我有一个分布在非等距一维空间中的数据,我需要用高斯滤波器对它进行卷积,
gaussFilter = sqrt(6.0/pi*delta**2)*exp(-6.0*x**2 /delta**2);
其中delta
是一个常数,x
对应于空间。
任何人都可以提示如何执行良好的集成(二阶),因为数据不是等间距的以照顾有限的末端吗?我打算用 Fortran 编写代码,但也欢迎使用 Matlab 示例。
我有一个分布在非等距一维空间中的数据,我需要用高斯滤波器对它进行卷积,
gaussFilter = sqrt(6.0/pi*delta**2)*exp(-6.0*x**2 /delta**2);
其中delta
是一个常数,x
对应于空间。
任何人都可以提示如何执行良好的集成(二阶),因为数据不是等间距的以照顾有限的末端吗?我打算用 Fortran 编写代码,但也欢迎使用 Matlab 示例。
用这个:
function yy = smooth1D(x,y,delta)
n = length(y);
yy = zeros(n,1);
for i=1:n;
ker = sqrt(6.0/pi*delta^2)*exp(-6.0*(x-x(i)).^2 /delta^2);
%the gaussian should be normalized (don't forget dx), but if you don't want to lose (signal) energy, uncomment the next line
%ker = ker/sum(ker);
yy(i) = y'*ker;
end
end
找到了一些有用的东西。虽然不确定这是否是非常准确的方法,因为集成(trapz)是一阶的。
function [fbar] = gaussf(f,x,delta )
n = length(f);
fbar = zeros(n,1);
for i=1:n;
kernel = sqrt(6/(pi*delta^2))*exp(-6*((x - x(k))/delta).^2);
kernel = kernel/trapz(x,kernel);
fbar(i) = trapz(x,f.*kernel);
end
end