一維插值演算法

① 用matlab 三次多項式函數插值演算法怎麼寫 或者說下設計思路 設計主要結構 功能模塊 流程

看看這個能不能幫到你：Matlab中插值函數匯總和使用說明:MATLAB中的插值函數為interp1，其調用格式為：yi=interp1(x,y,xi,'method')其中x，y為插值點，yi為在被插值點xi處的插值結果；x,y為向量，'method'表示採用的插值方法，MATLAB提供的插值方法有幾種：'nearest'是最鄰近插值，'linear'線性插值；'spline'三次樣條插值；'cubic'立方插值．預設時表示線性插值。注意：所有的插值方法都要求x是單調的，並且xi不能夠超過x的范圍。例如：在一天24小時內，從零點開始每間隔2小時測得的環境溫度數據分別為12，9，9，10，18，24，28，27，25，20，18，15，13，推測中午12點（即13點）時的溫度．x=0:2:24;y=[129910182428272520181513];a=13;y1=interp1(x,y,a,'spline')結果為：27.8725若要得到一天24小時的溫度曲線，則：xi=0:1/3600:24;yi=interp1(x,y,xi,'spline');plot(x,y,'o',xi,yi)命令1interp1功能一維數據插值（表格查找）。該命令對數據點之間計算內插值。它找出一元函數f(x)在中間點的數值。其中函數f(x)由所給數據決定。x：原始數據點Y：原始數據點xi：插值點Yi：插值點格式(1)yi=interp1(x,Y,xi)返回插值向量yi，每一元素對應於參量xi，同時由向量x與Y的內插值決定。參量x指定數據Y的點。若Y為一矩陣，則按Y的每列計算。yi是階數為length(xi)*size(Y,2)的輸出矩陣。(2)yi=interp1(Y,xi)假定x=1:N，其中N為向量Y的長度，或者為矩陣Y的行數。(3)yi=interp1(x,Y,xi,method)用指定的演算法計算插值：』nearest』：最近鄰點插值，直接完成計算；』linear』：線性插值（預設方式），直接完成計算；』spline』：三次樣條函數插值。對於該方法，命令interp1調用函數spline、ppval、mkpp、umkpp。這些命令生成一系列用於分段多項式操作的函數。命令spline用它們執行三次樣條函數插值；』pchip』：分段三次Hermite插值。對於該方法，命令interp1調用函數pchip，用於對向量x與y執行分段三次內插值。該方法保留單調性與數據的外形；』cubic』：與』pchip』操作相同；』v5cubic』：在MATLAB5.0中的三次插值。對於超出x范圍的xi的分量，使用方法』nearest』、』linear』、』v5cubic』的插值演算法，相應地將返回NaN。對其他的方法，interp1將對超出的分量執行外插值演算法。(4)yi=interp1(x,Y,xi,method,'extrap')對於超出x范圍的xi中的分量將執行特殊的外插值法extrap。(5)yi=interp1(x,Y,xi,method,extrapval)確定超出x范圍的xi中的分量的外插值extrapval，其值通常取NaN或0。例1>>x=0:10;y=x.*sin(x);>>xx=0:.25:10;yy=interp1(x,y,xx);>>plot(x,y,'kd',xx,yy)例2>>year=1900:10:2010;>>proct=[75.99591.972105.711123.203131.669150.697179.323203.212226.505249.633256.344267.893];>>p1995=interp1(year,proct,1995)>>x=1900:1:2010;>>y=interp1(year,proct,x,'pchip');>>plot(year,proct,'o',x,y)插值結果為：p1995=252.9885命令2interp2功能二維數據內插值（表格查找）格式(1)ZI=interp2(X,Y,Z,XI,YI)返回矩陣ZI，其元素包含對應於參量XI與YI（可以是向量、或同型矩陣）的元素，即Zi(i,j)←[Xi(i,j),yi(i,j)]。用戶可以輸入行向量和列向量Xi與Yi，此時，輸出向量Zi與矩陣meshgrid(xi,yi)是同型的。同時取決於由輸入矩陣X、Y與Z確定的二維函數Z=f(X,Y)。參量X與Y必須是單調的，且相同的劃分格式，就像由命令meshgrid生成的一樣。若Xi與Yi中有在X與Y范圍之外的點，則相應地返回nan（NotaNumber）。(2)ZI=interp2(Z,XI,YI)預設地，X=1:n、Y=1:m，其中[m,n]=size(Z)。再按第一種情形進行計算。(3)ZI=interp2(Z,n)作n次遞歸計算，在Z的每兩個元素之間插入它們的二維插值，這樣，Z的階數將不斷增加。interp2(Z)等價於interp2(z,1)。(4)ZI=interp2(X,Y,Z,XI,YI,method)用指定的演算法method計算二維插值：』linear』：雙線性插值演算法（預設演算法）；』nearest』：最臨近插值；』spline』：三次樣條插值；』cubic』：雙三次插值。例3：>>[X,Y]=meshgrid(-3:.25:3);>>Z=peaks(X,Y);>>[XI,YI]=meshgrid(-3:.125:3);>>ZZ=interp2(X,Y,Z,XI,YI);>>surfl(X,Y,Z);holdon;>>surfl(XI,YI,ZZ+15)>>axis([-33-33-520]);shadingflat>>holdoff例4：>>years=1950:10:1990;>>service=10:10:30;>>wage=[150.697199.592187.625179.323195.072250.287203.212179.092322.767226.505153.706426.730249.633120.281598.243];>>w=interp2(service,years,wage,15,1975)插值結果為：w=190.6288命令3interp3功能三維數據插值（查表）格式(1)VI=interp3(X,Y,Z,V,XI,YI,ZI)找出由參量X,Y,Z決定的三元函數V=V(X,Y,Z)在點（XI,YI,ZI）的值。參量XI,YI,ZI是同型陣列或向量。若向量參量XI,YI,ZI是不同長度，不同方向（行或列）的向量，這時輸出參量VI與Y1,Y2,Y3為同型矩陣。其中Y1,Y2,Y3為用命令meshgrid(XI,YI,ZI)生成的同型陣列。若插值點(XI,YI,ZI)中有位於點(X,Y,Z)之外的點，則相應地返回特殊變數值NaN。(2)VI=interp3(V,XI,YI,ZI)預設地，X=1:N，Y=1:M，Z=1：P，其中，[M,N,P]=size(V)，再按上面的情形計算。(3)VI=interp3(V,n)作n次遞歸計算，在V的每兩個元素之間插入它們的三維插值。這樣，V的階數將不斷增加。interp3(V)等價於interp3(V,1)。(4)VI=interp3(,method)%用指定的演算法method作插值計算：『linear』：線性插值（預設演算法）；『cubic』：三次插值；『spline』：三次樣條插值；『nearest』：最鄰近插值。說明在所有的演算法中，都要求X,Y,Z是單調且有相同的格點形式。當X,Y,Z是等距且單調時，用演算法』*linear』，』*cubic』，』*nearest』，可得到快速插值。