Matlab数据处理之移动标准差movstd函数

文章目录

展开
4.7
(3)

Matlab中,可以使用movstd函数获取数组的移动标准差,可以理解为局部 k 个数据点的标准差值组成的数组。本文将从以下几方面介绍movstd函数:movstd函数常见用法、movstd函数语法说明、movstd函数实例。其中,movstd函数实例包括:向量的中心移动标准差、向量的尾部移动标准差、指定移动标准差的归一化、矩阵的移动标准差、包含 NaN 元素的向量的移动标准差、基于样本点计算移动标准差、仅返回满窗口标准差。

Matlab数据处理之移动标准差movstd函数

movstd函数帮助文档如下:

>> help movstd
 movstd   Moving standard deviation value.
    Y = movstd(X,K) for a vector X and positive integer scalar K computes a
    centered moving standard deviation by sliding a window of length K
    along X. Each element of Y is the local standard deviation of the
    corresponding values of X inside the window, with Y the same size as X.
    When K is even, the window is centered about the current and previous
    elements of X. The sliding window is truncated at the endpoints where
    there are fewer than K elements from X to fill the window.
    
    For N-D arrays, movstd operates along the first array dimension whose
    size does not equal 1.
 
    By default, movstd normalizes by K-1 if K>1. If X consists of
    independent, identically distributed samples, then movstd is the square
    root of an unbiased estimator of the variance of the population of each
    window.
 
    Y = movstd(X,[NB NF]) for a vector X and nonnegative integers NB and NF
    computes a moving standard deviation along the length of X, returning
    the local standard deviation of the previous NB elements, the current
    element, and the next NF elements of X.
 
    movstd(X,K,NRM) specifies the normalization factor for the variance and
    can be one of the following:
 
        0   - (default) normalizes by K-1 for K>1 and by K when K=1.
        1   - normalizes by K and produces the square root of the second
              moment of the window about its mean.
 
    Y = movstd(X,K,NRM,DIM) or Y = movstd(X,[NB NF],NRM,DIM) operates along
    dimension DIM of X. When specifying DIM, you must specify NRM.
 
    movstd(...,MISSING) specifies how NaN (Not-a-Number) values are treated
    and can be one of the following:
 
        'includenan'   - (default) the standard deviation of any window
                         containing NaN values is also NaN.
        'omitnan'      - the standard deviation of any window containing
                         NaN values is the standard deviation of all its
                         non-NaN elements. If all elements are NaN, the
                         result is NaN.
 
    movstd(...,'Endpoints',ENDPT) controls how the standard deviation is
    calculated at the endpoints of X, where there are not enough elements
    to fill the window. ENDPT can be either a scalar numeric or logical
    value or one of the following:
 
        'shrink'    - (default) compute the standard deviation over the
                      number of elements of X that are inside the window,
                      effectively reducing the window size to fit X at the
                      endpoints.
        'fill'      - compute the standard deviation over the full window
                      size, filling missing values from X with NaN. This is
                      equivalent to padding X with NaN at the endpoints.
        'discard'   - compute the standard deviation only when the window
                      is filled with elements of X, discarding partial
                      endpoint calculations and their corresponding
                      elements in Y. This truncates the output; for a
                      vector X and window length K, Y has length
                      LENGTH(X)-K+1.
                      
    When ENDPT is a scalar numeric or logical value, the missing elements
    of X inside the window are replaced with that value and Y remains the
    same size as X.
 
    Example: Compute a 5-point centered moving standard deviation.
        t = 1:10;
        x = [4 8 6 -1 -2 -3 -1 3 4 5];
        yc = movstd(x,5);
        plot(t,x,t,yc);
 
    Example: Compute a 5-point trailing moving standard deviation.
        t = 1:10;
        x = [4 8 6 -1 -2 -3 -1 3 4 5];
        yt = movstd(x,[4 0]);
        plot(t,x,t,yt);
 
    Example: Compute a 5-point centered moving standard deviation, padding
    the ends of the input with NaN.
        t = 1:10;
        x = [4 8 6 -1 -2 -3 -1 3 4 5];
        yp = movstd(x,5,'Endpoints','fill');
        plot(t,x,t,yp);
 
    Example: Compute a 5-point trailing moving standard deviation, ignoring
    the first 4 window shifts that do not contain 5 input elements.
        x = [4 8 6 -1 -2 -3 -1 3 4 5];
        yd = movstd(x,[4 0],'Endpoints','discard');

movstd函数常见用法

M = movstd(A,k)
M = movstd(A,[kb kf])
M = movstd(___,w)
M = movstd(___,w,dim)
M = movstd(___,nanflag)
M = movstd(___,Name,Value)

movstd函数语法说明

M = movstd(A,k) 返回由局部 k 个数据点的标准差值组成的数组。每个标准差基于 A 的相邻元素的长度为 k 的滑动窗计算得出。当 k 为奇数时,窗口以当前位置的元素为中心。当 k 为偶数时,窗口以当前元素及其前一个元素为中心。当没有足够的元素填满窗口时,窗口将自动在端点处截断。当窗口被截断时,只根据窗口内的元素计算标准差。M 与 A 的大小相同。

