中值平滑法
• medsmooth(v, [n], [m]) - 將 v 中各值都以對準該值中央 n 點的中值取代，再傳回平滑向量。窗寬度 (n) 則在靠近向量結尾處收縮。
medsmooth 函數會執行中值濾波。此函數是平滑函數中最健全的一個，因為它最不可能受到假數據點所影響。不過，它比較容易修掉數據中的尖點。您可以將此方法與高斯核平滑法或局部最小平方平滑法相比較。loess 多項式遞歸技巧是另一種有效的平滑法。
• VSmooth(v, w) - 對 v 執行重複的中值平滑法，直到每個窗中以 w 表示的寬度沒有進一步的變化為止。平滑的收斂度取決於 TOL。
引數
• v 是實數陣列。
• n 與 m 是預設值為 3 的選用項目。
◦ 若 v 是 1D 向量引數，您僅可設定 n。在此情況下，引數 m 不適用。
◦ 若 v 是 2D 矩陣引數，您可以僅設定方形窗 (n = m) 的 n，或設定矩形窗的 n 與 m。
• w 是窗寬度的向量。w 的元素必須是小於 v 長度的非負奇整數。