例5>>[x,y,z,v]=flow(20);>>[xx,yy,zz]=meshgrid(.1:.25:10,-3:.25:3,-3:.25:3);>>vv=interp3(x,y,z,v,xx,yy,zz);>>slice(xx,yy,zz,vv,[69.5],[12],[-2.2]);shadinginterp;colormapcool命令4interpft功能用快速Fourier演算法作一維插值格式(1)y=interpft(x,n)返回包含周期函數x在重采樣的n個等距的點的插值y。若length(x)=m，且x有采樣間隔dx，則新的y的采樣間隔dy=dx*m/n。注意的是必須n≥m。若x為一矩陣，則按x的列進行計算。返回的矩陣y有與x相同的列數，但有n行。(2)y=interpft(x,n,dim)沿著指定的方向dim進行計算命令5griddata功能數據格點格式(1)ZI=griddata(x,y,z,XI,YI)用二元函數z=f(x,y)的曲面擬合有不規則的數據向量x,y,z。griddata將返回曲面z在點（XI,YI）處的插值。曲面總是經過這些數據點（x,y,z）的。輸入參量（XI,YI）通常是規則的格點（像用命令meshgrid生成的一樣）。XI可以是一行向量，這時XI指定一有常數列向量的矩陣。類似地，YI可以是一列向量，它指定一有常數行向量的矩陣。(2)[XI,YI,ZI]=griddata(x,y,z,xi,yi)返回的矩陣ZI含義同上，同時，返回的矩陣XI,YI是由行向量xi與列向量yi用命令meshgrid生成的。(3)[XI,YI,ZI]=griddata(.,method)用指定的演算法method計算：『linear』：基於三角形的線性插值（預設演算法）；『cubic』：基於三角形的三次插值；『nearest』：最鄰近插值法；『v4』：MATLAB4中的griddata演算法。命令6spline功能三次樣條數據插值格式(1)yy=spline(x,y,xx)對於給定的離散的測量數據x,y（稱為斷點），要尋找一個三項多項式y=p(x)，以逼近每對數據(x,y)點間的曲線。過兩點(xi,yi)和(xi+1,yi+1)只能確定一條直線，而通過一點的三次多項式曲線有無窮多條。為使通過中間斷點的三次多項式曲線具有唯一性，要增加兩個條件（因為三次多項式有4個系數）：a．三次多項式在點(xi,yi)處有：p¢i(xi)=p¢i(xi)；b．三次多項式在點(xi+1,yi+1)處有：p¢i(xi+1)=pi¢(xi+1)；c．p(x)在點(xi,yi)處的斜率是連續的（為了使三次多項式具有良好的解析性，加上的條件）；d．p(x)在點(xi,yi)處的曲率是連續的；對於第一個和最後一個多項式，人為地規定如下條件：①．p¢1¢(x)=p¢2¢(x)②．p¢n¢(x)=p¢n¢-1(x)上述兩個條件稱為非結點(not-a-knot)條件。綜合上述內容，可知對數據擬合的三次樣條函數p(x)是一個分段的三次多項式：ïïîïïí죣££££=nnn+1223112p(x)xxxp(x)xxxp(x)xxxp(x)LLLL其中每段pi(x)都是三次多項式。該命令用三次樣條插值計算出由向量x與y確定的一元函數y=f(x)在點xx處的值。若參量y是一矩陣，則以y的每一列和x配對，再分別計算由它們確定的函數在點xx處的值。則yy是一階數為length(xx)*size(y,2)的矩陣。(2)pp=spline(x,y)返回由向量x與y確定的分段樣條多項式的系數矩陣pp，它可用於命令ppval、unmkpp的計算。例6對離散地分布在y=exp(x)sin(x)函數曲線上的數據點進行樣條插值計算：>>x=[024581212.817.219.920];y=exp(x).*sin(x);>>xx=0:.25:20;>>yy=spline(x,y,xx);>>plot(x,y,'o',xx,yy)命令7interpn功能n維數據插值（查表）格式(1)VI=interpn(X1,X2,,,Xn,V,Y1,Y2,?,Yn)%返回由參量X1,X2,…,Xn,V確定的n元函數V=V(X1,X2,…,Xn)在點（Y1,Y2,…,Yn）處的插值。參量Y1,Y2,…,Yn是同型的矩陣或向量。若Y1,Y2,…,Yn是向量，則可以是不同長度，不同方向（行或列）的向量。它們將通過命令ndgrid生成同型的矩陣，再作計算。若點(Y1,Y2,…,Yn)中有位於點（X1,X2,…,Xn）之外的點，則相應地返回特殊變數NaN。VI=interpn(V,Y1,Y2,?,Yn)%預設地，X1=1:size(V,1)，X2=1:size(V,2)，…，Xn=1:size(V,n)，再按上面的情形計算。VI=interpn(V,ntimes)%作ntimes次遞歸計算，在V的每兩個元素之間插入它們的n維插值。這樣，V的階數將不斷增加。interpn(V)等價於interpn(V,1)。VI=interpn(?,method)%用指定的演算法method計算：『linear』：線性插值（預設演算法）；『cubic』：三次插值；『spline』：三次樣條插值法；『nearest』：最鄰近插值演算法。命令8meshgrid功能生成用於畫三維圖形的矩陣數據。格式[X,Y]=meshgrid(x,y)將由向量x，y（可以是不同方向的）指定的區域[min(x)，max(x)，min(y)，max(y)]用直線x=x(i),y=y(j)（i=1,2,…,length(x)，j=1,2,…,length(y)）進行劃分。這樣，得到了length(x)*length(y)個點，這些點的橫坐標用矩陣X表示，X的每個行向量與向量x相同；這些點的縱坐標用矩陣Y表示，Y的每個列向量與向量y相同。其中X,Y可用於計算二元函數z=f(x,y)與三維圖形中xy平面矩形定義域的劃分或曲面作圖。[X,Y]=meshgrid(x)%等價於[X,Y]=meshgrid(x,x)。[X,Y,Z]=meshgrid(x,y,z)%生成三維陣列X,Y,Z，用於計算三元函數v=f(x,y,z)或三維容積圖。例7[X,Y]=meshgrid(1:3,10:14)計算結果為：X=123123123123123Y=命令9ndgrid功能生成用於多維函數計算或多維插值用的陣列格式[X1,X2,…,Xn]=ndgrid(x1,x2,…,xn)%把通過向量x1,x2,x3…,xn指定的區域轉換為數組x1,x2,x3,…,xn。這樣，得到了length(x1)*length(x2)*…*length(xn)個點，這些點的第一維坐標用矩陣X1表示，X1的每個第一維向量與向量x1相同；這些點的第二維坐標用矩陣X2表示，X2的每個第二維向量與向量x2相同；如此等等。其中X1,X2,…,Xn可用於計算多元函數y=f(x1,x2,…,xn)以及多維插值命令用到的陣列。[X1,X2,…,Xn]=ndgrid(x)%等價於[X1,X2,…,Xn]=ndgrid(x,x,…,x)命令10table1功能一維查表格式Y=table1(TAB,X0)%返回用表格矩陣TAB中的行線性插值元素，對X0（TAB的第一列查找X0）進行線性插值得到的結果Y。矩陣TAB是第一列包含關鍵值，而其他列包含數據的矩陣。X0中的每一元素將相應地返回一線性插值行向量。矩陣TAB的第一列必須是單調的。例8>>tab=[(1:4)'hilb(4)]>>y=table1(tab,[12.33.64])查表結果為：>>tab=[(1:4)'hilb(4)]>>y=table1(tab,[12.33.64])

