我有一个由快速仪器测量的10 Hz时间序列和一个由慢速参考仪器测量的1分钟时间序列。数据由波动的气象参数组成。慢速参考仪器用于校准快速仪器测量。两个时间序列都是同步的。
我的想法:
将10 Hz数据平均分为1分钟。
从每个时间序列中取5分钟块并计算线性回归方程。
使用回归方程在5分钟块(3000个数据点)中校准10 Hz数据。
使用低频数据匹配(校准)高频数据的最佳方法是什么?我使用MATLAB。
更多背景:快速仪器输出波动的电压信号,而慢速仪器输出微量气体浓度的真实值(ppb(十亿分之一))。慢速仪器每十秒采样一次,每隔一分钟输出一次平均值。
总之,我希望我的快速信号也能用ppb但不失其完整性(我需要湍流波动保持未经过滤),因此需要使用线性拟合。
答案 0 :(得分:2)
这是我的方法和我得到的结果......
我将问题建模为
real
。lf
(低频率的缩写)。hf
(高频的缩写)。任务是采取慢速和快速信号并尝试重建真实信号。 (使用最小二乘法作为评分指标)
hf_lp
hf_lp_pl
hf_diff = hf_lp - hf_lp_pl
。hf_diff
添加到低频信号(lf
),以便real_estimated
和{{之间的平方误差1}}被最小化。
我按照real
real_estimated = lf + diff.*(a1*uncertainty + a2*uncertainty.^2 + a3*uncertainty.^3)
或其他优化技术获取fminsearch
,a1
,a2
...... 以下是我的搜索结果的示例图表 - 您可以看到a3
比慢速信号real_estimated
更接近real
。