数据插值与拟合.docVIP

PAGE PAGE 8 数据插值与拟合 插值与插值函数：已知由 (可能未知或非常复杂)产生的一批离散数据 ，且 个互异插值节点 ，在插值区间内寻找一个相对简单的函数 ，使其满足下列插值条件： 再利用已求得的 计算任一非插值节点 的近似值 ，这就是插值。其中 称为插值函数， 称为被插函数。 ? 最小二乘拟合： 已知一批离散的数据 ， 互不相同，寻求一个拟合函数 ，使 与 的误差平方和在最小二乘意义下最小。在最小二乘意义下确定的 称为最小二乘拟合函数。 1）Lagrange插值法 ???? a．待定系数法： 假设插值多项式 ，利用待定系数法即可求得满足插值条件 的插值函数。关键在于确定待定系数 。 ???? b．利用基函数的构造方法 首先构造 个满足条件： 的 次插值基函数 ，再将其线性组合即可得如下的Lagrange插值多项式： 其中 ???? c．Lagrange插值余项 注：上述两种构造方法所得的Lagrange插值多项式是一样的，即满足插值条件 的Lagrange插值多项式是唯一的。 2）分段线性插值 ???? 作分段线性插值的目的在于克服Lagrange插值方法可能发生的不收敛性缺点。所谓分段线性插值就是利用每两个相邻插值节点作线性插值，即可得如下分段线性插值函数： 其中 特点：插值函数序列 具有一致收敛性，克服了高次Lagrange插值方法的缺点，故可通过增加插值节点的方法提高其插值精度。但存在于节点处不光滑、插值精度低的缺点。 3）三次样条插值 ???? 三次样条插值的目的在于克服Lagrange插值的不收敛性和提高分段线性插值函数在节点处的光滑性。所谓三次样条插值方法就是在满足下列条件： ???? a． ???? b． 在每个子区间 上是三次多项式的三次样条函数中寻找满足如下插值条件： 以及形如 等边界条件的插值函数 的方法。 ???? 特点：三次样条插值函数序列 一致收敛于被插函数，因此可通过增加节点的方法提高插值的精度。 4）插值方法的Matlab实现 一维数据插值 MATLAB中用函数interp1来拟合一维数据，语法是 YI = INTERP1(X,Y,XI,方法) 其中（X， Y） 是已给的数据点， XI 是插值点， 其中方法主要有 linear -线性插值，默认 pchip -逐段三次Hermite插值 spline -逐段三次样条函数插值 其中最后一种插值的曲线比较平滑 例： x=0:.12:1; x1=0:.02:1; y=(x.^2-3*x+5).*exp(-5*x).*sin(x); plot(x,y,o); hold on; y1=interp1(x,y,x1,spline); plot(x1,y1,:) 如果要根据样本点求函数的定积分，而函数又是比较光滑的，则可以用样条函数进行插值后再积分，在MATLAB中可以编写如下程序： function y=quadspln(x0,y0,a,b) f=inline(‘interp1(x0,y0,x,’’spline’’)’,’x’,’x0’,’y0’); y=quadl(f,a,b,1e-8,[],x0,y0); 现求six(x)在区间[0，pi]上的定积分，只取5点 x0=[0,0.4,1,2,pi]; y0=sin(x0); I=quadspln(x0,y0,0,pi) 结果得到的值为 2.01905， 精确值为2 二元函数插值： MATLAB中用函数interp2来拟合二维网格（X，Y）上的数据Z，语法是 YI = INTERP2(X,Y, Z，XI, YI，方法) 其中（X， Y，Z） 是已给的数据点， （XI，YI）是插值点坐标， 其中方法主要有 linear -线性插值，默认 pchip -逐段三次Hermite插值 spline -逐段三次样条函数插值 其中最后一种插值的曲面比较平滑 例：[x,y]=meshgrid(-3:.6:3,-2:.4:2); z=(x.^2-2*x).*exp(-x.^2-y.^2-x..*y); [x1,y1]=meshgrid(-3:.2:3,-2:.2:2); %生成网格， x1和y1均为同样size的矩阵 z1=interp2(x,y,z,x1,y1,’spline’); %z1是矩阵，size 和x1，y1相同 surf(x1,y1,z1); axis([-3,3,-2,2,-0.7,1.5]); 如果数据不是在网格上取的， 则可用函数griddata来解决 语法是 YI = griddata(X,Y, Z，XI, YI，‘v4’) 其中（X， Y，Z） 是已