  • 如果 A 是向量,movstd 将沿向量 A 的长度运算。
  • 如果 A 是多维数组,则 movstd 沿 A 的大小不等于 1 的第一个维度进行运算。

M = movstd(A,[kb kf]) 计算长度为 kb+kf+1 的窗口的标准差。该计算包括当前位置的元素、后面的 kb 个元素和前面的 kf 个元素。

M = movstd(_,w) 为上述任意语法指定归一化因子。当 w = 0 时(默认值),M 按 k-1 对窗长度 k 进行归一化。当 w = 1 时,M 按 k 进行归一化。

M = movstd(_,w,dim) 为上述任一语法指定 A 的运算维度。指定 dim 时,始终在上述语法中指定权重 w。例如,movstd(A,k,0,2) 沿矩阵 A 的列进行运算,计算每一行的 k 个元素的移动标准差。归一化因子是默认值 k-1。

M = movstd(_,nanflag) 指定在上述任意语法的计算中包括还是忽略 NaN 值。movstd(A,k,’includenan’) 会在计算中包括所有 NaN 值,而 movstd(A,k,’omitnan’) 则忽略这些值并基于较少的点计算标准差。

M = movstd(_,Name,Value) 使用一个或多个名称-值对组参数指定移动标准差的其他参数。例如,如果 x 是时间向量,则 movstd(A,k,’SamplePoints’,x) 相对于 x 中的时间计算移动标准差。

movstd函数实例

向量的中心移动标准差

计算行向量的三点中心移动标准差。当端点处的窗口中少于三个元素时,将根据可用元素计算标准差。

>> A = [4 8 6 -1 -2 -3 -1 3 4 5];
>> M = movstd(A,3)

M =

    2.8284    2.0000    4.7258    4.3589    1.0000    1.0000    3.0551    2.6458    1.0000    0.7071

向量的尾部移动标准差

计算行向量的三点尾部移动标准差。当端点处的窗口中少于三个元素时,将根据可用元素计算标准差。

>> A = [4 8 6 -1 -2 -3 -1 3 4 5];
>> M = movstd(A,[2 0])

M =

         0    2.8284    2.0000    4.7258    4.3589    1.0000    1.0000    3.0551    2.6458    1.0000

指定移动标准差的归一化

计算行向量的三点中心移动标准差,并按照窗口中的元素数对每个标准差进行归一化。

>> A = [4 8 6 -1 -2 -3 -1 3 4 5];
>>  = movstd(A,3,1)

M =

    2.0000    1.6330    3.8586    3.5590    0.8165    0.8165    2.4944    2.1602    0.8165    0.5000

矩阵的移动标准差

计算矩阵中每行的三点中心移动标准差。窗口从第一行开始,沿水平方向移动到该行的末尾,然后移到第二行,依此类推。维度参数为 2,即跨 A 的列移动窗口。指定维度时,始终指定归一化因子。

>> A = [4 8 6; -1 -2 -3; -1 3 4];
>> M = movstd(A,3,0,2)

M =

    2.8284    2.0000    1.4142
    0.7071    1.0000    0.7071
    2.8284    2.6458    0.7071
Matlab数据处理之移动标准差movstd函数

包含 NaN 元素的向量的移动标准差

计算包含两个 NaN 元素的行向量的三点中心移动标准差。

>> A = [4 8 NaN -1 -2 -3 NaN 3 4 5];
>> M = movstd(A,3)

M =

    2.8284       NaN       NaN       NaN    1.0000       NaN       NaN       NaN    1.0000    0.7071

重新计算标准差,但忽略 NaN 值。当 movstd 舍弃 NaN 元素时,它将根据窗口中的剩余元素计算标准差。

>> M = movstd(A,3,'omitnan')

M =

    2.8284    2.8284    6.3640    0.7071    1.0000    0.7071    4.2426    0.7071    1.0000    0.7071
Matlab数据处理之移动标准差movstd函数

基于样本点计算移动标准差

>> A = [4 8 6 -1 -2 -3];
>> k = hours(3);
>> t = datetime(2016,1,1,0,0,0) + hours(0:5)

t = 

1 至 5 列

   2016-01-01 00:00:00   2016-01-01 01:00:00   2016-01-01 02:00:00   2016-01-01 03:00:00   2016-01-01 04:00:00

6 列

   2016-01-01 05:00:00

>> M = movstd(A,k,'SamplePoints',t)

M = 1×6

    2.8284    2.0000    4.7258    4.3589    1.0000    0.7071

根据时间向量 t,计算 A 中数据的 3 小时中心移动标准差。

仅返回满窗口标准差

计算行向量的三点中心移动标准差,但在输出中舍弃使用的点数少于三个的计算。也就是说,只返回从满的三元素窗口计算的标准差,而舍弃端点计算。

>> A = [4 8 6 -1 -2 -3 -1 3 4 5];
>> M = movstd(A,3,'Endpoints','discard')

M =

    2.0000    4.7258    4.3589    1.0000    1.0000    3.0551    2.6458    1.0000

共计3人评分,平均4.7

到目前为止还没有投票~

很抱歉,这篇文章对您没有用!

让我们改善这篇文章!

告诉我们我们如何改善这篇文章?

原创文章,作者:古哥,转载需经过作者授权同意,并附上原文链接:https://iymark.com/program/matlab/movstd-function-usage.html

(0)
上一篇 2023年01月11日 19:07
下一篇 2023年01月13日 20:12

发表回复

登录后才能评论
本站APP
微信小程序