非固定采样率双数据向量同步及时间对齐方法咨询

嘿，这个场景我太熟悉了！要把两个采样不均、还有缺失的时间序列对齐，核心就是先搭一个统一的时间基准，再把两边的数据都“贴”上去就行，用Matlab的interp1完全能搞定，一步步来：

第一步：确定共同的时间边界 #

首先得先定好我们要对齐的时间范围，有两种选择：

• 全覆盖模式：包含两个序列的所有时间点，适合你想完整保留两边的全部数据趋势

  t_start = min(min(t1), min(t2)); % 取两个序列最早的起始时间
  t_end = max(max(t1), max(t2));   % 取两个序列最晚的结束时间
  

• 重叠区域模式：只保留两个序列都有数据的时间段（更常用，避免出现一边无数据的空值）

  t_start = max(min(t1), min(t2)); % 取两个序列起始时间的较大值
  t_end = min(max(t1), max(t2));   % 取两个序列结束时间的较小值
  

第二步：生成均匀采样的目标时间轴 #

接下来要创建一个均匀间隔的时间轴，这就是我们对齐后的基准。你可以自定义采样频率（比如10Hz就是0.1秒间隔）：

fs = 10; % 自定义采样频率，单位Hz，根据你的需求调整
dt = 1/fs;
% 生成包含起止点的均匀时间向量
t_common = linspace(t_start, t_end, round((t_end - t_start)*fs) + 1);

用linspace比直接用冒号生成更稳妥，能确保最后一个点刚好是t_end。

第三步：插值对齐两个数据向量 #

现在就可以用interp1把原始数据映射到这个统一的时间轴上了。注意处理原始数据里的缺失值（比如NaN）：

情况1：原始数据有零散NaN（样本缺失）

interp1会自动跳过NaN点，用相邻有效数据插值，直接用就行：

% 对第一个数据插值，linear是线性插值，extrap处理边界外的点（如果用全覆盖模式）
y1_interp = interp1(t1, y1, t_common, 'linear', 'extrap');
% 对第二个数据做同样操作
y2_interp = interp1(t2, y2, t_common, 'linear', 'extrap');

情况2：原始数据有连续大段缺失

如果有连续的NaN，先清理掉无效的时间-数据对，再插值效果更好：

% 清理第一个数据的缺失值
valid_idx1 = ~isnan(y1);
t1_clean = t1(valid_idx1);
y1_clean = y1(valid_idx1);
% 插值
y1_interp = interp1(t1_clean, y1_clean, t_common, 'linear', 'extrap');

% 同理处理第二个数据
valid_idx2 = ~isnan(y2);
t2_clean = t2(valid_idx2);
y2_clean = y2(valid_idx2);
y2_interp = interp1(t2_clean, y2_clean, t_common, 'linear', 'extrap');

第四步：验证对齐效果 #

画个图看看对齐后的曲线是不是符合预期：

figure;
plot(t_common, y1_interp, 'r-', 'LineWidth', 1.5);
hold on;
plot(t_common, y2_interp, 'b--', 'LineWidth', 1.5);
legend('数据1（插值后）', '数据2（插值后）');
xlabel('时间');
ylabel('数值');
title('对齐后的两个数据曲线');

一些小提醒 #

• 插值方法选'linear'是最稳妥的，要是需要更平滑的曲线可以试试'spline'或'pchip'，但注意不要过度拟合；
• 采样频率别设得比原始数据的最高采样率还高，不然会引入无意义的噪声；
• 如果缺失段太长，插值效果可能不好，这时候可以考虑用拟合模型（比如多项式拟合）补全缺失部分再对齐。

内容的提问来源于stack exchange，提问作者Isra