10插值及数据拟合.pptVIP

§7.3 二维数据的基本插值 方法简介 对于二维数据的插值，首先要考虑两个问题：一是二维区域是任意区域还是规则区域，二是给定的数据是有规律分布的还是散乱的、随机分布的。 第一个问题比较容易处理。目前的插值方法基本上是基于规则区域的，对于不规则区域，只需将其，划分为规则区域或扩充为规则区域来讨论即可。对于第二个问题，当给定的数据是有规律分布时，方法较多也较成熟；而给定的数据是散乱的、随机分布时，没有固定的方法，但一般的处理思想是：从给定的数据出发，依据一定的规律恢复出规则分布点上的数据，转化为数据分布有规律的情形来处理。 二维数据插值的方法也有很多。在此，针对给定数据有规律分布和散乱分布两种情形，简单介绍双三次样条插值方法和改进的 Shepard方法（反距离平方法）的基本概念和基本思想，及其 Matlab 实现。 § 7.3.1 双三次样条插值 双三次样条插值方法，是用来解决规则区域上给定数据有规律分布的插值问题的常用方法。 实际上，双三次样条函数是由两个一维三次样条函数作直积产生的。对任意固定的 y0?[c, d]，S(x, y0) 是关于 x 的三次样条函数，同理，对任意固定的 x0?[a, b]，S(x0, y) 是关于 y 的三次样条函数。从而，根据一维三次样条函数的算法可以设计出 S(x, y) 的具体算法。 § 7.3.2 改进的 Shepard 方法 改进的 Shepard 方法，也称反距离加权平均法，这是解决规则区域上给定数据散乱、随机分布的插值问题的一个常用的方法。 问题：设 T = [a, b]?[c, d] 上散乱分布 N 个点 V1，V2，…，VN ，其中 Vk = (xk，yk) 处给出数据 fk ，k = 1, 2, …, N。要寻求 T 上的二元函数 F(x，y)，使 F(xk，yk) = fk ，k = 1, 2, …, N。 一个典型的容易想到的方法是“反距离加权平均”方法，又称之为 Shepard 方法。这方法的基本思想是，在非给定数据的点处，定义其函数值由已知数据点与该点距离的近或远作加权平均决定。 按照上述的思想，可从给定的数据恢复出规则分布点上的数据，接下来就可应用双三次样条插值或其它的二维数据插值方法来处理。 § 7.3.3 二维数据插值的 Matlab 实现 1．规则区域上给定数据有规律分布的二维插值 数据形式为： zmn … zm2 zm1 x m … … … … … z2n … z22 z21 x 2 z1n … z12 x11 x1 y n … y 2 y1 插值函数为：interp2( )。其调用格式为 zi = interp2(x, y, z, xi, yi, methos), 其中 x，y，z —— 为插值节点，均为向量； zi —— 为被插值点 (xi, yi) 处的插值结果； ‘methos’ —— 为采用的插值方法： nearest：表示最临近插值， linear：表示双线性插值， cubic：表示双三次插值， spline：表示双三次样条插值。 注意：上述 ‘methos’ 中所有的插值方法都要求 x 和 y是单调的网格，x 和 y 可以是等距的也可以是不等距的。 2．规则区域上给定数据散乱或随机分布的二维插值 数据形式为： zn … z2 z1 (xn, yn) … (x2, y2) (x1, y1) 插值函数为：e01sef和e01sff，。通常两者配合使用，其调用格式为 [fnodes, a, rnw, b, c] = e01sef(x, y, z)； [pf(I, j), ifail] = e01sff(x, y, z, rnw, fnodes, px(j), py(i))； 其中 x，y，z —— 为插值节点，均为向量； px(j)，py(i) —— 为被插值节点； pf(i, j) —— 为被插值点 (px(j), py(i)) 处的插值结果； 它输出参数涉及插值算法，可以不用了解。e01sef 的输出 fnodes 和 rnw 为确定插值的参数，它们是 e01sff 需要的输入参数，因此两函数需配合使