19-基于MATLAB的数据处理.docx

19-基于MATLAB的数据处理MATLAB熟悉MATLAB勺数据处理基本功能。PC机,。滤波、线性化、拟合与绘图等MATLAB勺数据处理常用功能。 参考(但不局限于)如下步骤完成实验::y=filter(B,A,X)说明:该滤波器勺数学模型为a(1)*y(n),b(1)*x(n),b(2)*x(n,1),?,b(nb,1)*x(n,nb),a(2)*y(n,1), ?,a(na,1)*y(n,na)。数字滤波过程t=linspace(0,10,100);s=sin(2*pi/5*t);noise=*rand(size(t));x=s+noise;y=zeros(size(x));A=[1-];B=[];y=filter(B,A,x);plot(t,x,'b',t,y,'r*')(1)多项式拟合目勺是在众多勺样本点中进行拟合,找出满足样本点分布勺多项式。多项式拟合在分析实验数据、将实验数据做解析描述时非常有用。的阶数,p为求出的多项式。对已知数据点进行多项式拟合>>x=[];>>y=[-];>>n=2;%多项式阶数>>p=polyfit(x,y,n)p=--(2)最小二乘曲线拟合x,y,i,1,2, ?,Nii,且已知这组数据满足某一函数原型假设有一组数据?y(x),f(a,x),其中a为待定系数向量。最小二乘曲线拟合的目的就是求出这一22NN?J,min[y,y(x)],min[y,f(a,x)]iiii,,11ii,, 组待定系数的值,使得目标函数为最小。在MATLAB勺最优化工具箱中提供了Isqcurvefit()函数,可以解决最小二乘拟合问题,该函数的调用格式为:[a,J]=lsqcurvefit(原函数名,a0,x,y)。其中,a0为最优化的初值,x、y分别为原始输入、输出数据向量,调用该函数将返回待定系数向量a,以及在此待定系数下的目标函数值 J。(3)最小二乘曲线拟合假设由下面的语句生成一组数据 x和y>>x=0:.1:10;y=*exp(-*x)+*exp(-*x).*sin(*x);,ax,ax24y(x),ae,aesin(ax)135显然,可以知道该数据满足原型ai其中为待定系数。根据已知的函数原型,新建如下的 m文件:functiony=myfun(a,x)y=a(1)*exp(-a(2)*x)+a(3)*exp(-a(4)*x).*sin(a(5)*x);进一步可以由下面的语句得出待定系数向量。>>[a,j]=lsqcurvefit(***@myfun,[1,1,1,1,1],x,y)essfully:==-,产生另外的估计点以达到数据更为平滑的效果。该技巧在信号处理与图像处理上应用广