Чем сглаживать массив данных датчика?

y(t)сглаж=(y(t)+y(t-20)+x(t-30))/3
Чем больше значений, тем ровнее график.
Ещё можно брать последнее значение с некоторым коэффициентом, например 2.

Скользящая средняя отстаёт. То есть, если график растёт, то скользящая средняя не сразу посчитает это ростом; и чем больше предыдущих значений брать, тем упорнее будет такое отставание.

Чтобы на скользящей средней всё работало нормально, нужно, чтобы график ходил ровными волнами; тогда я смогу подобрать стабильное количество предыдущих значений, чтобы скользящая средняя была всегда внутри волны. Но проблема в том, что волны вседгда разные и по длине и по высоте, хоть в общем у них есть довольно жёсткие пределы по Y, но по X могут довольно сильно расходиться. По этому moving average алгоритм не очень подходит. К тому же, я его уже изначально использую. График MA стал ходить мелкими волнами внутри, этакий дребезжащий демпфер. Демпфер этот можно убрать нарастив количество предыдущих значений, график станет ровным, но тогда MA выскочит из потока оригинальных значений.

У меня первоначальная задача улавливать максимумы. Волна графика сначала находится долго внизу и потом вынынивает наверх на очень короткое время. Вот мне нужно отслеживать, что волна побывала в долгом низу и после этого попала наверх. Только не постфактум анализ, а в текущий момент.

Для этого мне нужно следить за наклоном. А чтобы следить за наклоном, нужно сравнивать на сколько больше следующее значение. Если график будет хоть немножко прыгать, он часто через раз будет показывать то направление вниз, то направление вверх. По этому я хочу исключить даже любые микро колебания. По задумке, когда угол роста сглаженного графика начинает резко уменьшаться (кажись это называется градиент), то это достижение максимума.

vipermagi, ну возьмите тогда экспоненциальное скользящее среднее, чтобы придать больший вес новым данным, но идея ровно такая же, если вам нужно погасить колебания, то надо брать какое-то среднее :)

По задумке, когда угол роста сглаженного графика начинает резко уменьшаться (кажись это называется градиент), то это достижение максимума.

Это называется "первая производная стремится к 0" :)

С экспоненциальной будет то же, что и с обычной.

(мои данные ни как с форексами не связаны, если что :) )

"это называется "первая производная стремится к 0"
Может и не градиент, всё забывается :) Я имею в виду не скорость изменения функции, а ускорение изменения функции. Да и явно к нулю оно будет стремиться только на минимумах, двигаясь почти горизонтально. Получится нечто вот такое:
\______/\_____/\____/\___/

vipermagi, на минимумах и максимумах, внезапно :)

График первой производной будет заходить на отрицательную полуплоскость, когда функция убывает.

Форексы там просто в качестве примера используются, а EMA используют для подсчёта функции ошибки в некоторых задачах машинного обучения, например.

Чтобы график быстрее реагировал на изменения в данных, просто поставьте параметр побольше, я бы с 0.9 начал и изменял в зависимости от того, что именно хочется получить.