我在模拟粒子的扩散。模拟坐标以矩阵形式存储,格式如下:
data(:, 1) % overall track number
data(:, 2) % dataset number
data(:, 3) % individual track number (within dataset)
data(:, 4) % frame number
data(:, 5) % xcoordinate
data(:, 6) % ycoordinate
我想要做的是创建另一个存储平方位移的矩阵。格式如下:
SD(:, 1) % overall track number (like in data matrix)
SD(:, 2:n) % squared displacement between 1st and n-th frame
请注意,每个数据集中的帧数不相等。如果每个轨迹中的帧数小于n + 1,则将其保持为NaN。
我正在使用地球上最差和最慢的方法计算它 - 通过几个for循环:
SD(:, 1) = data(:, 1);
for i=1:length(data(:, 1)) % I am taking each row
for j=1:lagsToCalculate % then every timelag (or n as described above)
if j<i % check if enough data from the 1st point
if data(i, 3) == data(i-j, 3) % and if it is still the same trajectory
% calculate square displacement
SD(i,j+1) = (data(i, 5)-data(i-j, 5))^2+(data(i, 6)-data(i-j, 6))^2;
else
SD(i, j+1) = NaN; % or set to NaN
end
else
SD(i, j+1) = NaN;
end
end
end
我敢肯定有十亿倍的有效方法可以做到这一点,但我不太熟悉matlab(和编程)并且无法提出任何想法:)任何人都可以提出合理的建议吗?也许一些数据重组会有所帮助? 谢谢你的每一个想法:)
答案 0 :(得分:1)
试试这个:
SD(:,1) = data(:,1) %as you already have
然后
SD(2:n,1) = sum(diff(data(:,5:6)).^2,2)
我不确定你如何初始化SD,但是像
那样SD = zeros(size(data))
可能合适。我会让你弄清楚上面的第二行,就像'优雅'一样,Matlab从最里面的表达开始并向外构建。
答案 1 :(得分:0)
好吧,这可能不是最好的解决方案,但也许有人会发现它有用:
nData = size(data,1);
numberOfDeltaT = 10; % use whatever works for you
squaredDisplacement = zeros(nData, numberOfDeltaT);
squaredDisplacement(:, 1) = data(:, 1);
for track=1:max(data(:, 1))
for dt = 1:numberOfDeltaT
trackStart = find(data(:, 1)==track,1, 'first');
trackEnd = find(data(:, 1)==track,1, 'last');
deltaCoords = data(trackStart+dt:trackEnd,5:6) - data(trackStart:trackEnd-dt,5:6);
squaredDisplacement(trackStart+dt:trackEnd, dt+1) = sum(deltaCoords.^2,2);
squaredDisplacement(trackStart:trackStart+dt-1, dt+1) = NaN;
end
end
(基于这个答案:Calculating mean-squared displacement (msd) with MATLAB)
艺。