【MATLAB】进阶绘图 ( Stairs 阶梯图 | stairs 函数 | Stem 离散序列数据图 | stem 函数 | 正弦函数采样 )

简介: 【MATLAB】进阶绘图 ( Stairs 阶梯图 | stairs 函数 | Stem 离散序列数据图 | stem 函数 | 正弦函数采样 )

文章目录

一、Stairs 阶梯图

1、stairs 函数

2、代码示例

二、Stem 离散序列数据图

1、stem 函数

2、代码示例

三、正弦函数采样





一、Stairs 阶梯图




1、stairs 函数


stairs 函数文档 : https://ww2.mathworks.cn/help/matlab/ref/stairs.html



stairs 函数语法 :


stairs(Y)


如果 Y 是向量 , 则绘制的是一条线 ;


如果 Y 是矩阵 , 怎为每个矩阵的列向量绘制一条线 ;



Stairs 阶梯图 与 Plot 坐标图 区别 :


plot 函数绘制图像时 , 是将两点之间使用线连接起来 ;


stairs 函数绘制图像时 , 是将两点之间使用阶梯线连接起来 ;


plot 与 stairs 绘图的大致形状相同 , 只是 stairs 是阶梯型的线 ;




2、代码示例


代码示例 : 绘制 y yy 向量 , 没有给出 x xx 向量 , 默认的 x xx 向量就是 1 11 ~ 40 4040 之间的整数 ;


% 生成 0 ~ 4 * pi 之间的 40 个点
x = linspace(0, 4 * pi, 40);
y = sin(x);
% 绘制阶梯图
stairs(y);



绘制效果 :

image.png







二、Stem 离散序列数据图




1、stem 函数


stem 函数文档 : https://ww2.mathworks.cn/help/matlab/ref/stem.html



stem 语法 :


stem(Y)


Y 如果是向量 , 个数四 n nn 个 , 则在 x xx 轴对应的 1 11 ~ n nn 位置 , 绘制对应 y yy 轴针状图 ;


image.png




2、代码示例


代码示例 :


% 生成 0 ~ 4 * pi 之间的 40 个点
x = linspace(0, 4 * pi, 40);
y = sin(x);
% 绘制 Stem 离散序列数据图
stem(y);


执行结果 :

image.png






三、正弦函数采样


绘制如下函数 :


f ( t ) = sin ⁡ ( π t 2 4 ) f(t) = \sin(\cfrac{\pi t^2}{4})
f(t)=sin( 
4
πt 
2
 )
并使用 Stem 离散序列数据图 , 绘制 5 H z \rm 5Hz5Hz 采样图 ;
代码示例 :
% 同时在一个坐标系中绘制多个图
hold on;
% 生成 0 ~ 10 之间的 500 个点
% 生成 500 个点 , 保证曲线平滑
t = linspace(0, 10, 500);
y = sin(pi * t.^2 / 4);
% 绘制函数曲线
plot(t, y);
% 生成 50 个采样点 , 500 个点中采 50 个样本
sample_t = linspace(0, 10, 50);
sample_y = sin(pi * sample_t.^2 / 4);
% 绘制 Stem 离散序列数据图
stem(sample_t, sample_y);
hold off;



绘图结果 :


image.png

目录
相关文章
|
1月前
|
算法 Serverless
基于魏格纳函数和焦散线方法的自加速光束matlab模拟与仿真
本项目基于魏格纳函数和焦散线方法,使用MATLAB 2022A模拟自加速光束。通过魏格纳函数法生成多种自加速光束,并设计相应方法,展示仿真结果。核心程序包括相位和幅度的计算、光场分布及拟合分析,实现对光束传播特性的精确控制。应用领域涵盖光学成像、光操控和光束聚焦等。 关键步骤: 1. 利用魏格纳函数计算光场分布。 2. 模拟并展示自加速光束的相位和幅度图像。 3. 通过拟合分析,验证光束加速特性。 该算法原理基于魏格纳函数描述光场分布,结合数值模拟技术,实现对光束形状和传播特性的精确控制。通过调整光束相位分布,可改变其传播特性,如聚焦或加速。
|
2月前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
208 80
|
2月前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
2月前
|
算法
基于Adaboost模型的数据预测和分类matlab仿真
AdaBoost(Adaptive Boosting)是一种由Yoav Freund和Robert Schapire于1995年提出的集成学习方法,旨在通过迭代训练多个弱分类器并赋予分类效果好的弱分类器更高权重,最终构建一个强分类器。该方法通过逐步调整样本权重,使算法更关注前一轮中被误分类的样本,从而逐步优化模型。示例代码在MATLAB 2022A版本中运行,展示了随着弱分类器数量增加,分类错误率的变化及测试数据的分类结果。
213 13
|
2月前
|
机器学习/深度学习 算法 Python
基于BP神经网络的金融序列预测matlab仿真
本项目基于BP神经网络实现金融序列预测,使用MATLAB2022A版本进行开发与测试。通过构建多层前馈神经网络模型,利用历史金融数据训练模型,实现对未来金融时间序列如股票价格、汇率等的预测,并展示了预测误差及训练曲线。
|
3月前
|
算法 C++ Windows
基于离散差分法的复杂微分方程组求解matlab数值仿真
本程序使用离散差分法求解复杂微分方程组,将连续微分方程转化为差分方程,采用一阶显式时间格式和一阶偏心空间格式。经MATLAB2022a测试验证有效。
|
4月前
|
算法 C++ Windows
基于离散差分法的复杂微分方程组求解matlab数值仿真
本程序基于离散差分法求解复杂微分方程组,将连续微分方程转化为差分方程,采用一阶显式时间格式和一阶偏心空间格式。在MATLAB2022a上测试通过,展示了运行结果。
|
4月前
|
存储 机器学习/深度学习 数据可视化
MATLAB脚本与函数
【10月更文挑战第4天】本文介绍了MATLAB脚本与函数的基本概念及编写方法,涵盖脚本和函数的创建、运行及优缺点,通过示例帮助初学者快速上手。同时,文章还涉及数据类型、控制结构、数据可视化、文件操作、错误处理等内容,提供了丰富的示例和学习资源,助力初学者逐步掌握MATLAB编程。
169 3
|
4月前
|
算法 数据可视化 数据处理
MATLAB内置函数
【10月更文挑战第6天】本文详细介绍了MATLAB的内置函数和自定义函数,涵盖数学计算、矩阵操作、图形绘制等方面。通过具体代码示例,展示了如何使用内置函数和创建自定义函数,以及它们在性能、灵活性和可读性上的优劣。同时,文章还讨论了函数文件与脚本文件的区别,匿名函数和函数句柄的高级应用,帮助读者更好地利用MATLAB解决复杂问题。
109 1
|
5月前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
323 19

热门文章

最新文章