matlab中的插值命令解析

matlab中的插值命令解析.txt什么叫神话？请听男人向你表达爱意；什么叫传说？请听男人对你的承诺；什么叫梦境？请看你自己听到前两者时的反应。命令1 interp1

功能一维数据插值（表格查找）。该命令对数据点之间计算内插值。它找出一元函数f(x)在中间点的数值。其中函数f(x)由所给数据决定。

x：原始数据点

Y：原始数据点

xi：插值点

Yi：插值点

格式

(1)yi = interp1(x,Y,xi)

返回插值向量yi，每一元素对应于参量xi，同时由向量x 与Y 的内插值决定。参量x 指定数据Y 的点。

若Y 为一矩阵，则按Y 的每列计算。yi 是阶数为length(xi)*size(Y,2)的输出矩阵。(2)yi = interp1(Y,xi)

假定x=1:N，其中N 为向量Y 的长度，或者为矩阵Y 的行数。

(3)yi = interp1(x,Y,xi,method)

用指定的算法计算插值：

’nearest’：最近邻点插值，直接完成计算；

’linear’：线性插值（缺省方式），直接完成计算；

’spline’：三次样条函数插值。对于该方法，命令interp1 调用函数spline、ppval、mkpp、umkpp。这些命令生成一系列用于分段多项式操作的函数。命令spline 用它们执行三次样条函数插值；

’pchip’：分段三次Hermite 插值。对于该方法，命令interp1 调用函数pchip，用于对向量x 与y 执行分段三次内插值。该方法保留单调性与数据的外形；

’cubic’：与’pchip’操作相同；

’v5cubic’：在MATLAB 5.0 中的三次插值。

对于超出x 范围的xi 的分量，使用方法’nearest’、’linear’、’v5cubic’的插值算法，相应地将返回NaN。对其他的方法，interp1 将对超出的分量执行外插值算法。

(4)yi = interp1(x,Y,xi,method,'extrap')

对于超出x 范围的xi 中的分量将执行特殊的外插值法extrap。

(5)yi = interp1(x,Y,xi,method,extrapval)

确定超出x 范围的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)

复制代码例2

>> year = 1900:10:2010;

>> product = [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,product,1995)

>>x = 1900:1:2010;

>>y = interp1(year,product,x,'pchip');

>>plot(year,product,'o',x,y)

复制代码插值结果为：

p1995 =

252.9885

复制代码命令2 interp2

功能二维数据内插值（表格查找）

格式

(1)ZI = interp2(X,Y,Z,XI,YI)

返回矩阵ZI，其元素包含对应于参量XI 与YI（可以是向量、或同型矩阵）的元素，即Zi(i,j) ←[Xi(i,j),yi(i,j)]。用户可以输入行向量和列向量Xi 与Yi，此时，输出向量Zi 与矩阵meshgrid(xi,yi)是同型的。同时取决于由输入矩阵X、Y 与Z 确定的二维函数Z=f(X,Y)。参量X 与Y 必须是单调的，且相同的划分格式，就像由命令meshgrid 生成的一样。若Xi 与Yi 中有在X 与Y范围之外的点，则相应地返回nan（Not a Number）。

(2)ZI = interp2(Z,XI,YI)

缺省地，X=1:n、Y=1:m，其中[m,n]=size(Z)。再按第一种情形进行计算。

(3)ZI = interp2(Z,n)

作n 次递归计算，在Z 的每两个元素之间插入它们的二维插值，这样，Z 的阶数将不断增加。interp2(Z)等价于interp2(z,1)。

(4)ZI = interp2(X,Y,Z,XI,YI,method)

用指定的算法method 计算二维插值：

’linear’：双线性插值算法（缺省算法）；

’nearest’：最临近插值；

’spline’：三次样条插值；

’cubic’：双三次插值。

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

复制代码例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)

复制代码插值结果为：

w =

190.6288

复制代码命令3 interp3

功能三维数据插值（查表）

格式

(1)VI = interp3(X,Y,Z,V,XI,YI,ZI)

找出由参量X,Y,Z决定的三元函数V=V(X,Y,Z)在点（XI,YI,ZI）的值。参量XI,YI,ZI 是同型阵列或向量。若向量参量XI,YI,ZI 是不同长度，不同方向（行或列）的向量，这时输出参量VI 与Y1,Y2,Y3 为同型矩阵。其中Y1,Y2,Y3 为用命令meshgrid(XI,YI,ZI)生成的同型阵列。若插值点(XI,YI,ZI)中有位于点(X,Y,Z)之外的点，则相应地返回特殊变量值NaN。(2)VI = interp3(V,XI,YI,ZI)

缺省地， X=1:N ，Y=1:M， Z=1：P ，其中，[M,N,P]=size(V)，再按上面的情形计算。(3)VI = interp3(V,n)

作n 次递归计算，在V 的每两个元素之间插入它们的三维插值。这样，V 的阶数将不断增加。interp3(V)等价于interp3(V,1)。

(4)VI = interp3(......,method) %用指定的算法method 作插值计算：

‘linear’：线性插值（缺省算法）；

‘cubic’：三次插值；

‘spline’：三次样条插值；

‘nearest’：最邻近插值。

说明在所有的算法中，都要求X,Y,Z 是单调且有相同的格点形式。当X,Y,Z 是等距且单调时，用算法’*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

复制代码命令4 interpft

功能用快速Fourier 算法作一维插值

格式

(1)y = interpft(x,n)

返回包含周期函数x 在重采样的n 个等距的点的插值y。若length(x)=m，且x 有采样间隔dx，则新的y 的采样间隔dy=dx*m/n。注意的是必须n≥m。若x 为一矩阵，则按x 的列进行计算。返回的矩阵y 有与x 相同的列数，但有n 行。

(2)y = interpft(x,n,dim)

沿着指定的方向dim 进行计算

命令5 griddata

功能数据格点

格式

(1)ZI = griddata(x,y,z,XI,YI)

