插值和拟合都是数据优化的一种方法,当实验数据不够多时经常需要用到这种方法来画图。在matlab中都有特定的函数来完成这些功能。这两种方法的确别在于:当测量值是准确的,没有误差时,一般用插值;当测量值与真实值有误差时,一般用数据拟合。
插值:
对于一维曲线的插值,一般用到的函数yi=interp1(X,Y,xi,method)
,其中method包括nearst,linear,spline,cubic。
对于二维曲面的插值,一般用到的函数zi=interp2(X,Y,Z,xi,yi,method),其中method也和上面一样,常用的是cubic。
拟合:
对于一维曲线的拟合,一般用到的函数p=polyfit(x,y,n)和yi=polyval(p,xi),这个是最常用的最小二乘法的拟合方法。
对于二维曲面的拟合,有很多方法可以实现,但是我这里自己用的是Spline
Toolbox里面的函数功能。具体使用方法可以看后面的例子。
原始数据
x=[1:1:15];
y=[1:1:5];
z=[0.2 0.24 0.25 0.26 0.25 0.25 0.25 0.26 0.26 0.29 0.25
0.29;
0.27 0.31 0.3 0.3 0.26 0.28 0.29 0.26 0.26 0.26 0.26 0.29;
0.41 0.41 0.37 0.37 0.38 0.35 0.34 0.35 0.35 0.34 0.35 0.35;
0.41 0.42 0.42 0.41 0.4 0.39 0.39 0.38 0.36 0.36 0.36 0.36;
0.3 0.36 0.4 0.43 0.45 0.45 0.51 0.42 0.4 0.37 0.37 0.37];
z是一个5乘12的矩阵。
直接用原始数据画图如下:
surf(x,y,z)
title(’Original data Plot’);
xlabel(’X'), ylabel(’Y'), zlabel(’Z'),
colormap, colorbar;
axis([0 15 0 6 0.15 0.55]);
先考虑插值,需要用到的函数interp2
x1=1:0.2:12;
y1=1:0.2:5;
[x2,y2]=meshgrid(x1,y1);
t11=interp2(x,y,z,x2,y2,’cubic’);
surf(x1,y1,t11)
title(’After Fit data Plot’);
xlabel(’X'), ylabel(’Y'), zlabel(’Z'),
colormap, colorbar;
然后考虑拟合
ky = 3; knotsy = augknt([0:2.5:13],ky);
sp = spap2(knotsy,ky,y,z);
yy = 0:.5:12; vals = fnval(sp,yy);
coefsy = fnbrk(sp,’c');
kx = 5; knotsx = augknt([1:4:5],kx);
sp2 = spap2(knotsx,kx,x,coefsy.’);
coefs = fnbrk(sp2,’c').’;
xv = 1:.25:5; yv = 1:.5:12;
values =
spcol(knotsx,kx,xv)*coefs*spcol(knotsy,ky,yv).’;
surf(yv,xv,values)
title(’After Polynal data Plot’);
xlabel(’X'), ylabel(’Y'), zlabel(’Z');
colormap, colorbar;
axis([0 15 0 6 0.2 0.55]);
效果从上面三个图上面已经看出来了。基本上满足了现在画图的要求,如果测量值比较精确,我们选择第二种方法插值法来画图,如果觉得测量值不是很精确需要用拟合的方法的话,那当然用第三种方法了。关于Spline
Toolbox当然还有更多应用,还有就是里面参数设置为什么要这样设,该怎样设要写下来估计再写一整页都写不完,所以还是大家感兴趣的自己去看帮助文档好了,里面有详细介绍。