我需要以相當的間接方式來擬合數據。在擬閤中恢復的原始數據是一些線性函數,具有小的振盪和漂移,我想確定。我們稱之爲f(t)。我們不能直接在實驗中記錄這個參數,但是隻能間接地假設爲g(f)= sin(a f(t))。 (真正的傳輸函數更復雜,但它不應該在這裏起作用)Scipy/Python間接樣條插值
所以如果f(t)改變方向朝向sin函數的轉折點,這是很難識別,我嘗試了一種替代方案方法來恢復f(t)而不僅僅是g的逆函數和一些數據繼續猜測:我創建了一個模型函數fm(t),它經歷了相同的已知傳遞函數g()和fit g(fm(t) ))到數據。由於數據集非常龐大,因此我會對連續的數據塊進行分段處理,以保證整個集合中fm的連續性。
第一個嘗試是使用optimize.leastsq使用線性函數,其中誤差估計值是從g(fm)導出的。它並不完全令人滿意,我認爲將數據樣條擬合到fspline(t)作爲f(t)的模型,保證數據及其導數的連續性會好得多。
問題是,插值軟件包的樣條擬合直接對數據進行處理,所以我不能用g(fspline)對樣條進行包裝,並對其進行樣條插值。有什麼辦法可以在scipy中完成?
還有其他想法嗎?
我試圖二次函數和固定偏移量和斜率這樣以匹配數據的前述安裝塊的那些,因此,只有一個擬合參數,曲率,非常迅速地開始其偏離
由於