如何使用不确定性对 Savitzky-Golay 滤波器中的残差进行加权。

Question

有没有办法将我的数据集的不确定性纳入 Savitzky Golay 拟合的结果中？由于我没有将此信息传递到函数中，因此我认为它只是通过未加权的最小二乘过程来计算“最佳拟合”。我目前正在处理具有非均匀不确定性的数据，因此可以通过包含主数据集的错误来改进数据的拟合度。

Savitzky-Golay 滤波器的维基百科页面建议我如何改变计算拟合系数的过程，我正在盯着 的代码scipy.signal.savgol_filter，但我无法理解我需要调整的内容，以便这会做我想做的事。

是否有现成的加权 SG 滤波器漂浮？我很难相信没有人曾经需要过这个 Python 工具，但也许我错过了一些东西。

Answer 1

查看此 Python 模块：https://github.com/surhudm/savitzky_golay_with_errors

此 Python 脚本通过考虑数据中的错误或协方差来改进传统的 Savitzky-Golay 过滤器。输入和参数均按照 scipy.signal.savgol_filter 建模

Matlab 函数sgolayfilt支持权重。检查文档。