MATLAB电池内阻序列数据NaN值与异常值去除优化求助

我有一组包含测量误差和缺失值（NaN）的电池内阻序列数据，已通过inpaint_nans工具包填补NaN值，再用MATLAB的filloutliers函数结合7阶移动均值处理异常值，但处理效果不佳——尤其是索引32附近的尖峰未被有效抑制，寻求优化方案。

当前处理代码：

no_nans = results(52).internal_resistance_no_nans;

no_outliers = filloutliers(no_nans, 'linear','median');

with_mean = movmean(no_outliers,7);

原始数据图：

优化方案： #

• 调整filloutliers的异常值检测规则
  默认中位数方法对尖锐异常值敏感度不足，可换用基于标准差的检测逻辑，或手动扩大阈值范围：

  % 基于均值+3倍标准差检测异常值，并用线性插值填补
  no_outliers = filloutliers(no_nans, 'linear', 'mean', 'ThresholdFactor', 3);
  % 或基于四分位数，调整阈值因子增强敏感度
  no_outliers = filloutliers(no_nans, 'linear', 'quartiles', 'ThresholdFactor', 1.5);
  

• 颠倒平滑与异常值处理的顺序
  先做平滑预处理，再检测异常值，避免原始尖峰干扰检测逻辑：

  % 先做7阶移动均值平滑
  pre_smoothed = movmean(no_nans, 7);
  % 再处理异常值
  no_outliers = filloutliers(pre_smoothed, 'linear', 'median');
  % 最后用小窗口二次平滑优化细节
  final_data = movmean(no_outliers, 5);
  

• 改用更适合的平滑算法
  简单移动均值对尖峰抑制能力有限，可尝试Savitzky-Golay滤波（需Signal Processing Toolbox），它能在保留数据趋势的同时更好地平滑噪声：

  % 3阶多项式拟合，7点窗口的Savitzky-Golay滤波
  sg_filtered = sgolayfilt(no_outliers, 3, 7);
  

• 针对性处理局部已知尖峰
  针对索引32附近的明确尖峰，直接用相邻正常数据的均值替换：

  target_idx = 32;
  % 取前后2个有效点的均值替换尖峰
  no_outliers(target_idx) = mean(no_outliers(max(1, target_idx-2):min(length(no_outliers), target_idx+2)));
  

内容的提问来源于stack exchange，提问作者Luca Tatas