问题描述
这个问题与特定的编程语言没有直接关系,而是一个算法问题。
我所拥有的是2D函数的许多示例。样本位于随机位置,它们在域上分布不均匀,样本值包含噪声,并且每个样本都分配有一个置信度权重。
我要寻找的是一种基于样本重建原始2D函数的算法,因此函数y' = G(x0,x1)
可以近似原始井并插值样本稀疏区域。
它朝着scipy.interpolate.griddata的方向发展,但又增加了以下困难:
- 样本值包含噪声-这意味着样本不仅应进行插值,而且还应以某种方式对附近的样本进行平均,以平均出采样噪声。
- 对样本进行加权,因此,权重较高的样本比权重较低的样本对重构的影响更大。
scipy.interpolate.griddata似乎进行了delaunay三角剖分,然后使用三角形的重心坐标来插值。不过,这似乎与我对样本加权和平均噪声的要求不兼容。
有人可以为我指出正确的解决方法吗?
解决方法
基于注释,该函数在一个球体上定义。这样可以简化生活,因为您的区域既经过精心研究,又受到很好的限制!
首先,确定在近似中将使用多少Spherical Harmonic functions。使用的次数越少,消除噪音的效果就越好。您使用的越多,它将越准确。但是,如果您使用任何特定程度的课程,则应全部使用。
现在,您只需施加一个条件,即应将加权误差的平方和最小化。这将导致一个线性方程组,然后您可以对其进行求解以获得每个谐波函数的系数。