吉布斯现象与插值优化（上）Matlab实现多项式插值

前言

傅里叶变换是贯穿一系列课程的应用，从起初的不知其所以然到学习电路理论时的轮廓逐渐清晰。
在电路理论的结课复习阶段，我在图书馆找到国外教材翻阅，关注到行文中提到的吉布斯现象（Gibbs Phenomenon）【幸运发现了维基百科的镜像网站，注意收藏】
这一小小的问题给我留下了深刻的印象，下决心对此钻研。

过程

从钱学森开始

工程力学的课程资料中附有钱学森关于工程科学家的讲稿，使我获益匪浅，对我的个人发展有高度的指引意义，下面是他对工程科学家培养课程的见解：

只能遗憾的说，目前的我，在很多方面尚未达到常规工程师的要求，但后面的话也稍稍使我宽慰：

显 然 ， 对 于 一 个 有 发 展 前 途 的 工 程 科 学 家 来 说 ， 不 能 希 望 把 它 的 学 习 都 挤 在 四 年 大 学 里 ． 事 实 上 ， 他 必 须 在 高 中 毕 业 后 进 入 一 个 好 的 工 学 院 ： 先 用 三 年 时 间 学 习 一 般 的 工 科 课 目 ： 然 后 他 必 须 用 大 约 三 年 时 间 学 习 科 学 和 数 学 ． 这 样 一 来 ， 在 高 中 毕 业 后 至 少 要 用 六 年 时 间 来 培 训 一 名 工 程 科 学 家 ； 而 现 在 的 实 际 情 况 是 ： 常 规 培 训 只 用 四 年 时 间

得益于综合型考察的高考制度，他提到的第一点我尚可符合，当然我也深知自己数理基础在一定程度上的薄弱。当我不可免俗得寻求任何一个表现自己机会的同时，心中也有一个声音一直提醒我——要注重终身发展。这段话也再次警醒我：职业规划当长远，数理基础要夯实。

吉布斯相率与吉布斯现象

吉布斯相率

讲稿中提到了冶金工艺的‘吉布斯相率’，再次唤起了我的回忆，在钱老的激励下，我决定不放过这次研究机会，把二者搞清楚！

百度百科中关于吉布斯相率的解释：

只看公式并没有清晰的概念，但下面的例子容易理解：

到这里，清楚二者之前并无明显联系，我们回到任务的主线——

吉布斯现象（Gibbs phenomenon)

维基百科的描述是：

在工程应用时常用有限正弦项正弦波叠加逼近原周期信号。所用的谐波次数N的大小决定逼近原波形的程度，N增加，逼近的精度不断改善。但是由于对于具有不连续点的周期信号会发生一种现象：当选取的傅里叶级数的项数N增加时，合成的波形虽然更逼近原函数，但在不连续点附近会出现一个固定高度的过冲，N越大，过冲的最大值越靠近不连续点，但其峰值并不下降，而是大约等于原函数在不连续点处跳变值的9%，且在不连续点两侧呈现衰减振荡的形式。

此前对现象的大致含义了解，这次留意到的是关键词：不连续点。

英文版的词条页面内容很多，显然对这一现象的研究已非时日，我选取了最容易入手的一个方向：通过页面提供的使用python代码的优化，开启记录。

Fake Nodes

这是一种新的插值方法，消减吉布斯现象是其应用

插值定义(interpolation)

前两天结束的美赛中队友使用了这一关键词描述模型，我初次听闻。他的使用在于将数据集中以1${}^{\circ }$为分度值的温度数据进行插值处理，以获取连续位置的温度值。
而这便是插值的的定义：
对于一组离散的数据点（称为结点，是否正是与方法中的Nodes相对应？）$(x_i,y_i),i=1,2,...,n$, 对于$x(x\ne x_i),i=1,2,...,n$ ,求 $x$ 对应的 $y$ 值。

matlab代码

%传入离散的数据点
x=[0.0 0.1 0.195 0.3 0.401 0.5]
y=[0.39849 0.39695 0.39142 0.38138 0.36812 0.35206]
%确定a所对应的值T
a=.25;
%绘制离散数据点图像
figure;
plot(x,y,'*-')
hold on
interpType='linear'
%不同的插值方法
T=interp1(x,y,a,interpType); %线性插值
plot(a,T,'go')
text(a-0.2,T,[interpType,':T','=',num2str(T)],'color','g')
hold on;
interpType='nearest'% 两点插值
T=interp1(x,y,.25,interpType)
%(返回结果T=0.3814)
plot(a,T,'ro')
text(a+0.1,T,[interpType,':T','=',num2str(T)],'color','r')
hold on;
interpType='spline'% 三次样条插值
T=interp1(x,y,a,interpType)
%(返回结果T =0.3867)
plot(a,T,'bo')
text(a+0.1,T,[interpType,':T','=',num2str(T)],'color','b')
hold on;
interpType='pchip'%三次插值
T=interp1(x,y,a,interpType)
plot(a,T,'ko')
text(a+0.1,T+0.003,[interpType,':T','=',num2str(T)],'color','k')
hold on;
title('插值函数demo')

结果：

对插值有了较为感性的认识。

龙格现象（Runge’s phenomenon）

运行了一遍关于Gibbs的notebook，内心毫无波澜，来到前一个文件Runge，且见开篇提到：

It is well known that the polynomial interpolation is unstable over equispaced samples, and stable the Chebyshev-Lobatto (CL) nodes.
众所周知 多项式插值法应用于平均分布的样本是不稳定的，而在Chebyshev-Lobatto (CL)类型结点上的应用是稳定的