用二元函数z=f(x,y)的曲面拟合有不规则的数据向量x,y,z。griddata 将返回曲面z 在点（XI,YI）处的插值。曲面总是经过这些数据点（x,y,z）的。输入参量（XI,YI）通常是规则的格点（像用命令meshgrid 生成的一样）。XI 可以是一行向量，这时XI 指定一有常数列向量的矩阵。类似地，YI 可以是一列向量，它指定一有常数行向量的矩阵。

(2)[XI,YI,ZI] = griddata(x,y,z,xi,yi)

返回的矩阵ZI 含义同上，同时，返回的矩阵XI,YI 是由行向量xi 与列向量yi 用命令meshgrid 生成的。

(3)[XI,YI,ZI] = griddata(.......,method)

用指定的算法method 计算：

‘linear’：基于三角形的线性插值（缺省算法）；

‘cubic’：基于三角形的三次插值；

‘nearest’：最邻近插值法；

‘v4’：MATLAB 4 中的griddata 算法。

命令6 spline

功能三次样条数据插值

格式

(1)yy = spline(x,y,xx)

对于给定的离散的测量数据x,y（称为断点），要寻找一个三项多项式y = p(x) ，以逼近每对数据(x,y)点间的曲线。过两点(xi, yi) 和(xi+1, yi+1) 只能确定一条直线，而通过一点的三次多项式曲线有无穷多条。为使通过中间断点的三次多项式曲线具有唯一性，要增加两个条件（因为三次多项式有4 个系数）：

a．三次多项式在点(xi, yi) 处有： p¢i(xi) = p¢i(xi) ；

b．三次多项式在点(xi+1, yi+1) 处有： p¢i(xi+1) = pi¢(xi+1) ；

c．p(x)在点(xi, yi) 处的斜率是连续的（为了使三次多项式具有良好的解析性，加上的条件）；

d．p(x)在点(xi, yi) 处的曲率是连续的；

对于第一个和最后一个多项式，人为地规定如下条件：

①． p¢1¢(x) = p¢2¢(x)

②． p¢n¢(x) = p¢n¢-1(x)

上述两个条件称为非结点(not-a-knot)条件。综合上述内容，可知对数据拟合的三次样条函数p(x)是一个分段的三次多项式：

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) 都是三次多项式。

该命令用三次样条插值计算出由向量x 与y 确定的一元函数y=f(x)在点xx 处的值。若参量y 是一矩阵，则以y 的每一列和x 配对，再分别计算由它们确定的函数在点xx 处的值。则yy 是一阶数为length(xx)*size(y,2)的矩阵。

(2)pp = spline(x,y)

返回由向量x 与y 确定的分段样条多项式的系数矩阵pp，它可用于命令ppval、unmkpp 的计算。

例6

对离散地分布在y=exp(x)sin(x)函数曲线上的数据点进行样条插值计算：

>>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)

复制代码命令7 interpn

功能 n 维数据插值（查表）

格式

(1)VI = interpn(X1,X2,,,Xn,V,Y1,Y2,?,Yn) %返回由参量X1,X2,…,Xn,V 确定的n 元函数V=V(X1,X2,…,Xn)在点（Y1,Y2,…,Yn）处的插值。参量Y1,Y2,…,Yn 是同型的矩阵或向量。若Y1,Y2,…,Yn 是向量，则可以

是不同长度，不同方向（行或列）的向量。它们将通过命令ndgrid生成同型的矩阵，再作计算。若点(Y1,Y2,…,Yn) 中有位于点（X1,X2,…,Xn）之外的点，则相应地返回特殊变量NaN。

VI = interpn(V,Y1,Y2,?,Yn) %缺省地，X1=1:size(V,1)，X2=1:size(V,2)，…，

Xn=1:size(V,n)，再按上面的情形计算。

VI = interpn(V,ntimes) %作ntimes 次递归计算，在V 的每两个元素之间插入它们的n 维插值。这样，V 的阶数将不断增加。interpn(V)

等价于interpn(V, 1)。

VI = interpn(?,method) %用指定的算法method 计算：

‘linear’：线性插值（缺省算法）；

‘cubic’：三次插值；

‘spline’：三次样条插值法；

‘nearest’：最邻近插值算法。

命令8 meshgrid

功能生成用于画三维图形的矩阵数据。

格式 [X,Y] = meshgrid(x,y) 将由向量x，y（可以是不同方向的）指定的区域[min(x)，max(x) ，min(y) ，max(y)] 用直线x=x(i),y=y(j) （i=1,2,…,length(x) ，j=1,2,…,length(y)）进行划分。这样，得到了length(x)*length(y)个点，

这些点的横坐标用矩阵X 表示，X 的每个行向量与向量x 相同；这些点的纵坐标用矩阵Y 表示，Y 的每个列向量与向量y 相同。其中X,Y可用于计算二元函数z=f(x,y)与三维图形中xy 平面矩形定义域的划分或

曲面作图。

[X,Y] = meshgrid(x) %等价于[X,Y]=meshgrid(x,x)。

[X,Y,Z] = meshgrid(x,y,z) %生成三维阵列X,Y,Z，用于计算三元函数v=f(x,y,z)或三维容积图。

例7

[X,Y] = meshgrid(1:3,10:14)

复制代码计算结果为：

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

复制代码命令9 ndgrid功能生成用于多维函数计算或多维插值用的阵列

格式 [X1,X2,…,Xn] = ndgrid(x1,x2,…,xn) %把通过向量x1,x2,x3…,xn 指定的区域转换为数组x1,x2,x3,…,xn 。这样，得到了 length(x1)*length(x2)*…*length(xn)个点，这些点的第一维坐标用矩阵X1 表

示，X1 的每个第一维向量与向量x1 相同；这些点的第二维坐标用矩阵X2 表示，X2 的每个第二维向量与向量x2 相同；如此等等。

其中X1,X2,...,Xn 可用于计算多元函数y=f(x1,x2,...,xn)以及多维插值命令用到的阵列。[X1,X2,...,Xn] = ndgrid(x) %等价于[X1,X2,...,Xn] = ndgrid(x,x, (x)

命令10 table1

功能一维查表

格式 Y = table1(TAB,X0) %返回用表格矩阵TAB 中的行线性插值元素，对X0（TAB的第一列查找X0）进行线性插值得到的结果Y。矩阵TAB 是第一列包含

