matlab自带的插值函数interp1的四种插值方法

matlab自带的插值函数interp1的四种插值方法分段线性插值,临近插值,球面插值,三次多项式插值!!

大家好,又见面了,我是你们的朋友全栈君。

x=0:2*pi;
y=sin(x);
xx=0:0.5:2*pi;

%interp1对sin函数进行分段线性插值,调用interp1的时候,默认的是分段线性插值
y1=interp1(x,y,xx);
figure
plot(x,y,'o',xx,y1,'r')
title('分段线性插值')

%临近插值
y2=interp1(x,y,xx,'nearest');
figure
plot(x,y,'o',xx,y2,'r');
title('临近插值')

%球面线性插值
y3=interp1(x,y,xx,'spline');
figure
plot(x,y,'o',xx,y3,'r')
title('球面插值')

%三次多项式插值法
y4=interp1(x,y,xx,'cubic');
figure
plot(x,y,'o',xx,y4,'r');
title('三次多项式插值')

 

matlab自带的插值函数interp1的四种插值方法

 

matlab自带的插值函数interp1的四种插值方法

matlab自带的插值函数interp1的四种插值方法

matlab自带的插值函数interp1的四种插值方法

 

(1)    Nearest方法速度最快,占用内存最小,但一般来说误差最大,插值结果最不光滑。

(2)    Spline三次样条插值是所有插值方法中运行耗时最长的,插值函数及其一二阶导函数都连续,是最光滑的插值方法。占用内存比cubic方法小,但是已知数据分布不均匀的时候可能出现异常结果。

(3)    Cubic三次多项式插值法中,插值函数及其一阶导数都是连续的,所以插值结果比较光滑,速度比Spline快,但是占用内存最多。

语法形式

说明

y=interp1(x,Y,xi)

由已知点集(x,Y)插值计算xi上的函数值

y=interp1(x,Y,xi)

相当于x=1:length(Y)的interp(x,Y,xi)

y=interp1(x,Y,xi,method)

用指定插值方法计算插值点xi上的函数值

y=interp1(x,Y,xi,method,’extrap’)

对xi中超出已知点集的插值点用指定插值方法计算函数值

y=interp1(x,Y,xi,method,’extrap’,extrapval)

用指定方法插值xi上的函数值,超出已知点集处函数值取extrapval

y=interp1(x,Y,xi,method,’pp’)

用指定方法插值,但返回结果为分段多项式

 

 

 

 

Method

方法描述

‘nearest’

最邻近插值:插值点处函数值与插值点最邻近的已知点函数值相等

‘liner’

分段线性插值:插值点处函数值由连接其最邻近的两侧点的线性函数预测。Matlab中interp1的默认方法。

‘spline’

样条插值:默认为三次样条插值。可用spline函数替代

‘pchip’

三次Hermite多项式插值,可用pchip函数替代

‘cubic’

同’pchip’,三次Hermite多项式插值

更新日志2020-11-3

有个小老弟问我,怎么把这个插值函数获取到,后续调用,然后去看了一眼官方文档,有一句话

pp = interp1(x,v,method,'pp')

分段多项式,以可传递到 ppval 函数进行计算的结构体的形式返回。

也就是说这个插值函数可以使用上述代码获取到函数,然后使用ppval执行这个函数在某个特定位置的插值结果,比如

%test interpolate
clear;clc;close all
N=1200;
x = 1:0.5:6;
y = sin(x);
pp = interp1(x,y,'pchip','pp');

xq= 1:0.1:6;
result = ppval(pp,xq);
plot(x,y,'o',xq,result,'-.')

上述代码就是将函数以`pp`变量返回,然后使用ppval调用此函数,获取在xq处的值

matlab自带的插值函数interp1的四种插值方法

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/130664.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • Django安装教程_怎样安装ubuntu安装教程

    Django安装教程_怎样安装ubuntu安装教程第二步:安装django这一步由于网络问题可能会出现连接超时报错,只能重试:第三步:测试效果第四步:创建Django项目启动Web服务启动时会提示如下错如:解决办法:再运行就不会报错了。以上显示就是正常运行了,我们可以访问测试一下:返回状态码200表示成功!!!或者通过浏览器访问:参考:https://docs.djangoproject.com/en/4.0/intro/install/上一课1.1Docker安装Django下一课1.3完成一个简单的Demo

    2022年9月8日
    0
  • 排序算法:堆排序

    排序算法:堆排序

    2021年10月5日
    45
  • httprunner3源码解读(3)client.py

    httprunner3源码解读(3)client.py源码目录结构ApiResponse这个类没啥好说的classApiResponse(Response):"""继承了requests模块中的Response类

    2022年7月31日
    2
  • 【汇编小白】关于masm5.0 显示 Unable to open input file

    【汇编小白】关于masm5.0 显示 Unable to open input file   然后, <https://blog.csdn.net/w605283073/article/details/8334732?_t_t_t=0.2288642483095238>这里也有讲解(侵删)ummmmm…第一次在这个平台写东西,不知道有没有人看and…为啥这个文章的标签,中文我加不来。,。加不来啊 (win10自带的微软输入法。,。输中文输一…

    2022年7月17日
    16
  • 风控模型评估方法以及大数据风控模型概念

    风控模型评估方法以及大数据风控模型概念更新一下有效性指标中的区分能力指标:KS(Kolmogorov-Smirnov):KS用于模型风险区分能力进行评估,指标衡量的是好坏样本累计分部之间的差值。好坏样本累计差异越大,KS指标越大,那么模型的风险区分能力越强。KS的计算步骤如下:1.计算每个评分区间的好坏账户数。2.计算每个评分区间的累计好账户数占总好账户数比率(good%)和累计坏账户数占总坏账户数比率(bad%

    2022年6月3日
    37
  • GT911 LINUX 驱动添加

    GT911 LINUX 驱动添加1.将https://download.csdn.net/download/du2005023029/11855968GT911驱动gt9xx文件夹放在Linux源码drivers/input/touchscreen下修改drivers/input/touchscreenMakefileobj-$(CONFIG_TOUCHSCREEN_GOODIX)+=…

    2022年6月17日
    32

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号