read me.txt

这个帖子中我想讨论的是移动窗口多项式最小二乘拟和平滑方法

     这里提供的matlab函数有四个，分别是移动窗口最小二乘多项式平滑(sgsmooth.m)，移动窗口中位数平滑(median_smooth.m)，粗糙惩罚平滑(rpsmooth.m)以及kernel平滑(kernel.m)。
      移动窗口最小二乘多项式平滑采用的格式是：
       y=sgsmooth(x,width,order)
       x是数据：光谱或者是色谱，而且输入形式必须为一个向量，width是平滑时选择的窗口宽度，order是多项式拟和的次数。需要注意的是多项式拟和的次数order必须小于width，而且width必须为一个奇数，否则提示error。

       移动窗口中位数平滑的格式：
        y=median_smooth(x,width)
        x是光谱或者色谱数据，同样输入必须为一个向量，width是移动平滑窗口宽度。

        粗糙惩罚平滑格式：
        f=rpsmooth(x,nambda)，x为光谱或者色谱数据，也必须为一个向量。nambda为惩罚参数，可以为一个数，也可以为一个含有两个数的向量，nambda向量中的元素但是不能超过2，因为如果对粗糙惩罚有所认识，可以直接输入一个数进行计算，而如果对参数选择没有把握，则可以以[up low]的向量形式输入两个值进行计算。nambda不能为0。如果nambda为0，无平滑效果。如果没有选择nambda值，默认的是从1：100进行循环计算，步长为10。
        需要注意的是，在matlab中产生一个矩阵Q和R(详见算法文档或者分析化学手册第十分册)时间花费比较大，如果数据点大于1000，建议分段计算，我计算了一下，用1000个数据点进行计算，时间花费是70~80s。

         kernel平滑格式：
        smooth_d=kernel(t,x,h,fun)
         x同样是一个光谱或者色谱数据向量。t为光谱中的波长点或者色谱中的保留时间点，如果没有这些数据的，可以用点数来代替，比如x数据点有500个，可用其索引1,2,3,…等来组成一个向量t。h为带宽，必须为正数。fun为kern函数，在matlab文件中提供了四个函数：均匀函数，二次函数，一阶导数估计和二阶导数估计，详细请见算法文档，但是一阶导数和二阶导数估计在平滑中没有用到，因此没有给予介绍。分别用'uni'，'qua'，'fde'，'sde'表示。默认的是采用二次函数平滑。