关键值，而其他列包含数据的矩阵。X0 中的每一元素将相应地返回一线性插值行向量。矩阵TAB 的第一列必须是单调的。

例8

>>tab = [(1:4)' hilb(4)]

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

复制代码查表结果为：

>>tab = [(1:4)' hilb(4)]

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

复制代码

数据插值和函数逼近 MATLAB实现

数据插值和函数逼近 1 数据插值 由已知样本点，以数据更为平滑为目标，求出其他点处的函数 值。在信号处理与图像处理上应用广泛。 求解方法： y1=interp1(x,y,x1,'方法') z1=interp2(x,y,z,x1,y1,'方法') 1.1 一维数据的插值 例：假设样本点来自x e x x x f x sin )53()(52-+-=，进行插值处理，得到平 例：草图样条曲线功能。 function sketch() x=[]; y=[]; gca; hold on; axis([0 1,0 1]); while 1 [x0,y0,button]=ginput(1);

if(isempty(button)) break; end; x=[x x0]; y=[y y0]; plot(x,y,'*'); end; xx=[x(1):(x(end)-x(1))/100:x(end)]; yy=interp1(x,y,xx,'spline'); plot(xx,yy,x,y,'*'); end 1.2 二维网格数据的插值 例3：假设样本点来自xy y x e x x z ----=2 2)2(2，进行插值处理，得到平滑的曲

1.3 二维一般分布数据的插值 例4：假设样本点来自xy y x e x x z ----=22)2(2，进行插值处理，得到平滑的曲 2 样条插值函数逼近 由已知样本点，求能对其较好拟合的函数表达式。 求解方法： S=csapi(x,y); % 定义一个三次样条函数类 S=spapi(k,x,y); % 定义一个k 次B 样条函数类 ys=fnval(S,xs); % 计算插值结果 fnplt(S); % 绘制插值结果 例：从)sin(x y =中取样本点，计算三次样条函数。

三次样条插值---matlab实现

计算方法实验—三次样条插值 机电学院075094-19 苏建加 20091002764 题目：求压紧三次样条曲线，经过点（-3,2），（-2,0），（1,3），（4,1），而且一阶导 数边界条件S'(-3)=-1;S'（4）=1。 解：首先计算下面的值： 记 1--=j j j x x h ； 1++=j j j j h h h u ；1=+j j u λ ； ?? ????????---+=-++++-j j j j j j j j j j j h y y h y y h h x x x f 1111 111],,[ ；M j =)(''j x s ;],,[611+-=j j j j x x x f d ; h1=-2-(-3)=1;h2=1-(-2)=3;h3=4-1=3; u1=1/4;u2=3/6; d1=6/4*(3/3-(-2)/1)=4.5;d2=6/6*(-2/3-3/3)=-5/3; 由于边界条件S'(-3)=-1;S'（4）=1,得到如下 式子： d0=6/1*(-2/1-(-1))=-6； d3=6/3*(1-(-2)/3)=10/3; 所以得到4个含参数m0~m3 的线性代数方程组为： 2.0000 1.0000 0 0 m0 0.2500 2.0000 0.7500 0 m1 0 0.5000 2.0000 0.5000 m2 0 0 1.0000 2.0000 m3 利用matlab 求解方程得： m = -4.9032 3.8065 -2.5161 2.9247 所以 S1(x)=-0.8172*(-2-x)^3+ 0.6344*(x+3)^3+2.8172*(-2-x)-0.6344*(x+3) x ∈[-3，-2] S2(x)=0.2115*(1-x)^3 -0.1398*(x+2)^3- 1.9032*(1-x)+ 2.2581*(x+2) x ∈[-2，1] S3(x)=-0.1398*(4-x)^3+0.1625(x-1)^3+ 2.2581*(4-x)-1.1290*(x-1) x ∈[1，4] 化简后得：S1(x)=1.4516*x^3 + 10.6128*x^2 + 23.4836*x + 16.1288 x ∈[-3，-2] S2(x)=-0.3513x^3-0.2043x^2+1.8492x+1.7061 x ∈[-2，1] S3(x)=0.3023x^3-2.1651x^2+3.8108x+1.0517 x ∈[1，4] 画图验证：

MATLAB数值实验一(数据的插值运算及其应用完整版)

佛山科学技术学院 实 验 报 告 课程名称 数值分析 实验项目 插值法与数据拟合 专业班级 机械工程 姓 名 余红杰 学 号 10 指导教师 陈剑 成 绩 日 期 月 日 一、实验目的 1、学会Lagrange 插值、牛顿插值和三次样条插值等基本插值方法； 2、讨论插值的Runge 现象 3、学会Matlab 提供的插值函数的使用方法，会用这些函数解决实际问题。 二、实验原理 1、拉格朗日插值多项式 2、牛顿插值多项式 3、三次样条插值 三、实验步骤 1、用MATLAB 编写独立的拉格朗日插值多项式函数 2、用MATLAB 编写独立的牛顿插值多项式函数 3、用MATLAB 编写独立的三次样条函数（边界条件为第一、二种情形） 4、已知函数在下列各点的值为： 根据步骤1,2,3编好的程序，试分别用4次拉格朗日多项式4()L x 、牛顿插值多项式4()P x 以及三次样条函数()S x (自然边界条件)对数据进行插值，并用图给出 ｛(,),0.20.08,0,1,2, ,10i i i x y x i i =+=｝，4()L x 、4()P x 和()S x 。 5、在区间[-1,1]上分别取10,20n =用两组等距节点对龙格函数 2 1 (),(11)125f x x x = -≤≤+作多项式插值，对不同n 值，分别画出插值函数及()f x 的图形。 6、下列数据点的插值

