中，可以看到很多算法都是平均值滤波算法变种，事实上最常用的也还是平均值滤波算法。但传统的平均值滤波算法很占内存，每次运算都要求累加和，再求平均值，导致运算效率不高，并且实际中为满足不同的需要，我们需要一种简单、高效和功能强大的滤波算法。
设：采样值 C、累加器 S，平均值 A，采样次数 N
传统的平均值滤波算法：
S = C(1) + C(2) + ... + C(N)
A = S / N
需要用循环来计算累加和，比较耗时，C(1～N）是缓存，随采样数N增大，所需内存量也增大
向队列平均值算法推进：
S = C(1) + C(2) + ... + C(N) （第一次）
C(x) = C(x + 1) （队列前移）
C(N) = C
S = S - C(1) + C(N)
A = S / N
运算量有所改进（用指针维护循环队列，不实际移动数据），占用内存问题不变
简洁高效算法：
初始化：A=初始值，S=A*N
S = S - A + C
A = S / N
就这么简单，三个变量（N可以是常数），只要 S 的量程足够，N可以任意调整。
可以看出，此算法是从队列平均值算法演变而来，因没有了队列，每次计算时不知道该丢弃的最老的一个采样值是多少，这里用了个替代的办法，丢弃上次计算出的平均值。去掉了缓存维护，节省内存空间，同时也将运算量压缩到了最小，执行效率非常高。调试时容易修改采样数。
在该基础上，我们再演变出一种带死区和限幅控制的队列平均值实用算法：
① 主滤波程序 AveFilter
入口参数：
EN ： 调用使能位
bType ：采样值类型，'W'=整型、'F'=浮点型、'D'(或其它)=长整型，参数类型：字节
wHi ： 采样值高位字（采样值为整型是，实参必须为0），参数类型，2字节
wLo ： 采样值低位字，参数类型，2字节
rDie ： 滤波死区，参数类型：浮点数
rMaxErr ： 最大允许偏差，参数类型：浮点数
rLen ：滤波队列长度，参数类型：浮点数
出/入口参数：
rSum ：累加和，参数类型：浮点数
rAve ：滤波输出平均值，参数类型：浮点数
注意：本程序采样值是参数类型可适应的，用 wHi/wLo 的组合来适应整型、长整型、浮点型的参数类型输入，避免使用多个相同的子程序来适应不同类型的输入参数。由 bType 来指定输入的参数类型。
滤波器初始化程序 InitFilter
入口参数：
EN ： 调用使能位
rInit ：初始值(一般为0），参数类型：浮点数
rLen ： 滤波队列长度，参数类型：浮点数
出/入口参数：
rSum ：累加和，参数类型：浮点数
rAve ：滤波输出平均值，参数类型：浮点数
