Question

我有矢量L1，Lh，x和大小分别为NL，NL，Nx和Nalp的alp。我还有一个大小为NL * NL * Nx * Nalp的矩阵G. G是L1，Lh，x和alp的函数。总之，我在G中有网格数组和样本值。

对于每个x和alp，我创建一个插值并存储在一个单元格数组中。请参阅下面的代码段：

for ixs=1:Nx
  for ias=1:Nalp
    Gn(:,:,ixs, ias)={griddedInterpolant({Ll, Lh}, G(:,:,ixs, ias),'linear', 'none')};
  end
end

优点：与interp2相比，这是非常快的，特别是因为我必须多次评估Gn。

缺点：（1）需要大量内存，（2）不能轻易地进行矢量化，以避免出现以下类型的额外循环（再次多次评估）

for ixs=1:Nx
  for ias=1:Nalp
    GGn=Gn{:,:, ixs, ias};
    SomeVector(ixs, ias)*GGn(Llnx, Lhnx);
  end
 end

（a）如果我能以某种方式对名为Gn的整类griddedInterpolant进行矢量化，我可以在最后一个循环上进行优化，并且（b）如果我只能存储矢量Ll和Lh，我可以更有效地使用内存

我需要你的帮助。确切地说，我怎样才能更有效地做到这一点？谢谢。

最佳，

BK

编辑：一个解决方案是生成一个函数Gn，它将Ll和Lh作为参数，给定x和alp。 Gn返回一个函数句柄数组，每个句柄对应一个（x，alph）。然后，调用Gn（Llnx，Lhnx，x，alp）返回内插值。现在，（Llnx，Lhnx，x，alp）每个都可以是相同数量元素的数组。使用专业代码的任何有效方式？

Answer 1

使用提供的方法here，您可以预先计算多维线性插值的权重。因此，您不需要griddedInterpolan t并使用bsxfun来使用预先计算的权重来矢量化插值计算。

[W I]=lininterpnw(Ll, Lh, Llnx, Lhnx);
GGn = reshape(G,NL* NL,[]);
result = squeeze(sum(bsxfun(@times, W, reshape(GGn(I(:),:),size(G)))));
bsxfun(@times, reshape(SomeVector,1,[]), result);

result矩阵中的每一列都是每个2D矩阵插值的输出。

这里假设1Ll, Lh, Llnx, Lhnx是行向量。

Matlab中网格数据插值单元阵列的有效处理

1 个答案: