Bonjour, un petit soucis à résoudre, peut être savez vous comment.
J'ai une matrice de données (temps, concentration - en colonnes), qui correspond à une solutions d'équation de diffusion.
Je souhaiterais faire un micro traitement de signal pour éliminer les artefacts.
La solution à l'équation est de forme connue (exponentielle un peu compliquée) avec plusieurs constantes à affiner.
Quelles fonctions puis je utiliser pour résoudre ce problème ?
tc4b4ex
Je relance,...
J'essaye avec la fonction lqscurvefit, sans résultats...
voici mon code :
c=@(d,times)(10^6*m0./(d(4)*sqrt(4*pi*d(2).*(times-J(1,1)))).*exp(-((d(1)-d(3).*(times-J(1,1))).^2)/(4*d(2).*(times-J(1,1)))));
%----------------------------------------------------------------------
%Régression
times=J(2:length(J),1)';
conc=J(2:length(J),4)';
option=optimset('TolFun',1e-15,'TolX',1e-15,'MaxIter',10000);
[d,resnorm]=lsqcurvefit(c,d0,times,conc,o ption);
et voici le réponse de matlab :
Optimization terminated: first-order optimality less than OPTIONS.TolFun,
and no negative/zero curvature detected in trust region model.
Ca vous dit quelque chose?
Je pense qu'il me dit qu'il ne trouve pas de meilleur coefficients pour d.
Je suis pourtant à des années lumières du bon résultat...
Aidez moi svp
Relance...
Bon apriori avec lsqcurvefit sous Matlab ça peut marcher.
Cependant, il est possible dans cette fonction de contraindre le choix de la variable x entre des bornes inférieure et supérieure. Quid quand x est un vecteur et que les bornes sup et inf sont différentes sur chacune des composantes du vecteur?
help
