Algorithm 计算当前速度的算法（不仅仅是平均速度）？

通常，人们希望确定由许多步骤组成的某些过程（计算、下载、网络传输、渲染等）的当前速度，这些步骤的持续时间是可以测量的。但是，当仅进行最后一次测量时，显示不稳定，因此通常的方法是在某个时间段内平滑。另一方面，当速度突然变化时，这会导致显示“滞后”，因此显示的速度变化平稳，而底层过程却非常突然地改变了它的速度

给定此类步骤的长序列测量（例如，转移块、计算迭代），我想

• 显示当前速度
• 尽可能长的平均，但是
• 在速度变化期间不平均

从图形上看，这意味着我要计算带噪波的分段线性曲线的当前斜率，同时自动检测线段端点（斜率/速度变化）

---

我可以自己提出算法，我也可以应用几何曲线拟合的一些知识，但我想知道，对于这个（似乎非常常见的）特殊问题，是否有非平凡的解决方案？任何突出的参考文献、教科书示例、开源实现？

由于我收到的评论指出了明显的解决方案，我将在这里描述我当前的想法，我想对照文献/现有的好实现进行检查：

• 定义平均时间的最短期限（例如，5秒）
• 定义这样一个最长时间（例如，1分钟）
• 在此过程中：
  • 将新测量值推入FIFO
  • 如果年龄超过上述最长时间，则从FIFO中弹出旧测量值
  • 每次显示更新时
    • 用最小周期初始化显示周期（并从该周期计算速度）
    • 当显示周期小于FIFO时，放大显示周期，并且下一个样本“匹配”显示周期内的速度
    • 更新显示

---

"匹配"是关键,；从数学上讲，人们想知道所讨论的样本来自同一分布的概率。假设正态分布可能是最好的，但我甚至想到了一些非单峰的例子。

不是一个完整的解决方案，但无论如何可能有用：

您可以对一些累积样本进行线性回归。这将为您提供当前速度以及下一个采样的预期值，前提是速度和噪波没有改变

如果下一个样本位于预期范围内，则更新回归参数（可以增量完成），从而细化速度值并缩小下一个样本的预期范围

如果样本位于预期范围之外，则可能发生了速度变化，然后重新开始回归（可能包括一些最近的样本，而不是从零开始）

---

我没有深入研究数学，但也许新的速度决策可以基于降低的相关系数，而不是/除了离群值检查。

获取最后一个已处理任务的数量。将其除以所需时间。这叫做导数。我知道，谢谢，我已经提到了“斜率”，它与一阶导数密切相关。在处理计算机离散世界时，最接近瞬时速度的方法是测量两个连续单位之间的时间，不同的是瞬时速度，单位为每时间单位（最有可能是毫秒或纳秒）。为了不影响性能，您可以选择每N个处理单元测量一次。关键短语是“带噪声的分段线性曲线的当前斜率”，其他一些评论显然没有意识到这一点。事实上，这里留给您的问题是，我们在第一位求平均值的原因是——如何区分（a）与（b）由于潜在趋势的实际变化而导致的峰值相对应的虚假“峰值”？由于我们无法预测未来，我们通常要做的权衡是你所说的延迟。