② 什麼是插值演算法

插值法又稱「內插法」，是利用函數f (x)在某區間中插入若干點的函數值，作出適當的特定函數，在這些點上取已知值，在區間的其他點上用這特定函數的值作為函數f (x)的近似值，這種方法稱為插值法。如果這特定函數是多項式，就稱它為插值多項式。
1、Lagrange插值：
Lagrange插值是n次多項式插值，其成功地用構造插值基函數的 方法解決了求n次多項式插值函數問題；
★基本思想將待求的n次多項式插值函數pn(x）改寫成另一種表示方式，再利 用插值條件⑴確定其中的待定函數，從而求出插值多項式。

2、Newton插值：
Newton插值也是n次多項式插值，它提出另一種構造插值多項式的方法，與Lagrange插值相比，具有承襲性和易於變動節點的特點；
★基本思想將待求的n次插值多項式Pn（x）改寫為具有承襲性的形式，然後利用插值條件⑴確定Pn（x）的待定系數，以求出所要的插值函數。

3、Hermite插值：
Hermite插值是利用未知函數f(x）在插值節點上的函數值及導數值來構造插值多項式的，其提法為：給定n+1個互異的節點x0,x1，……,xn上的函數值和導數值
求一個2n+1次多項式H2n+1(x）滿足插值條件
H2n+1(xk)=yk
H'2n+1(xk)=y'k k=0,1,2，……，n ⒀
如上求出的H2n+1(x）稱為2n+1次Hermite插值函數，它與被插函數
一般有更好的密合度；
★基本思想
利用Lagrange插值函數的構造方法，先設定函數形式，再利
用插值條件⒀求出插值函數.

