一般而言，對於硬體收集來的各種資料都是要進行濾波的，濾波的手法有很多種，只是一般都不會在java層進行。但是也有一些特別小巧實用易懂的方法，可以用來對資料進行濾波，譬如中值濾波演算法。

　　該演算法在波形類資料中經常會用上，主要效果是突出特徵波形，使得波形更加”凹凸有致“。但是也有一定副作用，那就是如果波形本身就非常漂亮，那就有可能將其特徵波形稍稍磨平——當然這種效果基本還是在能接受範圍內。

　　中值濾波演算法主要思路是，對於心電資料中的某一個點n，選取一個周圍的長度為N的區間（從搜尋到的論文資料來看，該區間的選擇有在該點之後也有在該點之前，可見對於區間的選取並不是固定的，要通過結果來對比效果如何，本文最後選擇的是[x-m，x+m]

       設心電波形的函式為f(x)，取區間[x-m,x+m]的值進行排序，設mid[n-m,n+m]為區間內排序後處於中間的數，則f(mid[n-m,n+m])則是對應的漂移值。將式子串起來易得：

n'=n-f(mid[x-m,x+m])

      由上述式子可見，基本上沒有複雜的運算，但是對於m值的選取需要大家好好斟酌——m選得太大，一方面需要拋棄的點會更多（由式子可知心電資料開始和結尾的m個點無法進行濾波，也就是說這2m個點必須被拋棄，否則會引起和濾波後的資料放在一起組成心電波形的話會引起誤檢），另一方面會加大系統的負擔，雖然排序的時間複雜度不高，但是因為每個點都要跟前後m

　　將上述思路寫成java程式碼，大致如下：

            for(int i=45;i<dataY.size()-45;i++){
                List<Float> sortList=new ArrayList<Float>(dataY.subList(i-45, i+45));
                Collections.sort(sortList);
                float mid=sortList.get(sortList.size()/2);
                newDataListY.add((dataY.get(i)-mid));
            }
 

　　 結果對比：

濾波前

濾波後

對於一個這麼廉價的演算法，這個結果已經非常能接受了~