AVT统计滤波算法是一种改善从各种来源收集的原始数据质量的方法。在有带内噪声存在的情况下，它是最有效的。在这些情况下，AVT在过滤数据方面比带通滤波器或任何基于变化的数字过滤更好。当信号/数据的频率与噪声不同时，传统的滤波是有用的，信号/数据是通过对噪声的频率判别来分离/过滤的。使用低通、高通和带通滤波来完成辨别频率的过滤，指的是这种配置的相对频率过滤标准。这些滤波器使用无源和有源元件创建，有时使用基于快速傅里叶变换（FFT）的软件算法实现。AVT滤波是用软件实现的，其内部工作是基于原始数据的统计分析。当信号频率/（有用数据分布频率）与噪声频率/（噪声数据分布频率）重合时，我们就有带内噪声。在这种情况下，鉴频滤波不起作用，因为噪声和有用信号是无法区分的，这也是AVT擅长的地方。

计算收集到的数据的平均值将结果作为实际数据提出/记录中位数算法收集n个数据样本将数据按升序或降序排序。

计算标准差和平均值删除任何大于或小于平均值±1个标准差的数据计算其余数据的平均值将结果作为代表数据样本的实际值呈现/记录该算法基于振幅判别，可以很容易地拒绝任何与实际信号不同的噪声，否则在统计上就会与信号的1个标准差不同。请注意，这种类型的过滤可用于实际环境噪声事先不知道的情况下。请注意，在上述步骤中使用中位数比使用平均数更合适。最初，AVT算法使用平均值来与数据窗口上的中位数的结果进行比较。

使用一个信号值为1的系统，并在0.1%和1%的水平上添加噪声，将简化算法性能的量化。R脚本用于创建添加到信号的伪随机噪声，并分析使用几种算法的过滤结果。与中位数和平均数算法相比，AVT算法在使用32、64和128的数据样本量时提供了最佳结果。请注意，该图是通过分析10000个值的随机数据阵列创建的。该数据的样本在下面用图表示。从该图可以看出，AVT在分析相同的数据集时，提供了5%到10%的准确数据，优于其他过滤算法。考虑到这个数字实验中使用的噪声的随机性，在实际信号水平低于环境噪声的最坏情况下，用AVT算法处理数据的精度提高是很明显的。

级联AVT在某些情况下，通过级联几个阶段的AVT过滤可以获得更好的结果。这将产生奇异的恒定值，可用于具有已知稳定特性的设备，如温度计、热敏电阻和其他慢动作传感器。

计算标准偏差和平均值掉落任何在一个标准偏差±平均带内的数据计算剩余数据的平均值提出/记录结果作为实际数据这对检测接近背景噪音水平的微小信号很有用。

用于行星探测，过滤来自开普勒（航天器）的原始数据在所有其他过滤方法都失败的情况下，过滤声源的噪声。