可以得到平方根函数的近似，在区间[0,64]上作图。 （1）用这9个点作8次多项式插值8()L x 。 （2）用三次样条（第一边界条件）程序求()S x 。 7、对于给函数2 1 ()125f x x = +在区间[-1,1]上取10.2(0,1, ,10)i x i i =-+=，试求3次 曲线拟合，试画出拟合曲线并打印出方程，与第5题的结果比较。 四、实验过程与结果： 1、Lagrange 插值多项式源代码： function ya=lag(x,y,xa) %x 所有已知插值点 %y 插值点对应函数值 %xa 所求点，自变量 %ya 所求点插值估计量 ya=0; mu=1; %初始化 %循环方式求L 系数，并求和： for i = 1:length(y) for j = 1:length(x) if i ~= j mu = mu * (xa - x(j) ) / ( x(i) - x(j) ); else continue end end ya = ya + y(i) * mu ; mu = 1; end 2、Newton 源代码： function ya = newton(x,y,xa) %x 所有已知插值点 %y 插值点对应函数值 %xa 所求点，自变量 %ya 所求点插值估计量 %建立系数零矩阵D 及初始化：

运用matlab建立三次样条插值函数

（1）编写三条样条插值函数程序如下： x=[1 4 9 16 25 36 49 64 81]; y=[1 2 3 4 5 6 7 8 9]; n=length(x); lamda(1)=1; miu(n)=1; h=diff(x); df=diff(y)./diff(x); d(1)=6*(df(1)-1/2)/h(1); d(n)=6*(0.5*81^-0.5-df(n-1))/h(n-1); for j=2:n-1 lamda(j)=h(j)/(h(j-1)+h(j)); miu(j)=h(j-1)/(h(j-1)+h(j)); d(j)=6*(df(j)-df(j-1))/(h(j-1)+h(j)); end miu=miu(2:end); u=diag(miu,-1);r=diag(lamda,1);a=diag(2*ones(1,n)); A=u+r+a; %求出矩阵形式的线性方程组 M=inv(A)*d'; %求出M值 syms g for j=1:n-1 s(j)=M(j)*(x(j+1)-g)^3/(6*h(j))+M(j+1)*((g-x(j))^3/(6*h(j)))+(y(j)-M( j)*h(j)^2/6)*(x(j+1)-g)/h(j)+(y(j+1)-M(j+1)*h(j)^2/6)*(g-x(j))/h(j); end format rat for j=1:n-1 S(j,:)=sym2poly(s(j)); %三条样条插值函数 end %生成三次样条插值函数图象 for j=1:n-1 x1=x(j):0.01:x(j+1); y1=polyval(S(j,:),x1); plot(x1,y1,x,y,'o'); title('spline 三次样条插值函数图象'); xlabel('x'); ylabel('y'); grid on; hold on; end

MATLAB三次样条插值之三弯矩法

MATLAB三次样条插值之三弯矩法 首先说这个程序并不完善，为了实现通用（1，2，…，n）格式解题，以及为调用追赶法程序，没有针对节点数在三个以下的情况进行分类讨论。希望能有朋友给出更好的方法。 首先，通过函数 sanwanj得到方程的系数矩阵，即追赶法方程的四个向量参数，接下来调用 追赶法（在intersanwj函数中），得到三次样条分段函数系数因子，然后进行多项式合并得 到分段函数的解析式，程序最后部分通过判断输入值的区间自动选择对应的分段函数并计算改 点的值。附：追赶法程序 chase %%%%%%%%%%%%%% function [newv,w,newu,newd]=sanwj(x,y,x0,y0,y1a,y1b) % 三弯矩样条插值 % 将插值点分两次输入，x0 y0 单独输入 % 边值条件a的二阶导数 y1a 和b的二阶导数 y1b，这里建议将y1a和y1b换成y2a和 y2b，以便于和三转角代码相区别 n=length(x);m=length(y); if m~=n error('x or y 输入有误，再来'); end v=ones(n-1,1);u=ones(n-1,1);d=zeros(n-1,1); w=2*ones(n+1); h0=x(1)-x0; h=zeros(n-1,1); for k=1:n-1 h(k)=x(k+1)-x(k); end v(1)=h0/(h0+h(1)); u(1)=1-v(1); d(1)=6*((y(2)-y(1))/h(1)-(y(1)-y0)/h0)/(h0+h(1)); % for k=2:n-1 v(k)=h(k-1)/(h(k-1)+h(k)); u(k)=1-v(k); d(k)=6*((y(k+1)-y(k))/h(k)-(y(k)-y(k-1))/h(k-1))/(h(k-1)+h(k)); end newv=[v;1]; newu=[1;u]; d0=6*((y(1)-y0)/h0-y1a)/h0;

第四讲 matlab插值、拟合和回归分析

第四讲 插值、拟合与回归分析 在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样本点，要求得到变量之间的函数关系或得到样本点之外的数据。解决此类问题的方法一般有插值、拟合和回归分析等。 设有一组实验数据0011(,),(,),(,)n n x y x y x y ，当原始数据精度较高，要求确定一个简单函数()y x ?=（一般为多项式或分段多项式）通过各数据点，即(),0,,i i y x i n ?== ，称为插值问题。 另一类是拟合问题，当我们已经有了函数关系的类型，而其中参数未知或原始数据有误差时，我们确定的初等函数()y x ?=并不要求经过数据点，而是要求在某种距离度量下总体误差达到最小，即 (),0,,i i i y x i n ?ε=+= ，且20 n i i ε=∑达到最小值。 对同一组实验数据，可以作出各种类型的拟合曲线，但拟合效果有好有坏，需要进行有效性的统计检验，这类问题称为回归分析。 一、插值(interpolation) 常用的插值方法有分段线性插值、分段立方插值、样条插值等。 1、一元插值 yi=interp1(x,y,xi,method) 对给定数据点(x,y)，按method 指定的方法求出插值函数在点（或数组）xi 处的函数值yi 。其中method 是字符串表达式，可以是以下形式： 'nearest' ——最邻近点插值

