matlab中resample重采样函数
resample函数
对时间序列进行重采样
格式：
1、y=resample(x,p,q)
x–待重采样的时间序列；
p–重采样之后目标频率；
q–待重采样的时间序列频率
采用多相滤波器对时间序列进行重采样，得到的序列y的长度为原来的序列的长度的p/q倍，p和q都为正整数。此时，默认地采用使用FIR方法设计的抗混叠的低通滤波器
2、y=resample(x,p,q,n)
n–滤波器长度与n成正比；
采用chebyshevIIR型低通滤波器对时间序列进行重采样，滤波器的长度与n成比例，n缺省值为10.
3、y=resample(x,p,q,n,beta)
beta为设置低通滤波器时使用Kaiser窗的参数，缺省值为5.
4、y=resample(x,p,q,b)
b为重采样过程中滤波器的系数向量。
5、[y,b]=resample(x,p,q)
输出参数b为所使用的滤波器的系数向量。
（1）在实际操作中当x端点处的值与零的偏差较大时，可能会导致y出现意外值；
如图
clc
clear
file= readmatrix("7777.csv");
data=[];
for i=1:size(file,2)
num=file(:,i);
data=[data;num];
end
data1=resample(data,1,10,10,5);
x=1:1:length(data);
x1=1:10:length(data);
figure;
plot(x,data,'b-')
hold on;
plot(x1,data1,'g-')
局部数据放大之后
上述问题，我查了一些资料，可以按照参考这个博主的解决方法：学习如何在matlab用带通滤波器进行滤波
我想的是，直接在开头和结尾添加少量数据，然后在最后的结果中将这些数据删除掉，，这样的话，虽然还是有一些问题，但应该问题不大。
clc
clear
file= readmatrix("7777.csv");
data=[];
for i=1:size(file,2)
num=file(:,i);
data=[data;num];
end
%在原始数据首尾都添加1000条数据，我的原始数据有86.4万条，所以去的比较多
data_1=[data(1:1000);data;data(length(data)-999:length(data))];
data1=resample(data_1,1,10,10,5);
%将重采样之后的数据，删除掉首尾添加的数据
data1_1=data1(101:length(data)/10+100);
x=1:1:length(data);
x1=1:10:length(data);
figure;
plot(x,data,'b-')
hold on;
plot(x1,data1_1,'g-')
绘图结果
（2）当重采样的信号出现混叠效应时，这是由相对较大的主瓣和较低的旁瓣衰减导致的，此时增加n的值，可以削减这个现象，较长的窗口具有较窄的主瓣，并更好地衰减了混叠效果，同时也会衰减信号。
（3）当beta过大时，会产生较宽的主瓣，生成大量伪像。