数据插值-MATLAB学习笔记

插值和拟合

初学插值，我不禁想：“这不就是曲线拟合吗？”，然而，在运用matlab画了几张图，兼之对比了曲线拟合和数据插值的实现方法，发现它们还是不同的。
曲线拟合，一般是追求拟合函数与原始数据的均方误差达到极小，是一种整体意义的逼近，对局部性质没有要求，因此，它允许拟合结果不经过样本值。
而数据插值的话，则是在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点，插值函数在离散点之外的那些点都相当于“插入”的值。插值有全局插值，也有局部插值（比如分段线性插值），插值误差通常考虑的是逐点误差或最大模误差，插值的好坏往往通过某些局部的性质来体现，比如龙格现象或吉布斯振荡。

插值总结

根据被插函数的自变量个数，插值可分为一维插值、二维插值及多维插值；而根据插值函数的类型，可分为线性插值、多项式插值和样条插值等。

一维数据插值

若已知数据是平面上的一组点集，即被插函数是单变量函数时，此时称为一维插值问题。
matlab提供interp1函数实现一维插值，其调用格式如下：

vq = interp1(x,v,xq,method,extrapolation)

其中，输入参数x、v分别储存采样点和采样值。若同一个采样点对应多个采样值，则v为矩阵，v的每一列对应一种采样值。输入参数xq储存插值点，而输出参数vq是一个行数和xq的长度相同、列数与v相同的矩阵。选项method指定插值方法。

例题：

分别用pchip方法和spline方法对下面的函数进行插值，绘制图形并比较两者异同。

代码如下：

subplot(1,2,1)
x1=1:7;
y1=x1;% x<=5和x>=3时y值
y1(x1<3)=3;
y1(x1>5)=5;
xq1=1:0.1:7; % 插值点
p1=interp1(x1,y1,xq1,'pchip');
s1=interp1(x1,y1,xq1,'spline');
plot(x1,y1,'ko',xq1,p1,'r-',xq1,s1,'b-.')
legend('样本点','pchip','spline')
subplot(1,2,2)
x2=1:0.2:2*pi;
y2=cos(5*x2)./(sqrt(x2));
xq2=1:0.1:2*pi;% 插值点
p2=interp1(x2,y2,xq2,'pchip');
s2=interp1(x2,y2,xq2,'spline');
plot(x2,y2,'bo',xq2,p2,'r-',xq2,s2,'b-.');
legend('样本点','pchip','spline')

运行结果图：

二维数据插值

若已知的数据集是三维空间中的离散点集，则被插函数是二维函数。
matlab提供interp2函数：

Vq = interp2(X,Y,V,Xq,Yq,method)

X,Y分别储存采样点的平面坐标，V储存采样值。其他参数同理。
Attention：如果X、Y表示二维平面上的点，则（X,Y）必须是网格形式！

例题：

一钢板长4m，宽2m，测得钢板表面（x，y）处的温度t(℃)见下表。

（1）用线性插值法求（2.8,1.7）处的温度。
（2）用三次样条插值法求出每隔0.1m处钢板的温度，并绘制插值后的温度分布图。

代码如下：

clc
clear
[x,y]=meshgrid(0:4,0:2); %创建网格
t=[44 25 20 24 30;42 21 20 23 38;25 23 19 27 40]; %样本值
[xq,yq]=meshgrid(0:0.1:4,0:0.1:2); % 创建插值网格
% (1)问
tq1=interp2(x,y,t,2.8,1.7,'linear');
% (2)问
tq2=interp2(x,y,t,xq,yq,'spline');
surf(xq,yq,tq2);

运行结果如下：

在上题中，因为x、y表示二维平面上的点，因此需要创建（x，y）网格。
此外，tq1=interp2(x,y,t,x1,y1,method);可以直接得到点（x1,y1）的插值。

多维插值

多维插值方法同二维。
n纬插值函数调用格式如下：

vq=interpn(x1,y1,……,v,xq1,yq1,……,method);

散乱数据插值

散乱数据指在二维平面或者三维空间中随机分布的数据，matlab提供griddata函数实现散乱数据插值。其调用格式如下：

vq=griddata(x,y,v,xq,yq,method);
vq=griddata(x,y,z,v,xq,yq,zq,method);

插值方法：
做题时思路和上述的二维插值大致一样。

结语

简单记录一下，等下次有新的收获再来写点儿，溜了溜了。。
Hustle everyday