'linear' ——分段线性插值（也是缺省形式） 'spline' ——分段三次样条插值 'cubic' 分段立方插值 例：在一天24小时内，从零点开始每间隔2小时测得环境温度数据分别为（℃）： 12，9，9，10，18，24，28，27，25，20，18，15，13 用不同的插值方法估计中午1点（即13点）的温度，并绘出温度变化曲线。 >> x=0:2:24; >> y=[12 9 9 10 18 24 28 27 25 20 18 15 13]; >>y_linear=interp1(x,y,13),y_nearest=interp1(x,y,13,'nearest') >>y_cubic=interp1(x,y,13,'cubic'),y_spline=interp1(x,y,13,'spline') >> y1=interp1(x,y,xx); y2=interp1(x,y,xx,'nearest'); >> y3=interp1(x,y,xx,'cubic');y4=interp1(x,y,xx,'spline'); >> subplot(2,2,1),plot(x,y,'or',xx,y1) >> subplot(2,2,2),plot(x,y,'or',xx,y2) >> subplot(2,2,3),plot(x,y,'or',xx,y3) >> subplot(2,2,4),plot(x,y,'or',xx,y4) 2、二元插值 zi=interp2(X,Y,Z,xi,yi,method) 已知数据点（X，Y，Z），求插值函数在（xi,yi）处的函数值zi,插值方法method同interp1。这里要求X,Y,Z是同维矩阵，且X，Y是

matlab实现数值分析插值及积分

Matlab实现数值分析插值及积分 摘要： 数值分析(numerical analysis)是研究分析用计算机求解数学计算问题的数值计算方法及其理论的学科，是数学的一个分支，它以数字计算机求解数学问题的理论和方法为研究对象。在实际生产实践中，常常将实际问题转化为数学模型来解决，这个过程就是数学建模。学习数值分析这门课程可以让我们学到很多的数学建模方法。 分别运用matlab数学软件编程来解决插值问题和数值积分问题。题目中的要计算差值和积分，对于问题一，可以分别利用朗格朗日插值公式，牛顿插值公式，埃特金逐次线性插值公式来进行编程求解，具体matlab代码见正文。编程求解出来的结果为：=+。 其中Aitken插值计算的结果图如下： 对于问题二，可以分别利用复化梯形公式，复化的辛卜生公式，复化的柯特斯公式编写程序来进行求解，具体matlab代码见正文。编程求解出来的结果为： 0.6932 其中复化梯形公式计算的结果图如下：

问题重述 问题一：已知列表函数 表格 1 分别用拉格朗日，牛顿，埃特金插值方法计算。 问题二：用复化的梯形公式，复化的辛卜生公式，复化的柯特斯公式计算积分，使精度小于5。 问题解决 问题一：插值方法 对于问题一，用三种差值方法：拉格朗日，牛顿，埃特金差值方法来解决。 一、拉格朗日插值法： 拉格朗日插值多项式如下： 首先构造1+n 个插值节点n x x x ,,,10 上的n 插值基函数，对任一点i x 所对应的插值基函数 )(x l i ，由于在所有),,1,1,,1,0(n i i j x j +-=取零值，因此)(x l i 有因子 )())(()(110n i i x x x x x x x x ----+- 。又因)(x l i 是一个次数不超过n 的多项式，所以只 可能相差一个常数因子，固)(x l i 可表示成： )())(()()(110n i i i x x x x x x x x A x l ----=+- 利用1)(=i i x l 得：

三次样条插值的MATLAB实现

MATLAB 程序设计期中考查 在许多问题中，通常根据实验、观测或经验得到的函数表或离散点上的信息，去研究分析函数的有关特性。其中插值法是一种最基本的方法，以下给出最基本的插值问题——三次样条插值的基本提法： 对插值区间[]b a ,进行划分：b x x x a n ≤

三次样条插值的Matlab实现(自然边界和第一边界条件)

（第一边界条件）源代码：function y=yt1(x0,y0,f_0,f_n,x)_____________(1) %第一类边界条件下三次样条插值； %xi所求点； %yi所求点函数值； %x已知插值点； %y已知插值点函数值； %f_0左端点一次导数值； %f_n右端点一次导数值； n = length(x0); z = length(y0); h = zeros(n-1,1); k=zeros(n-2,1); l=zeros(n-2,1); S=2*eye(n); fori=1:n-1 h(i)= x0(i+1)-x0(i); end fori=1:n-2 k(i)= h(i+1)/(h(i+1)+h(i)); l(i)= 1-k(i);

end %对于第一种边界条件： k = [1;k];_______________________(2) l = [l;1];_______________________(3) %构建系数矩阵S： fori = 1:n-1 S(i,i+1) = k(i); S(i+1,i) = l(i); end %建立均差表： F=zeros(n-1,2); fori = 1:n-1 F(i,1) = (y0(i+1)-y0(i))/(x0(i+1)-x0(i)); end D = zeros(n-2,1); fori = 1:n-2 F(i,2) = (F(i+1,1)-F(i,1))/(x0(i+2)-x0(i)); D(i,1) = 6 * F(i,2); end %构建函数D： d0 = 6*(F(1,2)-f_0)/h(1);___________(4)

【VIP专享】MATLAB插值与拟合的几个函数整理

MATLAB插值与拟合 2015.4.19 19:21 【目录】 1. 线性拟合函数：regress() 2. 多项式曲线拟合函数：polyfit( ) 3. 多项式曲线求值函数：polyval( ) 4. 多项式曲线拟合的评价和置信区间函数：polyconf( ) 5. 稳健回归函数：robustfit( ) §1曲线拟合 实例：温度曲线问题 气象部门观测到一天某些时刻的温度变化数据为： t 0 1 2 3 4 5 6 7 8 9 10 T 13 15 17 14 16 19 26 24 26 27 29 试描绘出温度变化曲线。 曲线拟合就是计算出两组数据之间的一种函数关系，由此可描绘其变化曲线及估计非采集数据对应的变量信息。 曲线拟合有多种方式，下面是一元函数采用最小二乘法对给定数据进行多项式曲线拟合，最后给出拟合的多项式系数。 1. 线性拟合函数：regress() 调用格式：b=regress(y,X) [b,bint,r,rint,stats]= regress(y,X) [b,bint,r,rint,stats]= regress(y,X,alpha) 说明：b=regress(y,X)返回X处y的最小二乘拟合值。该函数求解线性模型：y=Xβ+ε; β是p′1的参数向量；ε是服从标准正态分布的随机干扰的n′1的向量；y为n′1的向量；X为n′p矩阵。bint返回β的95%的置信区间。r中为形状残差，rint中返回每一个残差的95%置信区间。Stats向量包含R2统计量、回归的F值和p值。 例1：设y的值为给定的x的线性函数加服从标准正态分布的随机干扰值得到。即y=10+x+ε；求线性拟合方程系数。 程序：x=[ones(10,1) (1:10)’] y=x*[10;1]+normrnd(0,0.1,10,1)

