主要内容
处理具有缺失样本的信号
考虑到2012年闰年期间记录（以磅）的人的重量。该人没有每天重量。您想研究信号的周期性，但在您可以这样做之前，您必须处理缺失的数据。
加载数据并将测量值转换为千克。错过读数被设定为南．确定漏了多少分。
加载（'theage2012.dat') WGT = weight2012(:，2)/2.20462;daynum = 1:长度(重量);失踪= isnan(重量);流('缺少％d \ n'的样品，sum（缺失），max（日内））
缺少27个样本366
将值分配给缺失点重组．默认情况下，重组使用线性插值进行估计。绘制原始和内插读数。放大第200到250天，其中包含大约一半的缺失点。
wgt_orig = wgt;WGT =重组（WGT，Daynum）;绘图（Daynum，WGT_ORIG，'.-'daynum重量,“o”)包含('天'）ylabel（'体重（kg）')轴([200 250 73 77])'原来的'那'内插'） 网格
通过在频域中分析它来确定信号是否是周期性的。找到循环持续时间，在数周内测量时间。减去了集中在波动的平均值。
FS = 7;[p，f] = pwelch（wgt-均值（wgt），[]，[]，[]，fs）;绘制（F，P）Xlabel（'频率（周^ { - 1}）'） 网格
注意这个人的体重每周是如何波动的。每周有明显的模式吗?去掉一年的最后两天，得到52周。根据星期几重新排列测量值。
WGD = REPAPE（WGT（1：7 * 52），[7 52]）;绘制（WGD'）Xlabel（'星期'）ylabel（'体重（kg）'）Dweek = DateTime（[Repmat（[2012 1]，7,1）（1：7）']，'格式'那'eeee'）;传奇（字符串（DWEEK），“位置”那'西北'） 网格
使用将低阶多项式适合数据的滤波器来平滑波动。具体地，将其设置为适合立方体多项式到七天的组。
WGS = Sgolayfilt（WGD'，3,7）;绘制（WGS）XLabel（'星期'）ylabel（'体重（kg）'） 标题（'平滑体重波动'）传奇（字符串（DWEEK），“位置”那'东南'）;网格
这个人往往多吃，因此在周末，更多的重量。通过计算每日手段进行验证。
为了JK = 1：7 fprintf（'%s mean: %5.1f kg\n'，Dweek（JK），意思（WGD（JK，:)））结尾
星期天意味着：76.2千克星期一：75.7千克星期二意味着：75.2公斤周三意思：74.9公斤周四意思：75.1千克星期五意味着：75.3公斤星期六意味着：75.8千克
也可以看看
相关的话题
您还可以从以下列表中选择一个网站：
