Smooth Data

Сглаженные зашумленные данные в Live Editor

Описание

Сглаженная задача Данных позволяет вам в интерактивном режиме сглаживать зашумленные данные. Задача автоматически генерирует код MATLAB® для вашего live скрипта.

Используя эту задачу, вы можете:

  • Настройте метод для сглаживания данных в переменной рабочей области.

  • Настройте параметры, чтобы сгенерировать меньше или больше сглаживания.

  • Автоматически визуализируйте сглаживавшие данные.

Откройте задачу

Добавить Сглаженную задачу Данных в live скрипт в редакторе MATLAB:

  • На вкладке Live Editor выберите Task > Smooth Data.

  • В блоке кода в скрипте введите соответствующее ключевое слово, такое как smooth или noisy. Выберите Smooth Data из предложенных завершений команды.

Параметры

Задайте метод сглаживания как одну из следующих опций, которые действуют по локальным окнам данных.

МетодОписание
Moving mean

Скользящее среднее значение. Этот метод полезен для сокращения периодических трендов в данных.

Moving medianДвижущаяся медиана. Этот метод полезен для сокращения периодических трендов в данных, когда выбросы присутствуют.
Gaussian filterВзвешенное гауссовым образом скользящее среднее значение.
Local linear regressionЛинейная регрессия. Этот метод может быть в вычислительном отношении дорогим, но он приводит к меньшему количеству разрывов.
Local quadratic regressionКвадратичная регрессия. Этот метод является немного более в вычислительном отношении дорогим, чем локальная линейная регрессия.
Robust local linear regressionУстойчивая линейная регрессия. Этот метод является более в вычислительном отношении дорогой версией локальной линейной регрессии, но это более устойчиво к выбросам.
Robust local quadratic regressionУстойчивая квадратичная регрессия. Этот метод является более в вычислительном отношении дорогой версией локальной квадратичной регрессии, но это более устойчиво к выбросам.
Savitzky-Golay polynomial filterФильтр полинома Savitzky-Golay, который сглаживает согласно полиному заданной степени и адаптирован по каждому окну. Этот метод может быть более эффективным, чем другие методы, когда данные варьируются быстро.

Задайте тип окна и размер для метода сглаживания вместо того, чтобы задать общий фактор сглаживания.

ОкноОписание
CenteredЗаданная длина окна сосредоточена о текущей точке.
AsymmetricЗаданное окно, содержащее число элементов перед текущей точкой и числом элементов после текущей точки.

Размеры окна относительно модулей переменной X-axis.

Введенный в R2019b