Запись в Википедии от moogs является хорошей отправной точкой для сглаживания данных. Но это не поможет вам принять решение.
Все зависит от ваших данных и необходимой скорости обработки.
Скользящая средняя
Сгладит верхние значения. Если вас интересует минимальное и максимальное значение, не используйте это. Также я думаю, что использование скользящей средней повлияет на ваше измерение ускорения, поскольку оно сгладит ваши данные (немного), поэтому ускорение будет меньше. Все сводится к необходимой точности.
Савицкий-Гол
Быстрый алгоритм. Так быстро, как скользящая средняя. Это сохранит высоты вершин. Несколько сложнее реализовать. И вам нужны правильные коэффициенты. Я бы выбрал этот.
фильтры Калмана
Если вы знаете распределение, это может дать вам хорошие результаты (оно используется в системах навигации GPS). Может быть, несколько сложнее реализовать. Я упоминаю об этом, потому что я использовал их в прошлом. Но они, вероятно, не лучший выбор для начинающих в такого рода вещах.
Вышеуказанное снизит уровень шума в вашем сигнале.
Далее вам нужно определить начальную и конечную точку «ускорения». Вы можете сделать это, создав Производное исходного сигнала. Точка (точки), где производная пересекает ось Y (ноль), вероятно, являются пиками в вашем сигнале и могут указывать начало и конец ускорения.
Затем вы можете создать производную второй степени, чтобы получить само минимальное и максимальное ускорение.