适用于低内存嵌入式系统的移动平均算法优化问询

我当前在处理实时移动平均计算，采用了一种低复杂度的实时算法，代码如下：

public void AddPoint(double input)
{
    Value += (input - Value) / (dataLength * divergenceCorrection);
}

但实际测试发现，该算法得出的平均值与真实逐值计算结果相比，存在明显滞后：

示例1 #

double[] values = new double[] { 10, 10, 10, 10, 10, 2, 2, 2, 2, 2 };
double value = 0;
foreach(double num in values)
{
    value += (num - value) / (5 * 1);
}

运行结果为3.54..，但真实的最近5个值的平均值是2。

示例2 #

若输入数组为{ 100000, 100000, 100000, 100000, 100000, 2, 2, 2, 2, 2 }，运行上述算法得到的结果是22031，与真实值(2+2+2+2+2)/5 = 2相差极大。

为缩小衰减效果与目标窗口长度的差距，我尝试调整divergenceCorrection参数：

double[] values = new double[] { 100000, 100000, 100000, 100000, 100000, 2, 2, 2, 2, 2 };
double value = 0;
foreach(double num in values)
{
    value += (num - value) / (5 * 0.25);
}

调整后结果为33，虽更接近真实值，但我担心修改该参数会带来其他未知影响，希望找到更合适的解决办法。

我也考虑过传统的基于队列的移动平均实现，代码如下：

double[] values = new double[] { 100000, 100000, 100000, 100000, 2, 2, 2, 2, 2 };
Queue<double> queue = new Queue<double>();
double value = 100000;
// 初始化队列，填充初始值的均分
for(int i = 0; i < 5; i++)
{
    queue.Enqueue(value / 5);
}
// 实时计算逻辑
double tempVal = double.NaN;
foreach(double num in values)
{
    tempVal = num/5;
    value += tempVal;
    queue.Enqueue(tempVal);
    value -= queue.Dequeue();
}

但该方案需要存储历史数据，而我在嵌入式系统中使用，内存资源有限，这限制了可设置的窗口长度和采样分辨率。注：输入为实时传感器数据，必须存储历史值才能计算准确的移动平均。

内容的提问来源于stack exchange，提问作者julian bechtold