(完整版)Matlab学习系列13.数据插值与拟合

13. 数据插值与拟合 实际中，通常需要处理实验或测量得到的离散数据（点）。插值与拟合方法就是要通过离散数据去确定一个近似函数（曲线或曲面），使其与已知数据有较高的拟合精度。 1.如果要求近似函数经过所已知的所有数据点，此时称为插值问 题（不需要函数表达式）。 2.如果不要求近似函数经过所有数据点，而是要求它能较好地反 映数据变化规律，称为数据拟合（必须有函数表达式）。 插值与拟合都是根据实际中一组已知数据来构造一个能够反映数据变化规律的近似函数。区别是：【插值】不一定得到近似函数的表达形式，仅通过插值方法找到未知点对应的值。【拟合】要求得到一个具体的近似函数的表达式。 因此，当数据量不够，但已知已有数据可信，需要补充数据，此时用【插值】。当数据基本够用，需要寻找因果变量之间的数量关系（推断出表达式），进而对未知的情形作预测，此时用【拟合】。

一、数据插值 根据选用不同类型的插值函数，逼近的效果就不同，一般有：（1）拉格朗日插值（lagrange插值） （2）分段线性插值 （3）Hermite （4）三次样条插值 Matlab 插值函数实现： （1）interp1( ) 一维插值 （2）intep2( ) 二维插值 （3）interp3( ) 三维插值 （4）intern( ) n维插值 1.一维插值（自变量是1维数据） 语法：yi = interp1(x0, y0, xi, ‘method’) 其中，x0, y0为原离散数据（x0为自变量，y0为因变量）；xi为需要插值的节点，method为插值方法。 注：（1）要求x0是单调的，xi不超过x0的范围； （2）插值方法有‘nearest’——最邻近插值；‘linear’——线性插值；‘spline’——三次样条插值；‘cubic’——三次插值；

插值与拟合(使用插值还是拟合)

利用matlab实现插值与拟合实验 张体强1026222 张影 晁亚敏 [摘要]：在测绘学中，无论是图形处理，还是地形图处理等，大多离不开插值与拟合的应用，根据插值与拟合原理，构造出插值和拟合函数，理解其原理，并在matlab平台下，实现一维插值，二维插值运算，实现多项式拟合，非线性拟合等，并在此基础上，联系自己所学专业，分析其生活中特殊例子，提出问题，建立模型，编写程序，以至于深刻理解插值与拟合的作用。 [关键字]: 测绘学插值多项式拟合非线性拟合 [ Abstract]: in surveying and mapping, whether the graphics processing, or topographic map processing and so on, are inseparable from the interpolation and fitting application, according to the interpolation and fitting theory, construct the fitting and interpolation function, understanding its principle, and MATLAB platform, achieve one-dimensional interpolation, two-dimensional interpolation, polynomial fitting, non-linear fitting, and on this basis, to contact their studies, analysis of their living in a special example, put forward the question, modeling, programming, so that a deep understanding of interpolation and fitting function. [ Key words]: Surveying and mapping interpolation polynomial fitting nonlinear

插值算法与matlab代码

Matlab中插值函数汇总和使用说明 MATLAB中的插值函数为interp1，其调用格式为： yi= interp1(x,y,xi,'method') 其中x，y为插值点，yi为在被插值点xi处的插值结果；x,y为向量，'method'表示采用的插值方法，MA TLAB提供的插值方法有几种：'method'是最邻近插值，'linear'线性插值；'spline'三次样条插值；'cubic'立方插值．缺省时表示线性插值 注意：所有的插值方法都要求x是单调的，并且xi不能够超过x的范围。 例如：在一天24小时内，从零点开始每间隔2小时测得的环境温度数据分别为12，9，9，10，18 ，24，28，27，25，20，18，15，13， 推测中午12点（即13点）时的温度． 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') 结果为：27.8725 若要得到一天24小时的温度曲线，则： xi=0:1/3600:24; yi=interp1(x,y,xi, 'spline'); plot(x,y,'o' ,xi,yi) 命令1 interp1 功能一维数据插值（表格查找）。该命令对数据点之间计算内插值。它找出一元函数f(x)在中间点的数值。其中函数f(x)由所给数据决定。 x：原始数据点 Y：原始数据点

xi：插值点 Yi：插值点 格式 (1)yi = interp1(x,Y,xi) 返回插值向量yi，每一元素对应于参量xi，同时由向量x 与Y 的内插值决定。参量x 指定数据Y 的点。 若Y 为一矩阵，则按Y 的每列计算。yi 是阶数为length(xi)*size(Y,2)的输出矩阵。 (2)yi = interp1(Y,xi) 假定x=1:N，其中N 为向量Y 的长度，或者为矩阵Y 的行数。 (3)yi = interp1(x,Y,xi,method) 用指定的算法计算插值： ’nearest’：最近邻点插值，直接完成计算； ’linear’：线性插值（缺省方式），直接完成计算； ’spline’：三次样条函数插值。对于该方法，命令interp1 调用函数spline、ppval、mkpp、umkpp。这些命令生成一系列用于分段多项式操作的函数。命令spline 用它们执行三次样条函数插值； ’pchip’：分段三次Hermite 插值。对于该方法，命令interp1 调用函数pchip，用于对向量x 与y 执行分段三次内插值。该方法保留单调性与数据的外形； ’cubic’：与’pchip’操作相同； ’v5cubic’：在MATLAB 5.0 中的三次插值。 对于超出x 范围的xi 的分量，使用方法’nearest’、’linear’、’v5cubic’的插值算法，相应地将返回NaN。对其他的方法，interp1 将对超出的分量执行外插值算法。 (4)yi = interp1(x,Y,xi,method,'extrap') 对于超出x 范围的xi 中的分量将执行特殊的外插值法extrap。 (5)yi = interp1(x,Y,xi,method,extrapval) 确定超出x 范围的xi 中的分量的外插值extrapval，其值通常取NaN 或0。 例1 1. 2.>>x = 0:10; y = x.*sin(x); 3.>>xx = 0:.25:10; yy = interp1(x,y,xx); 4.>>plot(x,y,'kd',xx,yy) 复制代码 例2 1. 2.>> year = 1900:10:2010; 3.>> product = [75.995 91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505 4.249.633 256.344 267.893 ]; 5.>>p1995 = interp1(year,product,1995) 6.>>x = 1900:1:2010; 7.>>y = interp1(year,product,x,'pchip'); 8.>>plot(year,product,'o',x,y) 复制代码 插值结果为： 1.

