Question

我的数据包括到地面的径向距离，每d_theta均匀采样。我想对它进行高斯平滑处理，但是使平滑窗口的大小在x中保持不变，而不是恒定的点数。有什么好办法呢？

我做了一个功能，但它很慢，我甚至没有放入计算边缘的部分。

如果它有助于更快地做到这一点，我猜你可以假设地板是平的，并用它来计算采样点数，而不是使用实际的x值。

以下是我到目前为止的尝试：

bs = [gaussian(2*n-1,n/2) for n in range (1,500)] #bring the computation of the
bs = [b/b.sum() for b in bs]                      #gaussian outside to speed it up

def uneven_gauss_smoothing(xvals,yvals,sigma):
    newy = []
    for i, xval in enumerate (xvals):

        #find how big the window should be to have the chosen sigma 
        #(or .5*sigma, whatever):
        wheres = np.where(xvals> xval + sigma )[0]
        iright = wheres[0] -i if len(wheres) else 100 
        if i - iright < 0 : 
            newy.append(0)          #not implemented yet
            continue
        if i + iright >= len(xvals):
            newy.append(0)          #not implemented
            continue
        else:
            #weighted average with gaussian curve:
            newy.append((yvals[i-iright:i+iright+1]*bs[iright]).sum())
    return np.array(newy)

对不起，这有点乱 - 调试时非常令人难以置信，我最终使用了第一个解决方案（通常是难以阅读的解决方案），这些解决方案突然出现在一些问题中。但它确实以有限的方式发挥作用。

平均不均匀采样数据

0 个答案: