Savitzky-Golay滤波是一种基于局部多项式拟合的数据平滑方法，通过最小二乘法确定多项式系数。它在去除噪声和保留数据趋势上表现出色，但对窗口大小和多项式阶数的选择敏感，计算复杂性较高。相比于移动平均滤波，Savitzky-Golay滤波提供了更灵活的拟合和更好的去噪效果，但可能造成过度平滑或过度拟合。
数据处理
Savitzky-Golay 滤波
数学原理基于局部多项式拟合和最小二乘法。
主要步骤：
-
选择窗口： 在数据中选择一个窗口，窗口的大小是一个奇数，通常是 3、5、7 等。窗口越大，拟合的多项式阶数越高。
-
多项式拟合： 在每个窗口内，使用最小二乘法进行多项式拟合。假设选取的窗口大小为 2m+1，表示窗口中有 2m+1个数据点。在这个窗口内，我们拟合一个 n 次多项式（通常选择n较小，例如 n = 2 或n = 3），该多项式为：
P(x) = a0 + a1x + a2x2 +……+ anxn
其中，a0, a1, …, an 是待定系数，通过最小二乘法求解。
-
平滑： 对于窗口中的每个数据点，使用在步骤 2 中得到的多项式在窗口中心 x处计算拟合值，将这个拟合值作为平滑后的结果。
数学原理
假设我们有一个包含 2m+1个数据点的窗口，可以表示为 (x1, y1), (x2, y2), ……, (x2m+1, y2m+1)。然后，我们希望拟合一个n 次多项式P(x)来逼近这些数据点。通过最小二乘法，我们要最小化下面的损失函数：
![[ L(a_0, a_1, \ldots, a_n) = \sum_{i=1}^{2m+1} [y_i - P(x_i)]^2 ]](https://i-blog.csdnimg.cn/blog_migrate/0cd6fa5f6c12a2be609968c59427d5d3.png)
对上述损失函数进行偏导数为零的求解，得到待定系数的解，然后可以得到拟合的多项式。最后，在窗口中心 x处计算多项式的值，作为平滑后的结果。
需要注意的是，选择合适的窗口大小和多项式阶数对于滤波效果至关重要，这通常需要根据具体的数据和应用来进行调整。较大的窗口和较高阶数可能会过度拟合数据，导致失真；较小的
最低0.47元/天 解锁文章
5556
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
