Je suis justement en face de ce problème là pour un cas de traitement du signal.
Comme Matlab est quand même plutôt pas trop mal foutu, et que tu sais que tu veux faire avec la méthode des moindres carrés, tu cherches ça dans l'aide (least squares en anglais)
là, tu trouves la super fonction polyfit, qui elle est basée sur la méthode des moindres carrés, et te donne les coefficients du polynome de régression. C'est toi qui choisi le degré de ton polynome en fonction de ta courbe de départ (ordre 1, regression linéaire, ordre 2, carré, ordre 3, cubique, ...)
ensuite, je ferais une moyenne glissante sur quelque points avec l'aide d'une petite boucle.
Si on nomme x mon signal, et t ma base, et n mon nombre de points (je veux donc filtrer x(t)), et si je calcule une regression glissante sur 4 points qui me donne le signal filtré y
for i=3:n-1
%calcul des coeff du polynome de regression pour le point i, à l'ordre 1
p=polyfit(t(i-2 : i+1), x (i-2 : i+1),1)
%calcul du point i
y(i)=p(1)*t(i)+p(2)
end
ensuite, tu initialises et tu termines ton signal filtré comme tu peux, par exemple avec les points non filtrés, ou filtrés différemment
tu peux bien sur adapter le degré et le nombre de points comme tu le sens en fonction de ton cas spécifique
Avis carrefour internet