4、分段插值：
插值多項式余項公式說明插值節點越多，誤差越小，函數逐近越好，但後來人們發現，事實並非如此，例如：取被插函數，在[-5，5]上的n+1個等距節點：計算出f(xk）後得到Lagrange插值多項式Ln(x），考慮[-5,5]上的一點x=5-5/n，分別取n=2,6,10,14,18計算f(x),Ln(x）及對應的誤差Rn(x），得下表
從表中可知，隨節點個數n的增加，誤差lRn(x)l不但沒減小，反而不斷的增大.這個例子最早是由Runge研究，後來人們把這種節點加密但誤差增大的現象稱為Runge現象.出現Runge現象的原因主要是當節點n較大時，對應
的是高次插值多項式，此差得積累"淹沒"了增加節點減少的精度.Runge現象否定了用高次插值公式提高逼近精度的想法，本節的分段插值就是克服Runge現象引入的一種插值方法.
分段多項式插值的定義為
定義2: a=x0<x1<…<xn=b: 取[a,b]上n+1個節點 並給定在這些節點 上的函數值f(xR)=yR R=0,1，…，n
如果函數Φ（x）滿足條件
i) Φ（x）在[a,b]上連續
ii) Φ（xr)=yR,R =0,1，…，n
iii) Φ（x)zai 每個小區間[xR,xR+1]是m次多項式，
R=0,1，…，n-1則稱Φ（x）為f(x）在[a,b]上的分段m次插值多項式
實用中，常用次數不超過5的底次分段插值多項式，本節只介紹分段線性插值和分段三次Hermite插值，其中分段三次Hermite插值還額外要求分段插值函數Φ（x)
在節點上與被插值函數f(x）有相同的導數值，即
★基本思想將被插值函數f〔x〕的插值節點 由小到大 排序，然後每對相鄰的兩個節點為端點的區間上用m 次多項式去近似f〔x〕.
例題
例1 已知f（x）=ln（x）的函數表為：
試用線性插值和拋物線插值分別計算f（3.27）的近似值並估計相應的誤差。
解：線性插值需要兩個節點，內插比外插好因為3.27 （3.2，3.3），故選x0=3.2，x1=3.3，由n=1的lagrange插值公式，有
所以有，為保證內插對拋物線插值，選取三個節點為x0=3.2,x1=3.3,x2=3.4，由n=2的lagrange插值公式有
故有
所以線性插值計算ln3.27的誤差估計為
故拋物線插值計算ln3.27的誤差估計為：
顯然拋物線插值比線性插值精確；

5、樣條插值：
樣條插值是一種改進的分段插值。
定義 若函數在區間〖a，b〗上給定節點a=x0<x1<；…<xn=b及其函數值yj，若函數S（x）滿足
⒈ S（xj）=yj，j=0,1,2，…，n；
插值法主要用於道路橋梁，機械設計，電子信息工程等 很多工科領域的優化方法。

③ 插值法計算公式是什麼

公式就是：Y=Y1+(Y2-Y1)×(X-X1)/(X2-X1)。

通俗地講，線性內插法就是利用相似三角形的原理，來計算內插點的數據。

內插法又稱插值法。根據未知函數f（x）在某區間內若干點的函數值，作出在該若干點的函數值與f（x）值相等的特定函數來近似原函數f（x），進而可用此特定函數算出該區間內其他各點的原函數f（x）的近似值，這種方法，稱為內插法。

按特定函數的性質分，有線性內插、非線性內插等；按引數（自變數）個數分，有單內插、雙內插和三內插等。

介紹：

線性插值是指插值函數為一次多項式的插值方式，其在插值節點上的插值誤差為零。線性插值相比其他插值方式，如拋物線插值，具有簡單、方便的特點。

線性插值的幾何意義即為概述圖中利用過A點和B點的直線來近似表示原函數。線性插值可以用來近似代替原函數，也可以用來計算得到查表過程中表中沒有的數值。

④ matlab編程 數據擬合和插值。功能一:通過人機交互插入數據點坐標向量x,y 功能二:在圖形窗口

看看這個能不能幫到你：

Matlab中插值函數匯總和使用說明 :

MATLAB中的插值函數為interp1，其調用格式為：

yi= interp1(x,y,xi,'method')

其中x，y為插值點，yi為在被插值點xi處的插值結果；x,y為向量， 'method'表示採用的插值方法，

MATLAB提供的插值方法有幾種：

'nearest'是最鄰近插值， 'linear'線性插值； 'spline'三次樣條插值； 'cubic'立方插值．預設時表示線性插值。

注意：所有的插值方法都要求x是單調的，並且xi不能夠超過x的范圍。

例如：在一 天24小時內，從零點開始每間隔2小時測得的環境溫度數據分別為

12，9，9，10，18 ，24，28，27，25，20，18，15，13，

推測中午12點（即13點）時的溫度．

x=0:2:24;
y=[12 9 9 10 18 24 28 27 25 20 18
15 13];

a=13;
y1=interp1(x,y,a,'spline')

結果為： 27.8725

若要得到一天24小時的溫度曲線，則：

xi=0:1/3600:24;

yi=interp1(x,y,xi, 'spline');

plot(x,y,'o' ,xi,yi)

