Smooth Data

Сглаживайте зашумленные данные в Live Editor

Описание

Задача «Сглаживание данных» позволяет вам в интерактивном режиме сглаживать зашумленные данные. Задача автоматически генерирует MATLAB® код для вашего live скрипта.

Используя эту задачу, вы можете:

  • Настройте метод сглаживания данных в переменной рабочей области.

  • Настройте параметры, чтобы сглаживать меньше или больше.

  • Автоматическая визуализация сглаженных данных.

Smooth Data task in Live Editor

Откройте задачу

Чтобы добавить задачу Smooth Данных к live скрипту в РЕДАКТОРА MATLAB:

  • На вкладке Live Editor выберите Task > Smooth Data.

  • В код блоке скрипта введите соответствующее ключевое слово, например smooth или noisy. Выберите Smooth Data из предложенных завершений команды.

Параметры

Эта задача работает с данными типа single, double, или logical, или знаковые или беззнаковые целые типы, такие как int64. Данные могут содержаться в векторе или табличных переменных. При предоставлении таблицы или расписания для входных данных задайте All supported variables, чтобы работать со всеми переменными с поддерживаемым типом. Выберите All numeric variables для работы со всеми переменными типа single или double, или знаковые или беззнаковые целые типы. Чтобы выбрать определенные поддерживаемые переменные для работы, выберите Specified variables, а затем выберите переменные по отдельности.

Укажите метод сглаживания как одну из следующих опций, которые работают в локальных окнах данных.

МетодОписание
Moving mean

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

Moving medianДвижущаяся медиана. Этот метод полезен для уменьшения периодических трендов в данных, когда присутствуют выбросы.
Gaussian filterГауссово-взвешенное скользящее среднее значение.
Local linear regressionЛинейная регрессия. Этот метод может быть вычислительно дорогим, но приводит к меньшему количеству разрывов.
Local quadratic regressionКвадратичная регрессия. Этот метод немного дороже в вычислительном отношении, чем локальная линейная регрессия.
Robust local linear regressionУстойчивая линейная регрессия. Этот метод является более вычислительно дорогой версией локальной линейной регрессии, но он более устойчивый к выбросам.
Robust local quadratic regressionУстойчивая квадратичная регрессия. Этот метод является более вычислительно дорогой версией локальной квадратичной регрессии, но он более надежен для выбросов.
Savitzky-Golay polynomial filterПолиномиальный фильтр Савицкого-Голея, который сглаживается согласно полиному заданной степени и устанавливается над каждым окном. Этот метод может быть более эффективным, чем другие методы, когда данные изменяются быстро.

Укажите тип и размер окна для метода сглаживания вместо определения общего коэффициента сглаживания.

ОкноОписание
CenteredЗаданная длина окна с центром вокруг текущей точки.
AsymmetricЗаданное окно, содержащее количество элементов перед текущей точкой и количество элементов после текущей точки.

Размеры окон соответствуют X-axis единицам модулей.

Введенный в R2019b
Для просмотра документации необходимо авторизоваться на сайте