Поясните, пожалуйста, что Вы подразумеваете под медианным фильтром?
Не в обиду, просто бывает разная интерпретация этого термина.

А какие, Вы, Станислав знаете интерпретации?
Лично я со школы (ну т.е. с вуза) знаю такое: вокруг интересующей точки выбирается апертура (окно) с нечётным количеством точек, чтобы получилось симметрично. Все отсчёты в этой апертуре выстраиваются в ряд в порядке возрастания, а данной точке присваивается значение, равное значению отсчёта, расположенного в средине ряда. Если я ничего не путаю. По моим понятиям, это частный случай ранговых методов цифровой обработки.

Знаю ещё похожие на то, что предложила Vic1. Ваше определение, безусловно, верное, однако, для измерительных целей такой фильтр не подходит по причинам, о которых я писал выше, что легко проверить. Медианный фильтр действительно может быть полезен в некоторых случаях, когда не нужно измерять истинное значение сигнала (например, для визуального "улучшения" изображения, зашумлённого "черными и белыми" точками). Следует, однако, помнить, что такой способ фильтрации приводит к частичной потере информации о сигнале (искажениям вследствие нелинейности), поэтому даже в этих случаях его нужно применять с осторожностью.
Честно говоря, я таких задач в своей практике не встречал...

Да, Вы правы, я в вузе медианную фильтрацию проходил как инструмент очистки двумерных изображений от шума, полностью согласен, что данный метод не позволит измерять истинное значения сигнала.

После прочтения сей длинной ветки у меня создалось впечатление, что деревья заслонили лес.
Совершенно очевидно, что никакими математическими (статистическими) ухищрениями данную проблему решить невозможно. Ведь инициатор темы ясно изложил, что несмотря на усреднение по большому числу точек, помеха пролезает. Это значит, что либо наводка нелинейная по своей или природе входных каскадов, либо нелинейность возникает (и) вследствие того, что пресловутые "шилья" узкие. Поэтому скорость АЦП недостаточна для их адекватной регистрации. Т.е. может на пик один отсчет приходится или два в различные моменты этого пика. Поэтому крылья пика вносят вклад, а вершина частично пропадает.
Тут можно было бы пойти в сторону восстановления вершины по крыльям, если источник помех предсказуем, но это имело бы смысл только на самый худой конец. Ведь в выборку может попасть только крыло, а пик в предыдущую. Или наоборот. Поэтому пассивная аналоговая фильтрация - самый простой и эффективный выход.
Или рассейте мой пессимизм.

Думаю, что тему Вы прочитали всё же не слишком внимательно.
В постах #22 и #25 я предложил способ решения данной конкретной задачи. И этот способ - только "один из".

[/quote]Думаю, что тему Вы прочитали всё же не слишком внимательно.
В постах #22 и #25 я предложил способ решения данной конкретной задачи. И этот способ - только "один из".
[/quote]
Да, нет... Все понятно.
Наверное Вы меня не поняли. Вот если представить себе такую помеху -
Дельта-функция + нечто плавное с интегралом = -1. То такая помеха приведет к сдвигу постоянной составляющей. Т.е. дельта-функция не регистрируется никак, а нечто плавное никак не отделить от полезного сигнала.

Мне кажется, что Ваши сомнения рассеятся, если Вы "пропустите" даже такую гипотетическую помеху через anti-aliasing фильтр НЧ на входе АЦП, о необходимости применения которого я также писал.

Дак именно об этом он и написал. Просто это уже повторение вашей мысли (или её подтверждение). Но доля истины в его посте есть, т.к. он открывает глаза на детали происходящего. Возможно, вы тоже эти детали прекрасно понимали с самого начала, но не все так. Для меня его пост не был бесполезным, кое-что я положил в копилку своего опыта

Она...

Пгастите, если перебиваю. Или если идея не нова.

Фильтр нада от импульсных помех. Программный. RC-цепь на входе АЦП естественно.

Попробуйте реализовать фильтр Кальмана, много памяти в отличии от скользящего среднего не требует, но требует дробные числа с точкой.
см здесь http://www.cs.unc.edu/~welch/kalman/
и здесь http://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf

Вот пример реализации фильтра Кальмана в МатЛабе

Я бы предложил алгоритм "скользящего среднего".
Берете , например, 8 послед. значений суммируете елите на 8, затем сдвигаете на 1 и повторяете.Незная как с шумом а 50 , 100 Гц давит (при моделировании) очень прилично.
Еще можно посмотреть медианный фильтр.
Но RC на входе обязательно.

Если "шило" высокое и узкое на фоне достаточно гладкого сигнала (как указано на картинке), то любые статистические методы
внесут погрешность в измеряемую величину (пропорционально соотношению площади пика к окну)большую чем у медианного фильтра, который простоне учитывает "шило".
Причем ставить его нужно обязательно до любых фильтров

Доказать можете? По-моему, это вовсе не так. Только тему почитайте, пожалуйста, внимательно.