如何在 Savitzky-Golay 滤波器中使用不确定性来加权残差。

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？由于我没有将此信息传递给函数，因此我假设它只是通过未加权最小二乘过程计算“最佳拟合”。我目前正在处理具有非均匀不确定性的数据，因此可以通过包含我的主数据集的错误来改进数据的拟合度。

Savitzky-Golay 滤波器的 wikipedia page 建议我如何改变计算拟合系数的过程，我正盯着 scipy.signal.savgol_filter 的代码，但我无法理解什么我需要进行调整，这样它才能达到我想要的效果。

是否有现成的加权 SG 过滤器浮动？我很难相信在 Python 中没有人需要这个工具，但也许我错过了一些东西。

Answer 1

查看这个 Python 模块：https://github.com/surhudm/savitzky_golay_with_errors

这个 python 脚本改进了传统的 Savitzky-Golay 过滤器 通过考虑数据中的错误或协方差。输入和 参数都是在 scipy.signal.savgol_filter 之后建模的

---

Matlab 函数sgolayfilt 支持权重。检查documentation。