传感器原理与应用数据分析第11讲8章数据分析与处理课件.ppt

插值是用已知点测量值估计未知点的近似值。 定义：测量到 y = f（X）在一系列点X0，X1，X2，……，Xn处的函数值 Y0，Y1，Y2，……Yn ， 通过构造一个简单函数P（X）作为y = f（X） 的近似表达式： y 近似等于 满足插值条件 ：Pn ( Xi ) = Yi i =1，2，3，…….n，其中：f（X）称为被插函数；P（X）称为插值函数；Xi 称为插值节点；Yi 称为插值条件。 应用：1）系统采样频率的限制；2）为了节省硬件成本，以软代硬。3）远距离大量数据通信需要 4）数据、图象解压缩。5）计算函数值、零点、极值点、导数、积分 方法： （1）拉格朗日插值法 ；（2）牛顿插值法；（3）样条插值法 8.2 随机信号去误差处理 二、插值处理 1、拉格朗日插值 拉格朗日插值就是求插值代数多项式， 推导思路：两点一次插值（线性插值）多项式就是在满足 求 在 n=1时的一次多项式P1(X）。 从几何上看，就是过两点（x0，y0）（x1，y1）作直线 y =P1（x），用点斜式表示为： （8-2-25） （8-2-27） 有如下性质: 一般插值问题: 已知n+1个互不相同的点X0，X1，X2，……，Xn处的函数值 Y0，Y1，Y2，……Yn ，求次数不超过n的多项式Pn(x) ，其系数Ln(x), 使 几何上就是求作n次曲线，使n+1个点(X0,Y0), (X1,Y1), …..,(Xn,Yn)通过该曲线。 函数 满足条件: （8-2-29） 于是函数 y =f（X）的n次插值 多项式，即拉格朗日插值多项式: 简写为: （8-2-31） 拉格朗日插值多项式的误差估计 （8-2-36） 1）零次插值误差为： 2）两点一次插值(线性插值) 误差为： 3）三点二次插数值（抛物插值）多项式： （8-2-38） （8-2-39） （8-2-37） 二、牛顿插值 通过一组测量数据求表达该组数据的近似表达式，并通过该表达式求任意给定点的函数值。 设已知函数 y(x) 在点X0，X0+h， X0+2h，…..， X0+nh 上的函数值为（Y0，Y1，Y2，…..，Yn），求满足插值条件的代数多项式。 牛顿插值法的优点是运算次数少，节点改变时使用方便。 另外，牛顿插值也可采用不等节距。 牛顿插值是通过计算差商和差分实现的。 具体步骤： 一阶差分为： 二阶差分为： 三阶差分为： （8-2-41） （8-2-42） （8-2-40） 8.2 随机信号去误差处理 一阶差商： （8-2-43） 二阶差商： （8-2-44） （8-2-44） （8-2-45） 牛顿插值n次代数多项式为： 当增加一个节点时，牛顿插值公式只需增加一项，有如下递推公式： （8-2-46） 8.2 随机信号去误差处理 【例】：对某种产品进行检测 1）已知检测自变量电流I为：0、0.93、2.73、4.27、6.50 对应的位移值M分别为：0、0.96、2.27、3.13、4.32， 2）检测数据差商表： 8.2 随机信号去误差处理 （8-2-47） （3） 四次牛顿插值多项式为： （4）将各差商点及其差商值代入上式 （8-2-48） 8.2 随机信号去误差处理 （8-2-47） （5）设 ，计算出相应的位移为： （6）适用于采样频率不高、传输速率低、插值点数较少的场合 三、多项式插值（拉格朗日、牛顿插值）的缺陷与分段插值 例：已知区间 [-5，5]函数 ， 分别取n=5，n=15（等距节点）时，拉格朗日插值多项式的图象在区间中部多节点比少节点逼近误差小，但在端点附近多节点插值反而变坏（Runge现象）。 经证明，当节点无限加密时，在两端的波动越来越大。 拉格朗日插值多项式次数n与误差的关系 8.3 随机信号去误差处理 分段样条插值 分段样条实质上是分段多项式的光滑连接。 条件：S(x)在每个区间(Xj-1，Xj) (j=1，，……,N)上是m次多项式； S(x)及其直到m-1阶导在数[a，b]连续 则: S(x)是关于分段：a = X0X1X2……XN =b 的m次样条函数。 当 m =3 时为常用的三次样条函数。 （1） 三次样条函数插值 已知函数 y = f(x)在节点X0，X1，X2，……，Xn处的函数值等于Y0，Y1 ,Y2，… ， Yn ，求分段三次样条函数S(x), 在分段a = X0X1X2……Xn =b 上都满