2

我的数据包括到地面的径向距离，每个d_theta. 我想对其进行高斯平滑，但要使平滑窗口的大小在 x 中为常数，而不是点数为常数。有什么好方法可以做到这一点？

我做了一个函数来做它，但它很慢，我什至还没有放入将计算边缘的部分。

如果它有助于更​​快地做到这一点，我想你可以假设地板是平的，并用它来计算要采样的点数，而不是使用实际的 x 值。

这是我到目前为止所尝试的：

bs = [gaussian(2*n-1,n/2) for n in range (1,500)] #bring the computation of the
bs = [b/b.sum() for b in bs]                      #gaussian outside to speed it up

def uneven_gauss_smoothing(xvals,yvals,sigma):
    newy = []
    for i, xval in enumerate (xvals):

        #find how big the window should be to have the chosen sigma 
        #(or .5*sigma, whatever):
        wheres = np.where(xvals> xval + sigma )[0]
        iright = wheres[0] -i if len(wheres) else 100 
        if i - iright < 0 : 
            newy.append(0)          #not implemented yet
            continue
        if i + iright >= len(xvals):
            newy.append(0)          #not implemented
            continue
        else:
            #weighted average with gaussian curve:
            newy.append((yvals[i-iright:i+iright+1]*bs[iright]).sum())
    return np.array(newy)

抱歉，这有点乱——调试起来非常令人沮丧，以至于我最终使用了第一个解决方案（通常是一个难以阅读的解决方案）来解决一些突然出现的问题。但它确实以有限的方式工作。

4

0 回答 0