命令1
interp1
功能
一維數據插值（表格查找）。該命令對數據點之間計算內插值。它找出一元函數f(x)在中間點的數值。其中函數f(x)由所給數據決定。
x：原始數據點
Y：原始數據點
xi：插值點
Yi：插值點
格式
(1)yi = interp1(x,Y,xi)
返回插值向量yi，每一元素對應於參量xi，同時由向量x
與Y 的內插值決定。參量x 指定數據Y 的點。
若Y
為一矩陣，則按Y 的每列計算。yi 是階數為length(xi)*size(Y,2)的輸出矩陣。
(2)yi = interp1(Y,xi)
假定x=1:N，其中N
為向量Y 的長度，或者為矩陣Y 的行數。
(3)yi = interp1(x,Y,xi,method)
用指定的演算法計算插值：
』nearest』：最近鄰點插值，直接完成計算；
』linear』：線性插值（預設方式），直接完成計算；
』spline』：三次樣條函數插值。對於該方法，命令interp1
調用函數spline、ppval、mkpp、umkpp。這些命令生成一系列用於分段多項式操作的函數。命令spline
用它們執行三次樣條函數插值；
』pchip』：分段三次Hermite
插值。對於該方法，命令interp1 調用函數pchip，用於對向量x 與y 執行分段三次內插值。該方法保留單調性與數據的外形；
』cubic』：與』pchip』操作相同；
』v5cubic』：在MATLAB
5.0 中的三次插值。
對於超出x
范圍的xi 的分量，使用方法』nearest』、』linear』、』v5cubic』的插值演算法，相應地將返回NaN。對其他的方法，interp1
將對超出的分量執行外插值演算法。
(4)yi = interp1(x,Y,xi,method,'extrap')
對於超出x
范圍的xi 中的分量將執行特殊的外插值法extrap。
(5)yi = interp1(x,Y,xi,method,extrapval)
確定超出x
范圍的xi 中的分量的外插值extrapval，其值通常取NaN 或0。
例1

>>x = 0:10; y =
x.*sin(x);
>>xx = 0:.25:10; yy =
interp1(x,y,xx);
>>plot(x,y,'kd',xx,yy)

例2

>> year =
1900:10:2010;
>> proct = [75.995
91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505
249.633 256.344 267.893
];
>>p1995 =
interp1(year,proct,1995)
>>x =
1900:1:2010;
>>y =
interp1(year,proct,x,'pchip');
>>plot(year,proct,'o',x,y)

插值結果為：

p1995 =
252.9885

命令2
interp2
功能
二維數據內插值（表格查找）
格式
(1)ZI
= interp2(X,Y,Z,XI,YI)
返回矩陣ZI，其元素包含對應於參量XI
與YI（可以是向量、或同型矩陣） 的元素， 即Zi(i,j) ←[Xi(i,j),yi(i,j)]。用戶可以輸入行向量和列向量Xi 與Yi，此時，輸出向量Zi
與矩陣meshgrid(xi,yi)是同型的。同時取決於由輸入矩陣X、Y 與Z 確定的二維函數Z=f(X,Y)。參量X 與Y
必須是單調的，且相同的劃分格式，就像由命令meshgrid 生成的一樣。若Xi與Yi 中有在X 與Y范圍之外的點，則相應地返回nan（Not a
Number）。
(2)ZI
= interp2(Z,XI,YI)
預設地，X=1:n、Y=1:m，其中[m,n]=size(Z)。再按第一種情形進行計算。
(3)ZI
= interp2(Z,n)
作n
次遞歸計算，在Z 的每兩個元素之間插入它們的二維插值，這樣，Z 的階數將不斷增加。interp2(Z)等價於interp2(z,1)。
(4)ZI
= interp2(X,Y,Z,XI,YI,method)
用指定的演算法method
計算二維插值：
』linear』：雙線性插值演算法（預設演算法）；
』nearest』：最臨近插值；
』spline』：三次樣條插值；
』cubic』：雙三次插值。

例3：

>>[X,Y] =
meshgrid(-3:.25:3);
>>Z = peaks(X,Y);
>>[XI,YI] =
meshgrid(-3:.125:3);
>>ZZ =
interp2(X,Y,Z,XI,YI);
>>surfl(X,Y,Z);hold
on;
>>surfl(XI,YI,ZZ+15)
>>axis([-3 3 -3 3 -5
20]);shading flat
>>hold
off

例4：

>>years =
1950:10:1990;
>>service =
10:10:30;
>>wage = [150.697
199.592 187.625
179.323 195.072 250.287
203.212 179.092 322.767
226.505 153.706 426.730
249.633 120.281
598.243];
>>w =
interp2(service,years,wage,15,1975)

插值結果為：

w =
190.6288

命令3
interp3
功能
三維數據插值（查表）
格式
(1)VI
= interp3(X,Y,Z,V,XI,YI,ZI)
找出由參量X,Y,Z決定的三元函數V=V(X,Y,Z)在點（XI,YI,ZI）的值。參量XI,YI,ZI
是同型陣列或向量。若向量參量XI,YI,ZI 是不同長度，不同方向（行或列）的向量，這時輸出參量VI 與Y1,Y2,Y3 為同型矩陣。其中Y1,Y2,Y3
為用命令meshgrid(XI,YI,ZI)生成的同型陣列。若插值點(XI,YI,ZI)中有位於點(X,Y,Z)之外的點，則相應地返回特殊變數值NaN。
(2)VI
= interp3(V,XI,YI,ZI)
預設地，
X=1:N ，Y=1:M， Z=1：P ，其中，[M,N,P]=size(V)，再按上面的情形計算。
(3)VI
= interp3(V,n)
作n
次遞歸計算，在V 的每兩個元素之間插入它們的三維插值。這樣，V 的階數將不斷增加。interp3(V)等價於interp3(V,1)。
(4)VI
= interp3(......,method) %用指定的演算法method 作插值計算：
『linear』：線性插值（預設演算法）；
『cubic』：三次插值；
『spline』：三次樣條插值；
『nearest』：最鄰近插值。
說明
在所有的演算法中，都要求X,Y,Z 是單調且有相同的格點形式。當X,Y,Z
是等距且單調時，用演算法』*linear』，』*cubic』，』*nearest』，可得到快速插值。

