在软件中实现高频滤波通常涉及以下几个步骤：
信号采样：
首先，需要以足够高的采样频率对信号进行采样，以便能够捕捉到高频成分。根据奈奎斯特-香农采样定理，采样频率应至少是信号中最高频率的两倍。
信号处理：
使用数字信号处理（DSP）技术对信号进行处理。这通常包括傅里叶变换（FFT）将信号从时域转换到频域，然后通过滤波器设计来去除不需要的高频成分，最后再通过逆傅里叶变换（IFFT）将信号转换回时域。
滤波器设计：
设计一个低通滤波器来去除高频成分。这可以通过多种方法实现，如巴特沃斯滤波器、椭圆滤波器或切比雪夫滤波器等。滤波器的截止频率应设置在所需去除的高频成分的频率以下。
实现：
在软件中实现滤波器设计，并进行仿真或实际信号处理。这可以通过编程语言如Python、MATLAB等实现。
```matlab
% 设置采样频率和信号频率
SampleFreq = 800000; % 采样频率
S1_Freq = 20000; % 基波频率
S2_Freq = 80000; % 高频开关噪声频率
% 生成信号
t = (0:1/SampleFreq:1)*1; % 时间向量
x = sin(2*pi*S1_Freq*t) + 0.2*cos(2*pi*S2_Freq*t) + 2; % 基波+谐波信号，幅值保证为正
% FFT变换
y = fft(x, SAMPLE_NODES); % FFT变换
% 设计低通滤波器，去除高频成分
for m = 3:31 % 滤波器截止频率为基波频率的两倍
y(m) = 0;
end
% IFFT变换
z = ifft(y, SAMPLE_NODES); % IFFT变换
% 显示结果
subplot(2,2,1); plot(x); title('原始信号'); axis([0 SAMPLE_NODES 0 5]);
subplot(2,2,2); plot(abs(y)); title('FFT'); axis([0 SAMPLE_NODES 0 80]);
subplot(2,2,3); plot(abs(z)); title('滤波后信号'); axis([0 SAMPLE_NODES 0 5]);
```
在这个示例中，我们首先生成了一个包含基波和谐波信号的模拟信号，然后通过FFT将其转换到频域。接着，我们设计了一个低通滤波器来去除高频成分，最后通过IFFT将信号转换回时域并显示结果。
请注意，这只是一个简单的示例，实际应用中可能需要更复杂的滤波器设计和信号处理技术。此外，根据具体需求，可能还需要考虑滤波器的相位响应、群延迟等因素。