当前位置：文江博客话题详情

如何平滑 MATLAB 中的绘图？

发布于 2024-08-06 12:25:52 字数 451 浏览 8 评论 0原文

我在图表上绘制了大约 9000 个点：

[全分辨率]

alt text

其实剧情并没有我想象的那么顺利。 是否有某种方法可以将图形平滑到所需的程度？

或者某种形式的阈值处理，以便我可以有选择地平滑过于凹凸不平的部分？

我不确定，但可以快速傅里叶变换有帮助吗？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

紫南 2024-08-13 12:25:53

如果您有曲线拟合工具箱，则可以使用平滑功能。默认方法是大小为 5 的移动平均线（可以更改方法）。示例：

% some noisy signal
Fs = 200; f = 5;
t = 0:1/Fs:1-1/Fs;
y = sin(2*pi*f*t) + 0.6*randn(size(t));
subplot(411)
plot(y), title('Noisy signal')

% smoothed signal
subplot(412)
plot( smooth(y, 5, 'moving') ), title('smooth')
ylim([-2 2])

如果没有，您可以使用您自己的窗口函数，使用 来自核心 MATLAB 的过滤器 函数：

% equivalent to a moving average window
wndwSize = 5;
h = ones(1,wndwSize)/wndwSize;
subplot(413)
plot( filter(h, 1, y) ), title('filter + square window')

% Guassian
h = pdf('Normal',-floor(wndwSize/2):floor(wndwSize/2),0,1);
subplot(414)
plot( filter(h, 1, y) ), title('filter + Guassian window')

screenshot

If you have the Curve Fitting Toolbox, you can use the smooth function. The default method is a moving average of size 5 (method can be changed). An example:

% some noisy signal
Fs = 200; f = 5;
t = 0:1/Fs:1-1/Fs;
y = sin(2*pi*f*t) + 0.6*randn(size(t));
subplot(411)
plot(y), title('Noisy signal')

% smoothed signal
subplot(412)
plot( smooth(y, 5, 'moving') ), title('smooth')
ylim([-2 2])

If not, you can use use your own window function using the filter function from core MATLAB:

% equivalent to a moving average window
wndwSize = 5;
h = ones(1,wndwSize)/wndwSize;
subplot(413)
plot( filter(h, 1, y) ), title('filter + square window')

% Guassian
h = pdf('Normal',-floor(wndwSize/2):floor(wndwSize/2),0,1);
subplot(414)
plot( filter(h, 1, y) ), title('filter + Guassian window')

screenshot

回复收藏 0 原文

笑梦风尘 2024-08-13 12:25:53

一种简单（临时）的方法是在每个点与其相邻点取加权平均值（可通过 alpha 调整）：

data(2:n-1) = alpha*data(2:n-1) + (1-alpha)*0.5*(data(1:n-2)+data(3:n))

或其某种变体。是的，为了更复杂，您可以首先对数据进行傅里叶变换，然后切断高频。类似于：

f = fft(data)
f(n/2+1-20:n/2+20) = zeros(40,1)
smoothed = real(ifft(f))

这会删除最高 20 个频率。小心地将它们对称地切掉，否则逆变换不再真实。您需要仔细选择截止频率以获得正确的平滑级别。这是一种非常简单的滤波（频域中的箱式滤波），因此如果失真不可接受，您可以尝试轻轻地衰减高阶频率。

A simple (ad hoc) way is to just take a weighted average (tunable by alpha) at each point with its neighbors:

data(2:n-1) = alpha*data(2:n-1) + (1-alpha)*0.5*(data(1:n-2)+data(3:n))

or some variation thereof. Yes, to be more sophisticated you can Fourier transform your data first, then cut off the high frequencies. Something like:

f = fft(data)
f(n/2+1-20:n/2+20) = zeros(40,1)
smoothed = real(ifft(f))

This cuts out the highest 20 frequencies. Be careful to cut them out symmetrically otherwise the inverse transform is no longer real. You need to carefully choose the cutoff frequency for the right level of smoothing. This is a very simple kind of filtering (box filtering in frequency domain), so you can try gently attenuating high order frequencies if the distortion is unacceptable.

回复收藏 0 原文