MATLAB三次样条插值之三转角法

非常类似前面的三弯矩法，这里的sanzhj函数和intersanzhj作用相当于前面的sanwanj和intersanwj，追赶法程序通用，代码如下。 %%%%%%%%%%%%%%%%%%% function [newu,w,newv,d]=sanzhj(x,y,x0,y0,y1a,y1b) % 三转角样条插值 % 将插值点分两次输入，x0 y0 单独输入 % 边值条件a的一阶导数 y1a 和b的一阶导数 y1b n=length(x);m=length(y); if m~=n error('x or y 输入有误，再来'); end v=ones(n-1,1); u=ones(n-1,1); d=zeros(n-1,1); w=2*ones(n-1,1); h0=x(1)-x0; h=zeros(n-1,1); for k=1:n-1 h(k)=x(k+1)-x(k); end v(1)=h0/(h0+h(1)); u(1)=1-v(1); d(1)=3*(v(1)*(y(2)-y(1))/h(1)+u(1)*((y(1)-y0))/h0); % for k=2:n-1 v(k)=h(k-1)/(h(k-1)+h(k)); u(k)=1-v(k); d(k)=3*(v(k)*(y(k+1)-y(k))/h(k)+u(k)*(y(k)-y(k-1))/h(k-1)); end d(1)=d(1)-u(1)*y1a; d(n-1)=d(n-1)-v(n-1)*y1b; newv=v(1:n-2,:); newu=u(2:n-1,:); %%%%%%%%%%%% function intersanzhj(x,y,x0,y0,y1a,y1b) % 三转角样条插值

三次样条插值的Matlab实现(自然边界和第一边界条件)(精)

(第一边界条件源代码: function y=yt1(x0,y0,f_0,f_n,x _____________(1 %第一类边界条件下三次样条插值; %xi 所求点; %yi所求点函数值; %x 已知插值点; %y 已知插值点函数值; %f_0左端点一次导数值; %f_n右端点一次导数值; n = length(x0; z = length(y0; h = zeros(n-1,1; k=zeros(n-2,1; l=zeros(n-2,1; S=2*eye(n; fori=1:n-1 h(i= x0(i+1-x0(i; end fori=1:n-2

k(i= h(i+1/(h(i+1+h(i; l(i= 1-k(i; end %对于第一种边界条件: k = [1;k]; _______________________(2 l = [l;1]; _______________________(3 %构建系数矩阵 S : fori = 1:n-1 S(i,i+1 = k(i; S(i+1,i = l(i; end %建立均差表: F=zeros(n-1,2; fori = 1:n-1 F(i,1 = (y0(i+1-y0(i/(x0(i+1-x0(i; end D = zeros(n-2,1; fori = 1:n-2 F(i,2 = (F(i+1,1-F(i,1/(x0(i+2-x0(i; D(i,1 = 6 * F(i,2;

end %构建函数 D : d0 = 6*(F(1,2-f_0/h(1; ___________(4 dn = 6*(f_n-F(n-1,2/h(n-1; ___________(5 D = [d0;D;dn]; ______________(6 m= S\D; %寻找 x 所在位置,并求出对应插值: fori = 1:length(x for j = 1:n-1 if (x(i<=x0(j+1&(x(i>=x0(j y(i =( m(j*(x0(j+1-x(i^3/(6*h(j+... (m(j+1*(x(i-x0(j^3/(6*h(j+... (y0(j-(m(j*h(j^2/6*(x0(j+1-x(i/h(j+... (y0(j+1-(m(j+1*h(j^2/6*(x(i-x0(j/h(j ; break; else continue; end end end (2 (自然边界条件源代码: 仅仅需要对上面部分标注的位置做如下修改 :

matlab_牛顿插值法_三次样条插值法

(){} 2 1 ()(11),5,10,20: 1252 1()1,(0,1,2,,)()2,(0,1,2,,)() ()2 35,20:1100 (i i i i n n k k k Newton f x x n x f x x i i n f x n x y i n Newton N x S x n x k y f x = -≤≤=+=-+====-+ = 题目：插值多项式和三次样条插值多项式。已知对作、计算函数在点处的值；、求插值数据点 的插值多项式和三次样条插值多项式；、对计算和相应的函数值),()() (1,2,,99)4:()max ()()max ()n k n k n k n k n k n k k k N x S x k E N y N x E S y S x ==-=- 和； 、计算，； 解释你所得到的结果。 算法组织: 本题在算法上需要解决的问题主要是：求出第二问中的Newton 插值多项式 )(x N n 和三次样条插值多项式()n S x 。如此，则第三、四问则迎刃而解。计算两 种插值多项式的算法如下： 一、求Newton 插值多项式)(x N n ，算法组织如下： Newton 插值多项式的表达式如下： )())(()()(110010--???--+???+-+=n n n x x x x x x c x x c c x N 其中每一项的系数c i 的表达式如下： 1102110) ,,,(),,,(),,,(x x x x x f x x x f x x x f c i i i i i -???-???= ???=- 根据i c 以上公式，计算的步骤如下： ?? ??? ?? ?????+??????? ???????????----) ,,,,(1) ,,,(),,,,(),(,),,(2)(,),(),(11101111011010n n n n n n n n x x x x f n x x x f x x x f n x x f x x f x f x f x f 、计算、计算、计算、计算 二、求三次样条插值多项式)(x S n ，算法组织如下：

