まずは，ムービーを見てもらったほうが，わかりやすいでしょう．
まず，二つの寄り添う，ウィンドウ，Ｗ，を設定します．
そのときの，平均，分散値を，
| 平均 | 分散 | |
| 左ウィンドウ | μ1 | Ｓ１ |
| 右ウィンドウ | μ２ | Ｓ２ |
とします．
当然ながら，ステップのない場所では，すべての値には変化がありません．
ステップがある場所で，
平均値：一様な上昇
分散値：中央でピークを迎える変化
をします．
そして，
と言う値を計算します．
ここで，ｒ，は，任意の定数で，
の範囲にあります．
そして，結果として，
の値を得ます．
この二つのウィンドウを一つ一つずらしていって，その都度，xfit，をトレースすればよいのです．
もし，ノイズのみでステップのないエリアを計算した場合，
であるので，
となります．
しかし，もし，
の場合には，
となり，結果として，
となります．
逆に，
の場合には，
となり，
となります．
もちろん，この極端な二つの状態の中間状態も取り得ますが，そこは，
ｒ
の値を大きくすることで，その極端さを増すことができます．
実際に，LabViewで作成したプログラムをおいておきますので，自由に確かめてみてください．
Ver.80で保存してあります．
CK filter-80.vi
まずは，”実行”してみて，その効果のほどを見てください．
赤が元波形，白がフィルター後の波形です．
ノイズがかなり減少し，さらに，ステップをきちんと反映しているのがわかります．
次に，”ｒ値”をいじってみてください．
３０→１
にすると，だいぶステップが鈍っているのがわかりますね．
”ステップの大きさ”を小さくすると，その効果がはっきりします．
また，データポイントを減少させてみましょう．
”サンプル数”を１００，”ウィンドウ幅”を１０，まで減らしても，効果があることがわかります．
”サンプル数”を２０，”ウィンドウ幅”を５，まで減らしても，まあまあ効果があることがわかります．
これなら，蛍光強度の変化など，ポイント数が少ない場合でも，まあなんとかなりそうですね．
非常に簡単に説明しましたので，詳しくは，原論文を読んでみてくださいね．
なかなか賢い方法を考え出す人もいるもんです，関心関心．．．
