Сглаживание шумных данных в редакторе Live Editor
Задача «Сглаживание данных» позволяет в интерактивном режиме сглаживать шумные данные. Задача автоматически генерирует код MATLAB ® для сценария в реальном времени.
С помощью этой задачи можно:
Настройте метод сглаживания данных в переменной рабочей области.
Настройте параметры, чтобы создать меньшее или большее сглаживание.
Автоматически визуализируйте сглаженные данные.
Чтобы добавить задачу «Сглаживание данных» в сценарий в режиме реального времени в редакторе MATLAB, выполните следующие действия.
На вкладке «Интерактивный редактор» выберите «Задача» > «Сглаживание данных».
В блоке кода в сценарии введите соответствующее ключевое слово, например smooth или noisy. Выберите «Сглаживание данных» в списке предлагаемых завершений команды.
Input data - Допустимые входные данные из рабочей областиЭта задача работает с данными типа single, double, или logical, или подписанные или неподписанные целочисленные типы, такие как int64. Данные могут содержаться в векторных или табличных переменных. При предоставлении таблицы или расписания для входных данных укажите Все поддерживаемые переменные для работы со всеми переменными поддерживаемого типа. Выберите Все числовые переменные для работы со всеми переменными типа single или double, или целочисленные типы со знаком или без знака. Чтобы выбрать конкретные поддерживаемые переменные для работы, выберите Указанные переменные, а затем выберите переменные по отдельности.
Smoothing method - Метод сглаживания данныхMoving mean (по умолчанию) | Moving median | Gaussian filter | Local linear regression | Local quadratic regression | Robust local linear regression | Robust local quadratic regression | Savitzky-Golay polynomial filter | ...Укажите метод сглаживания в качестве одной из следующих опций, которые работают над локальными окнами данных.
| Метод | Описание |
|---|---|
Moving mean | Скользящее среднее. Этот метод полезен для сокращения периодических тенденций в данных. |
Moving median | Подвижная медиана. Этот метод полезен для уменьшения периодических тенденций в данных при наличии отклонений. |
Gaussian filter | Скользящее среднее, взвешенное по Гауссу. |
Local linear regression | Линейная регрессия. Этот метод может быть дорогостоящим в вычислительном отношении, но он приводит к меньшему количеству разрывов. |
Local quadratic regression | Квадратичная регрессия. Этот метод несколько дороже в вычислительном отношении, чем локальная линейная регрессия. |
Robust local linear regression | Надежная линейная регрессия. Этот метод является более дорогостоящей в вычислительном отношении версией локальной линейной регрессии, но он более надежен к отклонениям. |
Robust local quadratic regression | Надежная квадратичная регрессия. Этот метод является более дорогостоящей в вычислительном отношении версией локальной квадратичной регрессии, но он более надежен к отклонениям. |
Savitzky-Golay polynomial filter | Полиномиальный фильтр Савицкого - Голая, который сглаживается в соответствии с многочленом заданной степени и устанавливается над каждым окном. Этот метод может быть более эффективным, чем другие методы, когда данные быстро изменяются. |
Moving window - Окно для методов сглаживанияCentered (по умолчанию) | AsymmetricУкажите тип и размер окна для метода сглаживания вместо указания общего коэффициента сглаживания.
| Окно | Описание |
|---|---|
Centered | Указанная длина окна центрирована относительно текущей точки. |
Asymmetric | Указанное окно, содержащее число элементов перед текущей точкой и число элементов после текущей точки. |
Размеры окон зависят от переменных единиц по оси X.