Matlab中的拟合与差值

您正在看的MATL AB是:曲线拟合与插值。 在大量的应用领域中，人们经常面临用一个解析函数描述数据(通常是测量值)的任务。对这个问题有两种方法。在插值法里，数据假定是正确的，要求以某种方法描述数据点之间所发生的情况。这种方法在下一节讨论。这里讨论的方法是曲线拟合或回归。人们设法找出某条光滑曲线，它最佳地拟合数据，但不必要经过任何数据点。图11.1说明了这两种方法。标有'o'的是数据点；连接数据点的实线描绘了线性内插，虚线是数据的最佳拟合。 11.1 曲线拟合 曲线拟合涉及回答两个基本问题：最佳拟合意味着什么？应该用什么样的曲线？可用许多不同的方法定义最佳拟合，并存在无穷数目的曲线。所以，从这里开始，我们走向何方？正如它证实的那样，当最佳拟合被解释为在数据点的最小误差平方和，且所用的曲线限定为多项式时，那么曲线拟合是相当简捷的。数学上，称为多项式的最小二乘曲线拟合。如果这种描述使你混淆，再研究图11.1。虚线和标志的数据点之间的垂直距离是在该点的误差。对各数据点距离求平方，并把平方距离全加起来，就是误差平方和。这条虚线是使误差平方和尽可能小的曲线，即是最佳拟合。最小二乘这个术语仅仅是使误差平方和最小的省略说法。 图11.12阶曲线拟合 在MATLAB中，函数polyfit求解最小二乘曲线拟合问题。为了阐述这个函数的用法，让我们以上面图11.1中的数据开始。

?x=[0.1.2.3.4.5.6.7.8.91]; ?y=[-.4471.9783.286.167.087.347.669.569.489.3011.2]; 为了用polyfit，我们必须给函数赋予上面的数据和我们希望最佳拟合数据的多项式的阶次或度。如果我们选择n=1作为阶次，得到最简单的线性近似。通常称为线性回归。相反，如果我们选择n=2作为阶次，得到一个2阶多项式。现在，我们选择一个2阶多项式。 ?n=2;%polyno mial order ?p=poly fit(x, y, n) p = -9.810820.1293-0.0317 polyfit的输出是一个多项式系数的行向量。其解是y= －9.8108x2＋20.1293x－0.0317。为了将曲线拟合解与数据点比较，让我们把二者都绘成图。 ?xi=linspace(0, 1, 100);%x-axis data for plotting ?z=polyval(p, xi); 为了计算在xi数据点的多项式值，调用MATLAB的函数polyval。 ?plot(x, y, ' o ' , x, y, xi, z, ': ') 画出了原始数据x和y，用'o'标出该数据点，在数据点之间，再用直线重画原始数据，并用点' : '线，画出多项式数据xi和z。 ?xlabel('x '), y label('y=f(x) '), title('Second Order Curv e Fitting ') 将图作标志。这些步骤的结果表示于前面的图11.1中。

matlab牛顿插值法例题与程序

题目一：多项式插值 某气象观测站在8：00（AM ）开始每隔10分钟对天气作如下观测，用三次多项式插值函数（Newton ）逼近如下曲线，插值节点数据如上表，并求出9点30分该地区的温度（x=10）。 二、数学原理 假设有n+1个不同的节点及函数在节点上的值（x 0，y 0），……（x n ，y n ），插值多项式有如下形式： ）（） ）（（）（）（）（n 10n 102010n x -x )(x -x x -x x P x x x x x x -??-+??+-++=αααα （1） 其中系数i α（i=0,1,2……n ）为特定系数，可由插值样条i i n y x P =） （（i=0,1,2……n ）确定。 根据均差的定义，把x 看成[a,b]上的一点,可得 f(x)= f （0x ）+f[10x x ，]（0x -x ） f[x, 0x ]= f[10x x ，]+f[x,10x x ，] （1x -x ） …… f[x, 0x ，…x 1-n ]= f[x, 0x ，…x n ]+ f[x, 0x ，…x n ](x-x n ) 综合以上式子，把后一式代入前一式，可得到： f(x)= f[0x ]+f[10x x ，]（0x -x ）+ f[210x x x ，，]（0x -x ）（1x -x ）+ …+ f[x, 0x ，…x n ]（0x -x ）…(x-x 1-n )+ f[x, 0x ，…x n ,x ]） （x 1n +ω= N n （x ）+） （x n R 其中

N n （x ）= f[0x ]+f[10x x ，]（0x -x ）+ f[210x x x ，，]（0x -x ）（1x -x ）+ …+ f[x, 0x ，…x n ]（0x -x ）…(x-x 1-n ) （2） ）（x n R = f(x)- N n （x ）= f[x, 0x ， (x) n ,x ]） （x 1n +ω （3） ） （x 1n +ω=（0x -x ）…(x-x n ) Newton 插值的系数i α（i=0,1,2……n ）可以用差商表示。一般有 f k =α[k 10x x x ??，] （k=0,1,2，……，n ） （4） 把（4）代入（1）得到满足插值条件N ）（） （i i n x f x =（i=0,1,2，……n ）的n 次Newton 插值多项式 N n （x ）=f （0x ）+f[10x x ，]（1x -x ）+f[210x x x ，，]（1x -x ）（2x -x ）+……+f[n 10x x x ??，]（1x -x ）（2x -x ）…（1-n x -x ）. 其中插值余项为： ） （）！ （） （）（）（）（x 1n f x N -x f x R 1n 1 n n +++==ωξ ξ介于k 10x x x ??，之间。 三、程序设计 function [y,A,C,L]=newdscg(X,Y,x,M) % y 为对应x 的值，A 为差商表，C 为多项式系数，L 为多项式 % X 为给定节点，Y 为节点值，x 为待求节点 n=length(X); m=length(x); % n 为X 的长度 for t=1:m