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.

Smooth Data task in Live Editor

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

Эта задача управляет на данных типа single'double', или logical, или целое число со знаком или типы беззнаковых целых чисел, такие как int64. Данные могут содержаться в векторе или табличных переменных. При обеспечении таблицы или расписания для входных данных, задайте All supported variables, чтобы работать со всеми переменными с поддерживаемым типом. Выберите All numeric variables, чтобы управлять на всех переменных типа single или double, или целое число со знаком или типы беззнаковых целых чисел. Чтобы выбрать определенные поддерживаемые переменные, чтобы работать с, выберите Specified variables и затем выберите переменные индивидуально.

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 коэффициент 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