O desenvolvimento de aplicações que lidam com processamento de sinais deve considerar a qualidade dos dados. Técnicas de aprendizado de máquina e técnicas estatísticas requerem ajustes e normalizações no conjunto de dados antes da análise de um dado fenômeno. Quando um conjunto de dados não é tratado para reduzir inconsistências e ruídos fornecidos por instrumentos ou por condições naturais, a análise acrescenta uma tendência, ou seja, os resultados não podem ser reproduzidos porque o conjunto de dados recebe inconsistências condicionadas pelo ruído. Neste sentido, o trabalho a seguir apresenta um sistema para processamento de sinais e ajuste de dados, utilizando como estudo de caso a aplicação em dados espectrais de supernovas, para configurar uma normalização automática e uniforme em grandes conjuntos de dados. Este trabalho propõe uma estratégia de dupla filtragem utilizando o filtro Savitzky-Golay para otimização da redução de ruído. Este sistema produz um sinal filtrado capaz de garantir a otimização em alguns parâmetros, como o deslocamento mínimo do comprimento de onda comparado ao sinal original, a manutenção da forma do sinal original, a atenuação do ruído no sinal e a qualidade na busca por mínimos e máximos locais. A comparação com outras estratégias da literatura salienta a eficiência do sistema e sua aplicabilidade para diversos tipos de sinais e espectros.