参数拟合.pptVIP

超定方程写成矩阵表达就是确定 作图比较 1:描出原始点散点图 plot(tdata,cdata,’*’, tdata,f) legend(‘原始散点图’,’拟合曲线’) 借助fminsearch指令进行非线性最小二乘估计 （1）编写两个M函数文件：仿真数据产生文件和二乘残差计算文件。 function [x,y]=xydata(k_noise) %xydata.m 产生仿真数据 x=[0:0.2:4]; %自变量采样向量 yo=3*exp(-0.4*x)+12*exp(-3.2*x); %产生未受干扰的函数量 rand(seed,234) %均布随机发生器初始化y_noise=k_noise*(rand(size(x))-0.5); %产生均布随机数 y=yo+y_noise; %生成受干扰函数量 构建脚本M函数作为目标控制函数 function E=twoexps(a,x,y) %控制残差 x=x(:);y=y(:); Y=a(1)*exp(-a(3)*x)+a(2)*exp(-a(4)*x); %计算估计函数值 E=sum((y-Y).^2); %二乘残差 运行主要命令计算未知参数并附值给a ,(利用fminsearch指令进行非线性参数估计) k_noise=0.3; %控制噪声水平 [x,y]=xydata(k_noise); %运行产生仿真数据 %产生程序 a0=[1 1 1 1]; %被估参数的初试猜测 options.TolX=0.01; %控制被估参数的迭代精度 options.Display=off; %避免显示收敛信息 a=fminsearch(‘twoexps’,a0,options,x,y); %计 %算二乘残差最小时的参数估计 绘制作对比图形 y_est=a(1)*exp(-a(3)*x)+a(2)*exp(-a(4)*x); ych=y_e_s_t=; %注意：该格式使图形中est三个%字母成为下标 a1=num2str(a(1));a2=num2str(a(2));a3=num2str(a(3));a4=num2str(a(4)); char_y_est=[ych,a1,*exp(-,a3,*x) + ,a2,*exp(-,a4,*x)]; plot(x,y,b+);hold on,plot(x,y_est,r);hold off,axis([0,4,0,16]) text(0.4,14,y=3*exp(-0.4*x)+12*exp(-3.2*x)) text(0.4,12,char_y_est) 得到对比图形 * 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 曲线拟合问题最常用的解法——线性最小二乘法的基本思路 第一步:先选定一组函数 r1(x), r2(x), …rm(x), mn, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) （1） 其中 a1,a2, …am 为待定系数。 第二步: 确定a1,a2, …am 的准则（最小二乘准则）： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 。 记 问题归结为，求 a1,a2, …am 使 J(a1,a2, …am) 最小。 线性最小二乘法的求解：预备知识 超定方程组：方程个数大于未知量个数的方程组 即 Ra=y 其中 超定方程一般是不存在解的矛盾方程组。 如果有向量a使得 达到最小， 则称a为上述超定方程的最小二乘解。 线性最小二乘法的求解 定理：当RTR可逆时，超定方程组（3）存在最小二乘解，且即为方程组