例5

>>[x,y,z,v] =
flow(20);
>>[xx,yy,zz] =
meshgrid(.1:.25:10, -3:.25:3, -3:.25:3);
>>vv =
interp3(x,y,z,v,xx,yy,zz);
>>slice(xx,yy,zz,vv,[6
9.5],[1 2],[-2 .2]); shading interp;colormap
cool

命令4
interpft
功能
用快速Fourier 演算法作一維插值
格式
(1)y
= interpft(x,n)
返回包含周期函數x
在重采樣的n 個等距的點的插值y。若length(x)=m，且x 有采樣間隔dx，則新的y 的采樣間隔dy=dx*m/n。注意的是必須n≥m。若x
為一矩陣，則按x 的列進行計算。返回的矩陣y 有與x 相同的列數，但有n 行。
(2)y
= interpft(x,n,dim)
沿著指定的方向dim
進行計算

命令5
griddata
功能
數據格點
格式
(1)ZI
= griddata(x,y,z,XI,YI)
用二元函數z=f(x,y)的曲面擬合有不規則的數據向量x,y,z。griddata
將返回曲面z 在點（XI,YI）處的插值。曲面總是經過這些數據點（x,y,z）的。輸入參量（XI,YI）通常是規則的格點（像用命令meshgrid
生成的一樣）。XI 可以是一行向量，這時XI 指定一有常數列向量的矩陣。類似地，YI 可以是一列向量，它指定一有常數行向量的矩陣。
(2)[XI,YI,ZI]
= griddata(x,y,z,xi,yi)
返回的矩陣ZI
含義同上，同時，返回的矩陣XI,YI 是由行向量xi 與列向量yi 用命令meshgrid 生成的。
(3)[XI,YI,ZI]
= griddata(.......,method)
用指定的演算法method
計算：
『linear』：基於三角形的線性插值（預設演算法）；
『cubic』：
基於三角形的三次插值；
『nearest』：最鄰近插值法；
『v4』：MATLAB
4 中的griddata 演算法。

命令6
spline
功能
三次樣條數據插值
格式
(1)yy
= spline(x,y,xx)
對於給定的離散的測量數據x,y（稱為斷點），要尋找一個三項多項式y
= p(x) ，以逼近每對數據(x,y)點間的曲線。過兩點(xi, yi) 和(xi+1, yi+1)
只能確定一條直線，而通過一點的三次多項式曲線有無窮多條。為使通過中間斷點的三次多項式曲線具有唯一性，要增加兩個條件（因為三次多項式有4
個系數）：
a．三次多項式在點(xi,
yi) 處有： p¢i(xi) = p¢i(xi) ；
b．三次多項式在點(xi+1,
yi+1) 處有： p¢i(xi+1) = pi¢(xi+1) ；
c．p(x)在點(xi,
yi) 處的斜率是連續的（為了使三次多項式具有良好的解析性，加上的條件）；
d．p(x)在點(xi,
yi) 處的曲率是連續的；
對於第一個和最後一個多項式，人為地規定如下條件：
①．
p¢1¢(x) = p¢2¢(x)
②．
p¢n¢(x) = p¢n¢-1(x)
上述兩個條件稱為非結點(not-a-knot)條件。綜合上述內容，可知對數據擬合的三次樣條函數p(x)是一個分段的三次多項式：
ï
ïî
ï
ïí
ì
£
£
£
£
£
£
=
n
n n+1
2
2 3
1
1 2
p
(x) x x x
p
(x) x x x
p
(x) x x x
p(x)
L
L L L
其中每段pi(x)
都是三次多項式。
該命令用三次樣條插值計算出由向量x
與y 確定的一元函數y=f(x)在點xx 處的值。若參量y 是一矩陣，則以y 的每一列和x 配對，再分別計算由它們確定的函數在點xx 處的值。則yy
是一階數為length(xx)*size(y,2)的矩陣。
(2)pp
= spline(x,y)
返回由向量x
與y 確定的分段樣條多項式的系數矩陣pp，它可用於命令ppval、unmkpp 的計算。

例6
對離散地分布在y=exp(x)sin(x)函數曲線上的數據點進行樣條插值計算：

>>x = [0 2 4 5 8 12 12.8
17.2 19.9 20]; y = exp(x).*sin(x);
>>xx = 0:.25:20;
>>yy =
spline(x,y,xx);
>>plot(x,y,'o',xx,yy)

