平稳时间序列是指在统计特性上不随时间变化的一类时间序列数据。然而，在实际应用中，时间序列数据常常受到噪声的干扰，噪声会造成数据的不确定性，降低信号的可辨识性。因此，去除时间序列中的噪声是非常重要的。在实际应用中，有许多方法可以用来对平稳时间序列进行去噪处理。

常见的去噪方法之一是移动平均法。移动平均法是指对时间序列中的每个数据点，取其前后一定数量的数据值的平均数作为去噪后的数值。通过这种方式，可以减少噪声的影响，使得数据的趋势更加清晰明确。另外，指数平滑法也是一种常用的去噪方法，它通过对时间序列中的数据赋予不同的权重来降低噪声对数据的影响，使得数据更加平滑。

小波变换也是一种常见的时间序列去噪方法。小波变换通过将时间序列分解为不同频率的小波信号，然后根据信号的能量大小去除部分高频噪声，从而实现对时间序列的去噪处理。小波变换对于局部信号特征的捕捉以及噪声的抑制有着良好的效果，因此在时间序列去噪中得到了广泛的应用。

还有基于机器学习算法的时间序列去噪方法，比如使用支持向量机（SVM）、神经网络等方法来对时间序列进行建模和去噪处理。这些方法通过对时间序列进行特征提取和建模，可以有效地区分信号和噪声，从而实现对时间序列的去噪处理。