如何在Matlab或python中过滤抛物线/多项式多项式拟合中不需要的数据和噪声

Question

我有一组数据，我需要找到一个最适合的多项式。目前我使用的是python的polyfit，但是有一些明显的异常值(当抛物线上的值降到0时)会影响我的多项式。我该如何过滤掉数据中不需要的下落，以便得到不包含噪声的最佳拟合抛物线？

​

​

有一条明显的抛物线路径，我想要得到多项式。有没有一个matlab函数可以用来过滤噪声，这样polyfit就可以更好地表示抛物线数据路径？

Answer 1

您可以通过卷积过滤一维函数。

我使用了这个数据集：

y=[0 10 50 80 100 0 100 0 110 0 130 130 0 130 0 110 0 100 0 70 0 50 20 10 0];

​

​

当卷积的时候

ones(1,10)/10

如下所示：

convolved=conv(y,ones(1,10)/10);

然后将其归一化为相同的最大值，

convolved2=convolved*max(y)/max(convolved);

这就是结果：

​

​

当卷积的时候

convolved=conv(y,ones(1,50)/50);

这是结果(再乘以y的最大值，再除以卷积的最大值)：

​

​

你只需要按你需要的方式调整滤镜。希望这能有所帮助。