加权平均算法可突出一部分信号抵制另一部分信号，以提高采样值变化的灵敏度。

这道题的表述是**正确**的。以下是对该结论的详细解析： ### 1. 加权平均算法的核心原理 加权平均算法（Weighted Moving Average）与简单算术平均不同，它为数据序列中的不同采样点分配了不同的**权重系数**。 - **简单平均**：所有采样点的权重相等（例如 $1/N$），同等对待历史数据和最新数据。 - **加权平均**通常赋予**近期数据更大的权重**，而赋予远期数据较小的权重。 ### 2. 如何“突出一部分信号，抵制另一部分信号”？ - **突出近期信号**：通过给最新的采样值赋予较高的权重，算法能够更快速地反映被测物理量的当前变化趋势。 - **抑制噪声或滞后影响**：通过给较旧的采样值赋予较低的权重，可以减弱过去状态对当前计算结果的拖累（即减少滞后效应），同时由于仍然保留了平均过程，相比单点采样，它依然具有一定的平滑噪声能力（尽管比简单平均弱，但响应更快）。 ### 3. 如何提高“采样值变化的灵敏度”？ 在控制系统或信号处理中，“灵敏度”通常指系统对输入变化的响应速度。 - 如果使用**简单移动平均**，由于所有数据权重相同，当信号发生突变时，平均值需要很长时间才能跟上实际值的变化（滞后严重，灵敏度低）。 - 使用**加权平均**（特别是指数加权移动平均 EWMA 等变体），因为最新数据占主导地位，计算结果能更快地跟随信号的突变。因此，相对于简单平均，加权平均确实**提高了对信号变化的灵敏度**。 ### 总结 加权平均算法通过调整权重分布，实现了对**新信号（变化部分）的突出**和对**旧信号（稳定或噪声部分）的相对抑制**，从而在保证一定滤波效果的同时，显著提升了系统对动态变化的响应速度（灵敏度）。 因此，题干描述符合加权平均算法的特性，答案为：**正确**。