使用前后的值分析期望值:辐射校准-条纹

Question

假设我有一个1x15的数据表

 [21 78 33 59 90 26 88 54 36 63 72 37 48 93 56]

因此，对于我的裸奔方程，我需要实现这个：

条纹百分比= {abs(Q_n - ((Q_n-1 + Q_n+1)/2)) / ((Q_n-1 +Q_n+1)/2))}*100

方程式的解释：

让我们将值90赋给Q_n (这来自单元格(1,5))，使用这个值意味着对于Q_n-1，我们需要值59，对于Q_n+1，我们需要值26 (所以在本质上，(1,4)之前的单元格和(1，6)之后的单元格)

Q_n = 90

Q_n-1 = 59

Q_n+1 = 26

我的问题是:如何对整个数据集执行此操作，并将其应用于条纹方程？(不包括第1行和第15行，因为第1行不能有Q_n-1，第15行也不能有Q_n+1 )

我在想一些事情，大概是这样的：

Q_n = 1;
while Q_n < length(middle.middle_interpolate)
    Q_n = Q_n+1;
    before = middle.middle_interpolate{Q_n-1};
    actual = middle.middle_interpolate{Q_n};
    after = middle.middle_interpolate{Q_n+1};
    averg = ((before + after)/2);
    equation = (abs(actual-averg)/averg)*100;
    plot(equation);
end

Answer 1

我把它分成了几部分，这样你就能看到我在做什么。它也只适用于这个特定的数据集，因为索引是硬编码的(但我打赌您可以弄清楚如何使它适用于您拥有的任何数据集)。

averg = mean([Qn(1:13),Qn(3:15)],2); % this is just getting your averg value.
actual = Qn(2:14);
equation = abs(actual-averg)./averg*100;
plot(equation)

当然，你可以把所有这些放在一行上，让它看起来非常复杂……

equation = abs(mean([Qn(1:13),Qn(3:15)],2) - Qn(2:14))./mean([Qn(1:13),Qn(3:15)],2)*100

但您希望使其具有一定的可读性，以供将来可能查看代码的其他人阅读。