Matlab的三次样条插值与多项式拟合使用

Daler_sit

已于 2023-05-14 16:50:46 修改

阅读量4.4k

点赞数 8

分类专栏： matlab 文章标签： matlab

于 2023-05-14 15:06:35 首次发布

本文链接：https://blog.csdn.net/weixin_57554259/article/details/130668211

版权

matlab 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

三次样条插值函数：

Matlab有现成三次样条插值函数，使用较为方便。

% 清空命令窗口和工作空间
clear, clc

% 求解单个x位置的插值y
x = 1:12;
y = [5, 8, 9, 15, 25, 29, 31, 30, 22, 25, 27, 24];
x0 = 5.5;
y0 = spline(x, y, x0);

% 进行插值计算
xi = 1:0.1:12;
yi = spline(x, y, xi);

% 绘制图像
plot(x, y, '+', xi, yi, 'r')
legend('样本点', '三次样条插值函数曲线')
grid on
print(gcf, '-r600', '-djpeg', 'figure3.jpg')

代码具体功能：

求解单个插值点的值：使用 spline 函数计算给定 x0 值时的插值点 y0。
进行插值计算：使用 spline 函数计算一系列等间距的 xi 值对应的插值点 yi。
绘制图像：使用 plot 函数将样本点和插值函数曲线绘制在同一张图上。

plot函数中参数解释：

gcf: gcf表示获取当前图像的句柄（handle），即当前活动的图像窗口。gcf用于指定要保存的图像对象，即当前打开的图像窗口。
'-r600': -r是指定分辨率（resolution）的选项。600表示分辨率的值，这里设置为600 dpi（每英寸点数）。较高的分辨率可以提高图像的质量和清晰度。
'-djpeg': -d是指定文件格式（device）的选项。'jpeg'表示保存为JPEG格式的文件。JPEG是一种常见的图像压缩格式，适用于存储彩色图像。
'figure3.jpg': 'figure3.jpg'是保存的文件名。这里将图像保存为名为figure3.jpg的文件。你可以根据需要更改文件名。

三次样条插值常用于以下情景：

数据平滑：通过使用三次样条插值方法，可以对离散的数据进行平滑插值，使得插值函数在相邻数据点之间呈现平滑的曲线。
缺失值填充：当数据中存在缺失值时，可以使用三次样条插值方法来估计缺失值，从而填充数据集。
函数逼近：通过三次样条插值，可以近似地表示出数据集中的函数关系，从而用于函数逼近或曲线拟合的问题。
数据预测：基于已知数据点，使用三次样条插值方法可以对未来或缺失的数据进行预测，以估计未知数据的值。
可视化展示：三次样条插值可以用于生成平滑的曲线或表面，用于可视化展示数据的趋势、形状或变化。

总的来说，三次样条插值在需要对离散数据进行平滑、填充缺失值、逼近函数关系或进行数据预测等情况下非常有用。它能够提供较高的插值精度，并且生成的曲线具有良好的平滑性和连续性。

多项式拟合（可以根据数据生成拟合曲线函数）

% 假设已有 x 和 y 的数据
x = [1, 2, 3, 4, 5];
y = [2, 4, 1, 6, 3];

% 选择拟合的多项式阶数
poly_order = 4;  % 4次多项式拟合

% 使用 polyfit 函数进行拟合
coefficients = polyfit(x, y, poly_order);

% 获取拟合的多项式系数
a = coefficients(1);
b = coefficients(2);
c = coefficients(3);
d = coefficients(4);
e = coefficients(5);

% 打印拟合函数表达式
fit_equation = sprintf('y = %.2f*x^4 + %.2f*x^3 + %.2f*x^2+ %.2f*x+ %.2f', a, b, c, d, e);
disp(['拟合函数表达式: ', fit_equation]);

% 绘制原始数据和拟合曲线
xi = linspace(min(x), max(x), 100);%linspace(min(x), max(x), 100)用于生成一个包含100个等间距点的向量xi，其取值范围由原始数据的最小值和最大值确定
yi = polyval(coefficients, xi);%polyval(coefficients, xi)用于根据多项式系数coefficients和输入向量xi计算对应的多项式值，即求解拟合曲线在xi处的取值yi
plot(x, y, 'o', 'DisplayName', '原始数据');
hold on;
plot(xi, yi, 'r-', 'DisplayName', '拟合曲线');
legend('Location', 'best');
hold off;

代码实现了对一组给定数据的多项式拟合，并绘制了原始数据点和拟合曲线。

另外，使用matlab自带的cftool工具箱也可以较方便直观地看到拟合结果。
多项式拟合和三次样条插值是两种常见的曲线拟合方法，它们在原理和使用场景上有一些差异。
插值原理：
- 多项式拟合：多项式拟合是通过在给定数据点上拟合一个多项式函数来逼近数据。拟合的目标是使多项式在数据点上通过，并尽可能接近数据点。
- 三次样条插值：三次样条插值是一种基于分段多项式的插值方法。它将整个数据区间分割成多个小区间，每个区间内使用一个三次多项式来逼近数据。
插值性质：
- 多项式拟合：多项式拟合在数据点上通过，并尽可能接近数据点，但在数据点之间的区域可能出现较大的误差。多项式拟合的结果是一个全局的函数，可以在整个定义域上进行计算。
- 三次样条插值：三次样条插值不仅在数据点上通过，还要求在每个小区间内的两个端点处具有一定的平滑性条件，通常是一阶或二阶导数连续。这使得插值结果更加平滑，能够更好地逼近原始数据的形状。
使用场景：
- 多项式拟合：多项式拟合适用于平滑的数据集，其中数据点之间的变化相对缓和。它在数据点附近具有较高的拟合精度，但在数据点之间可能出现较大的插值误差。多项式拟合的优点是简单易用，计算效率高。
- 三次样条插值：三次样条插值适用于数据变化较大、可能存在突变或非线性的情况。它能够更好地逼近原始数据的形状，并保持一定的平滑性。三次样条插值的优点是能够提供较高的插值精度，并能够处理数据点之间的不连续性。