命令7
interpn
功能
n 維數據插值（查表）
格式
(1)VI
= interpn(X1,X2,,,Xn,V,Y1,Y2,?,Yn) %返回由參量X1,X2,…,Xn,V 確定的n
元函數V=V(X1,X2,…,Xn)在點（Y1,Y2,…,Yn）處的插值。參量Y1,Y2,…,Yn 是同型的矩陣或向量。若Y1,Y2,…,Yn
是向量，則可以
是不同長度，不同方向（行或列）的向量。它們將通過命令ndgrid生成同型的矩陣，
再作計算。若點(Y1,Y2,…,Yn) 中有位於點（X1,X2,…,Xn）之外的點，則相應地返回特殊變數NaN。
VI
= interpn(V,Y1,Y2,?,Yn) %預設地，X1=1:size(V,1)，X2=1:size(V,2)，… ，
Xn=1:size(V,n)，再按上面的情形計算。
VI
= interpn(V,ntimes) %作ntimes 次遞歸計算，在V 的每兩個元素之間插入它們的n 維插值。這樣，V
的階數將不斷增加。interpn(V)
等價於interpn(V,
1)。
VI
= interpn(?,method) %用指定的演算法method 計算：
『linear』：線性插值（預設演算法）；
『cubic』：三次插值；
『spline』：三次樣條插值法；
『nearest』：最鄰近插值演算法。

命令8
meshgrid
功能
生成用於畫三維圖形的矩陣數據。
格式
[X,Y] = meshgrid(x,y) 將由向量x，y（可以是不同方向的）指定的區域[min(x)，max(x) ， min(y) ， max(y)]
用直線x=x(i),y=y(j) （ i=1,2,…,length(x)
，j=1,2,…,length(y)）進行劃分。這樣，得到了length(x)*length(y)個點，
這些點的橫坐標用矩陣X
表示，X 的每個行向量與向量x 相同；這些點的縱坐標用矩陣Y 表示，Y 的每個列向量與向量y 相同。其中X,Y可用於計算二元函數z=f(x,y)與三維圖形中xy
平面矩形定義域的劃分或
曲面作圖。
[X,Y]
= meshgrid(x) %等價於[X,Y]=meshgrid(x,x)。
[X,Y,Z]
= meshgrid(x,y,z) %生成三維陣列X,Y,Z，用於計算三元函數v=f(x,y,z)或三維容積圖。

例7

[X,Y] =
meshgrid(1:3,10:14)
計算結果為：

X =
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
Y =
10 10 10
11 11 11
12 12 12
13 13 13
14 14
14

命令9
ndgrid
功能
生成用於多維函數計算或多維插值用的陣列
格式
[X1,X2,…,Xn] = ndgrid(x1,x2,…,xn) %把通過向量x1,x2,x3…,xn 指定的區域轉換為數組x1,x2,x3,…,xn
。這樣， 得到了 length(x1)*length(x2)*…*length(xn)個點，這些點的第一維坐標用矩陣X1 表
示，X1
的每個第一維向量與向量x1 相同；這些點的第二維坐標用矩陣X2 表示，X2 的每個第二維向量與向量x2 相同；如此等等。
其中X1,X2,…,Xn
可用於計算多元函數y=f(x1,x2,…,xn)以及多維插值命令用到的陣列。
[X1,X2,…,Xn]
= ndgrid(x) %等價於[X1,X2,…,Xn] = ndgrid(x,x,…,x)

命令10
table1
功能
一維查表
格式
Y = table1(TAB,X0) %返回用表格矩陣TAB 中的行線性插值元素，對X0（TAB的第一列查找X0）進行線性插值得到的結果Y。矩陣TAB
是第一列包含
關鍵值，而其他列包含數據的矩陣。X0
中的每一元素將相應地返回一線性插值行向量。矩陣TAB 的第一列必須是單調的。

例8

>>tab = [(1:4)'
hilb(4)]
>>y = table1(tab,[1 2.3
3.6 4])
查表結果為：

>>tab = [(1:4)'
hilb(4)]
>>y = table1(tab,[1 2.3
3.6 4])

