
（2） IIR和FIR数字滤波器
数字滤波器的特点是，输入信号中有用的频率成分和希望滤除的频率成分占有不同的频带，通过一个合适的选频滤波器达到滤波的目的。如果信号和干扰的频带互相重叠，则不能完成对干扰的有效滤除。无限脉冲响应（IIR）滤波器利用模拟滤波器成熟的理论及设计图表进行设计，保留了一些典型滤波器优良的幅度特性。但未考虑相位特性。有限脉冲响应（FIR）滤波器在保证幅度特性的同时，很容易做到有严格的线性相位特征。常用的设计方法：窗函数法、频率采样法和切比雪夫等波纹逼近法。
（3） 小波变换
    小波变换是近年来得到迅速发展的一种新的信号处理方法，它的多分辨率特性使其在许多领域得到了重要的应用。小波滤波就是利用不同频率的信号和噪声在各尺度下的小波变换系数有所不同的特定，来对它们进行分离，从而达到去除噪声和频带分离的目的。在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析。但其比较复杂，运算量大，目前基本上处于实验和仿真阶段。
为了提高称重系统的响应速度，通常采用动态补偿和系统辨识的方法来提高测量速度，在称重系统为稳定前迅速得到真实质量值。
（1） 动态补偿方法
动态补偿方法主要是针对传感器的响应速度慢和超调量大，因为在很大程度上限制了动态称重速度和准确度的提高，提出通过设计补偿元件，在比“称重传感器稳定时间” 更短的时间内完成测量，因此动态称重装置主要由称重传感器和动态补偿元件组成。通过在测量系统输出端串联一个动态补偿环节，改进提高整个系统的动态性能，加快系统的响应速度，等待系统趋于稳态时，得到被测量参数的值，在系统过渡过程结束后，利用系统的稳态值进行测量。例如，可以通过极点配置的方法来改善称重系统的动态特性。
（2） 系统辨识方法
系统辨识方法是通过系统动态过渡过程信息来提取被测量参数的信息。由于系统对外界激励的响应过程包含了系统自身的特征，所以动态的过渡过程包含有被称对象的重量信息。因此，可以把动态测量转作为参数的模型，然后用该模型去拟合称重过程输出信号，从而获得最小平方误差意义上的参数估计。被测质量可看成是称重测力过程的终值，所以可以用模型参数进行估计和预测。该类方法主要包括状态估计方法如Kalman滤波、自适应滤波，系统辨识与参数估计方法如最小二乘法等方法。
另外，还有一些基于只能方法的动态称重数据处理方法，用来解决动态称重的抗干扰和快速性问题，但都可以划分到以上几类方法中。这些算法包括人工神经网络、遗传算法、模糊控制、专家系统等方法。神经网络方法主要是基于并行技术的思想，以神经网络技术为控制核心，采取多因素协调，将检测过程中对影响称重精度和限制下料速度起主导作用的因素作为训练样本，通过训练获得较好的网络模型，再根据该模型和网络输入数据得出重量，并期望提高检测精度。 称重算法国内外研究现状和发展趋势:http://www.youerw.com/yanjiu/lunwen_17974.html