IDL编程学习资料

15195775117

IDL提供了一个函数COMPLEXROUND，(=conplex(复数)+round(四舍五入))，功能是对复数进行四舍五入，很好奇，复数怎么四舍五入，试了一下：
  X = [COMPLEX(1.245, 3.88), COMPLEX(9.1, 0.3345)]
  PRINT, COMPLEXROUND(X)
输出：
(      1.00000,      4.00000)(      9.00000,     0.000000)
原来只是把实部、虚部分开算罢了！

15195775117

对角矩阵：

提取对角元素：
a=indgen(4,4)
print,diag_matrix(a)
输出：0       5      10      15
生成对角矩阵：
b=indgen(5)
print,diag_matrix(b)
输出：
       0       0       0       0       0
       0       1       0       0       0
       0       0       2       0       0
       0       0       0       3       0
       0       0       0       0       4
对角还可以偏移：
b=indgen(5)
print,diag_matrix(b,1)(1表示向右移动一个单位)
输出：
       0       0       0       0       0       0
       0       0       1       0       0       0
       0       0       0       2      0       0
       0       0       0       0       3       0
       0       0       0       0       0       4
       0       0       0       0       0       0
如果向左移动2个单位：
b=indgen(5)
print,diag_matrix(b,-2)
输出：
       0       0       0       0       0       0       0
       0       0       0       0       0       0       0
       0       0       0       0       0       0       0
       0       1       0       0       0       0       0
       0       0       2       0       0       0       0
       0       0       0       3       0       0       0
       0       0       0       0       4       0       0

15195775117

The DIST function creates an array in which each array element value is proportional to its frequency(与频率正比). This array may be used for a variety of purposes, including frequency-domain filtering(频率域滤波).
这个函数经常被拿来举例，也不知为什么一直是二维的返回值？元素是怎么生成的？
可能以后看了滤波才明白吧

15195775117

提取复数虚部：
imaginary()

15195775117

一开始看到位运算，感觉很困惑，怎么退回到比特层面计算了，是不是有点原始？
后来我想着，可能位运算可以提高运算效率吧？

B = ISHFT([1,2,3,4,5], 3)

The resulting array B is [8, 16, 24, 32, 40].

1是0001，向左3位，则是0100=8

2=0010，向左3位，10000=16

3=0011，向左3位，11000=24

4=0100，向左3位，100000=32

5=0101，向左3位，101000=32+8=40

15195775117

Lee滤波是什么？
从网上的资料看，Lee滤波用于一维向量效果好，至于它的原理，我是不想推导了---手工计算谁都知道是完全不必要的，推导算法似乎也是没必要，因为无数的专业大神已经做好了各种工具，直接用工具即可，我不需要推导原理，就好像我使用计算机不需要研究底层指令一样。



我试了下过滤一个向量：
a=randomn(s,50)
fig=plot(a,color='b')
b=leefilt(a)
fig=plot(b,color='r',/overplot)
结果（哎哟不错哟）：

15195775117

a=indgen(2,2)
matrix_power(a,2)
       2.0000000       3.0000000
       6.0000000       11.000000
matrix_power(x,n),x是矩阵，n是指数
matrix_power(a,2)=a##a

15195775117

15195775117 发表于 2017-8-4 11:26
a=indgen(2,2)
matrix_power(a,2)
       2.0000000       3.0000000

之所以叫matrix_power,是因为power是乘方的意思

15195775117

拟合(fitting)之comfit函数
说明：利用6种方法之一拟合数据点对.
(1.指数模型;2.几何模型;3.Gompertz模型;4.双曲线模型;5.逻辑模型;6.对数模型)

The COMFIT function fits the paired data {xi, yi} to one of six common types of approximating models using a gradient-expansion least-squares method.

这些拟合都需要给出先验值；根据我的经验，模型公式里有N个参数，你赋一组参数，算法从这组参数开始迭代，直到获得一组符合条件的参数。

但是，不是太理解，先验值为什么要自己设？

使用案例：

(使用了LOGSQUARE模型，并赋予了该模型下的先验参数[a0,a1,a2])

  X = [ 2.27, 15.01, 34.74, 36.01, 43.65, 50.02, 53.84, 58.30, 62.12, 64.66, 71.66, 79.94, 85.67, 114.95]
  Y = [ 5.16, 22.63, 34.36, 34.92, 37.98, 40.22, 41.46, 42.81, 43.91, 44.62, 46.44, 48.43, 49.70, 55.31]
  A = [1.5, 1.5, 1.5]
  result = COMFIT(X, Y, A, /LOGSQUARE)
print,result

结果：1.42494      7.21900      9.18794

15195775117

拟合之ladfit
线性拟合(最小绝对偏差方法拟合)
The LADFIT function fits the paired data {xi, yi} to the linear model, y = A + Bx, using a “robust” least absolute deviation method.

The figure below displays a two-dimensional distribution that is fitted to the model y = A + Bx, using a minimized Chi-square(卡方) error criterion (left) and a “robust” least absolute deviation technique (right). The use of the Chi-square error statistic can result in a poor fit due to an undesired sensitivity to outlying data.

我想：卡方的结果受外围数据影响大，是不是没有降低外围数据的权重？

既然卡方线性拟合(使用Linfit函数)有这种缺陷，为什么还有有这个函数？它有什么独特的优点吗？