⑤ MATLAB中三種差值法怎樣編程

http://wenku..com/view/4b8beb2dcfc789eb172dc896.html?st=1

http://wenku..com/view/49a35f050740be1e650e9aac.html?st=1

http://wenku..com/view/97931e353968011ca30091ac.html

http://wenku..com/view/702346f8910ef12d2af9e7ad.html

⑥ matlab 的demosaic函數是用什麼插值演算法的

命令 interp1功能 一維數據插值（表格查找）。
該命令對數據點之間計算內插值。它找出一元函數f(x)在中間點的數值。
其中函數f(x)由所給數據決定：
x：原始數據點
Y：原始數據點
xi：插值點
Yi：插值點
格式
(1)yi = interp1(x,Y,xi)
返回插值向量yi，每一元素對應於參量xi，同時由向量x 與Y 的內插值決定。參量x 指定數據Y 的點。
若Y 為一矩陣，則按Y 的每列計算。yi 是階數為length(xi)*size(Y,2)的輸出矩陣。
(2)yi = interp1(Y,xi)
假定x=1:N，其中N 為向量Y 的長度，或者為矩陣Y 的行數。
(3)yi = interp1(x,Y,xi,method)
用指定的演算法計算插值：
』nearest』：最近鄰點插值，直接完成計算；
』linear』：線性插值（預設方式），直接完成計算；
』spline』：三次樣條函數插值。對於該方法，命令interp1 調用函數spline、ppval、mkpp、umkpp。這些命令生成一系列用於分段多項式操作的函數。命令spline 用它們執行三次樣條函數插值；
』pchip』：分段三次Hermite 插值。對於該方法，命令interp1 調用函數pchip，用於對向量x 與y 執行分段三次內插值。該方法保留單調性與數據的外形；
』cubic』：與』pchip』操作相同；
』v5cubic』：在MATLAB 5.0 中的三次插值。
對於超出x 范圍的xi 的分量，使用方法』nearest』、』linear』、』v5cubic』的插值演算法，相應地將返回NaN。對其他的方法，interp1 將對超出的分量執行外插值演算法。
(4)yi = interp1(x,Y,xi,method,'extrap')
對於超出x 范圍的xi 中的分量將執行特殊的外插值法extrap。
(5)yi = interp1(x,Y,xi,method,extrapval)
確定超出x 范圍的xi 中的分量的外插值extrapval，其值通常取NaN 或0。
例1
>>x = 0:10; y = x.*sin(x);
>>xx = 0:.25:10; yy = interp1(x,y,xx);
>>plot(x,y,'kd',xx,yy)
例2
>> year = 1900:10:2010;
>> proct = [75.995 91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505
249.633 256.344 267.893 ];
>>p1995 = interp1(year,proct,1995)
>>x = 1900:1:2010;
>>y = interp1(year,proct,x,'pchip');
>>plot(year,proct,'o',x,y)
插值結果為：
p1995 =
252.9885

⑦ 如何用matlab實現插值演算法

實例展示

1
先看一個實例，最後再來說明一維插值在matlab中的用法。實例如下圖，用13個節點作三種插值，並比較結果。

2
首先啟動matlab，選擇編輯器，再新建一個命令文件。

3
然後，在編輯器窗口中輸入本題的代碼。如下圖所示。並保存，此處命名為yiwei。

4
最後再命令行窗口處輸入yiwei，並敲入鍵盤上的enter建。最終得到的結果是插值與原來的13個數據點之間的比較圖，可以看出結果很好。

END
命令解釋

1
通過上面的例子，也知道了matlab進行一維插值的命令是interp1.
該命令的形式為y1=interp1(x0,y0,x1,'method').
功能：根據已知的數據（x0，y0），用method方法進行插值，然後計算x1對應的函數值y1.
2
其中的參數及其注意事項。
x0,y0是已知的數據向量，其中x應以升序或者降序排列，x1是插值點的自變數坐標向量；method是用來選擇插值演算法的，它可以取：『linear』（線性插值）、『cubic』（三次多項式插值）、『nearst』（最近插值）、『spline』（三次樣條插值）。

⑧ matlab中interp1的用法，一維線性插值怎麼插得，插幾個linear和nearest有什麼不同

是多少你執行一下就知道了。
linear是線性插值，採用已知數據兩點之間連線的方式，根據要插值的點在線上的位置計算插值結果，這是比較常用的。
nearest是最近點插值，直接找到最近的數據點，用該點的值直接代替，不太常用。

⑨ 請列一下插值法的計算公式，並舉個例子。

舉個例子。

2008年1月1日甲公司購入乙公司當日發行的面值600 000元、期限3年、票面利率8%、每年年末付息且到期還本的債券作為可供出售金融資產核算，實際支付的購買價款為620 000元。

則甲公司2008年12月31日因該可供出售金融資產應確認的投資收益是（）元。（已知PVA（7%，3）＝2.2463，PVA（6%，3）＝2.673，PV（7%，3）＝0.8163，PV（6%,3）＝0.8396）

題目未給出實際利率，需要先計算出實際利率。600 000×PV（r，3）＋600 000×8%×PVA（r，3）＝620 000，採用內插法計算，得出r＝6.35%。甲公司2008年12月31日因該可供出售金融資產應確認的投資收益＝620 000×6.35%＝39 370（元）。

插值法計算過程如下：

已知PVA（7%，3）＝2.2463，PVA（6%，3）＝2.673，PV（7%，3）＝0.8163，PV（6%,3）＝0.8396）

600 000×PV（r，3）＋600 000×8%×PVA（r，3）＝620 000

R=6%時

600000*0.8396+600000*8%*2.673=503760+128304=632064

R=7%時

600000*0.8163+600000*8%*2.2463=489780+107823=597603

6% 632064

r 620000

7% 597603

（6%-7%）/（6%-R）=（632064-597603）/（632064-620000）

解得R=6.35%

注意上面的式子的數字順序可以變的，但一定要對應。如可以為

（R-7%)/(7%-6%)=(620000-597603)/(597603-632064)也是可以的，當然還有其他的順序。"

(9)一維插值演算法擴展閱讀:

若函數f(x)在自變數x一些離散值所對應的函數值為已知，則可以作一個適當的特定函數p(x)，使得p(x)在這些離散值所取的函數值，就是f(x)的已知值。從而可以用p(x)來估計f(x)在這些離散值之間的自變數所對應的函數值，這種方法稱為插值法。

如果只需要求出某一個x所對應的函數值，可以用「圖解內插」。它利用實驗數據提供要畫的簡單曲線的形狀，然後調整它，使得盡量靠近這些點。

如果還要求出因變數p(x)的表達式，這就要用「表格內插」。通常把近似函數p(x)取為多項式(p(x)稱為插值多項式)，最簡單的是取p(x)為一次式，即線性插值法。

在表格內插時，使用差分法或待定系數法(此時可以利用拉格朗日公式)。在數學、天文學中，插值法都有廣泛的應用。