基于Matlab优化傅里叶级数拟合函数

我试图遍历一组似乎显示周期性变化的样本。我需要连续应用拟合函数来获得傅里叶级数系数，回归必须是过去的n个样本（在我的例子中，大约30个）。问题是，我的代码非常慢！对一组50000个样本进行此操作大约需要1小时。有没有办法优化这个？我做错了什么

这是我的密码：

function[coefnames,coef] = fourier_regression(vect_waves,n)        

    j = 1;
    coef = zeros(length(vect_waves)-n,10);

    for i=n+1:length(vect_waves)

        take_fourier = vect_waves(i-n+1:i);
        x = 1:n;
        f = fit(x,take_fourier,'fourier4');
        current_coef = coeffvalues(f);
        coef(j,1:length(current_coef)) = current_coef;
        j = j + 1;



    end
    coefnames = coeffnames(f);

end

当我调用

[coefnames，coef]=fourier\u回归（向量，30）这需要永远的计算时间。有没有办法解决这个问题？我的代码怎么了

注意：我有一个intel i7 5500 U cpu，16GB RAM，并使用Matlab 2015a
 由于我不熟悉您的应用程序，我不确定是否可以对代码进行矢量化以提高性能。不过，我还有一些其他的建议

你应该考虑的一件事是。在这种情况下，您应该至少预先分配数组
coef
，因为我相信在开始循环之前您确实知道它的大小

我建议的另一件事是。这将提供有关代码中哪些部分花费的时间最多的信息，帮助您将精力集中在提高这些部分的性能上。
我已经尝试过预分配阵列，但在这种情况下，它毫无帮助。我不确定是否可以对代码进行矢量化，因为我需要使用fit函数N次，而不仅仅是一次。我猜想“FIT”函数只是慢的，所以我可能会考虑编写我自己的函数来获得傅立叶级数系数，但只是想确定是否还有别的什么我可以做的……<代码> CoffNords<代码>是从哪里来的？在倒数第二行中调用它之前，没有定义它。我建议您也说明
vect\u waves
中包含的内容，即什么类型的数字，并可能发布前10行左右的内容，以便我们自己尝试代码。另外，请张贴您所使用的系统类型：CPU、RAM、OS、MATLAB版本，这样我们就可以看到它是否与硬件/软件相关。系数名称来自“fit”，当您使用傅立叶调用“fit”时，MATLAB会自动给出。vect_波几乎是一个包含500k个样本的向量，其中包含一个信号，仅此而已（一组介于[-1,1]之间的数字）。我在帖子上发布了更多关于我的硬件的信息。所以基本上这就是我所有的代码。