处理信号与丢失样本

开立真实脚本

考虑一个人在闰年2012重量记录（磅）的人每天都没有记录自己的体重。你想学习信号的周期，但在此之前，你可以这样做，你必须把丢失的数据的照顾。

加载数据和测量转换成公斤。错过的读数被设置为为NaN。确定有多少点被遗漏。

加载（'weight2012.dat'）WGT = weight2012（：，2）/2.20462;daynum在= 1：长度（WGT）;缺少= isnan（WGT）;fprintf中（'的％d \ n％缺失样品d'，SUM（失踪），MAX（daynum在））

失踪的366 27个样品

使用指定值缺少点重采样。默认情况下，重采样使得使用线性插值估计。绘制原和内插读数。放大200天至250，其中包含有关缺少点的一半。

wgt_orig = WGT;WGT =重采样（WGT，daynum在）;图（daynum在，wgt_orig，'.-'，daynum在，WGT，'O'）xlabel（'天'）ylabel（'重量（kg）'）轴（[200 250 73 77]）图例（'原版的'，“插值”）网格

确定该信号是否是通过在频域中分析它周期性的。查找周期持续时间，测量时间周。减去平均专心波动。

FS = 7;[P，F] = pwelch（WGT均值（WGT），[]，[]，[]，FS）;图（F，P）xlabel（'频率（周^ { -  1}））网格

通知人的体重如何振荡，每周一次。是否有一个明显的模式，从一周一周？消除一年的最后两天时间到达52周。根据一周的某一天重新排序测量。

WGD =重塑（WGT（1：7 * 52），[7 52]）;图（WGD'）xlabel（'周'）ylabel（'重量（kg）'）Q =图例（datestr（datenum（2012,1,1：7），'dddd完整'））;q.Location ='西北';格

平滑用滤波器波动适合低阶多项式到数据的子集。具体而言，将其设置为适合三次多项式来台的七天。

WGS = sgolayfilt（WGD”，3,7）;图（WGS）xlabel（'周'）ylabel（'重量（kg）'）标题（“平滑体重波动”）Q =图例（datestr（datenum（2012,1,1：7），'dddd完整'））;q.Location ='东南';格

这种人往往在周末期间吃多了，因而更重。通过计算每日装置验证。

对于JK = 1:7 fprintf中（'％3S平均值：％5.1f公斤\ N'，...datestr（datenum（2012,1，JK），'DDD'）”，平均（WGD（JK，:)））结束

孙平均：76.2公斤周一平均值：75.7千克周二平均：75.2公斤周三平均：74.9公斤周四平均：75.1千克周五平均：75.3千克周六平均：75.8公斤

也可以看看