基于MATLAB最小二乘曲线拟合.docVIP

基于MATLAB最小二乘曲线拟合 　　摘要:本文主要介绍了最小二乘曲线拟合方法的基本思路,并通过编制MATLAB程序对测量数据进行了一阶拟合和二阶拟合,实现了拟合多项式系数的求解。 　　关键词:曲线拟合 最小二乘 多项式拟合 　　 　　Least-Square Curve Fitting Method Based on MATLAB 　　SHI Xin1, SHI Sen2, HE Chang-zheng3 　　(1. Beijing Global Information Application and Development Center, Beijing 100094; 2. Ericsson (China) Communications Company Ltd., Beijing 100102; 　　3. Beijing HT Horizon Technology Service Co., Ltd., Beijing 100026) 　　Abstract: Least-Square curve fitting method was introduced in this paper, and the measured data was fitted with the MATLAB program, which realized solving the polynomial coefficient. 　　Key words: Curve fitting, Least-Square, Polynomial fitting 　　 　　1 引言 　　在工程科学计算中经常要建立实验数据的数学模型。给定函数的实验数据,需要用比较简单和合适的函数来逼近(或拟合)实验数据。逼近离散数据的基本方法就是曲线拟合,常采用最小二乘拟合。用MATLAB对实验数据进行最小二乘拟合,能较准确地标记实验数据点和绘出拟合曲线[1]。 　　 　　2 最小二乘曲线拟合 　　曲线拟合问题的数学描述是,已知一组(二维)数据 , , 互不相同,寻求一个函数(曲线) ,使 在某种准则下与所有数据点最为接近,即曲线拟合得最好。 　　线性最小二乘法是解决曲线拟合问题最常用的方法,基本思路是,令 　　(1) 　　其中 是一组事先选定的线性无关的函数, #61472;是一组待定系数。寻求系数 使得 与 的距离 的平方和最小。这种准则称为最小二乘准则,其求系数 的方法称为线性最小二乘拟合方法。 　　2.1系数 #61472;的求法 　　若记 　　 (2) 　　则 为 的二次函数。由数学分析(或高等数学)的极值理论, 达到最小的充分必要条件是 满足 。于是得到求使 达到最小的 的方法是求解线性方程组(称为法方程组) 　　 , , 　　即求解线性方程组 　　 ,(3)。 　　若记 　　 , , , 　　则方程组(3)可表示为 　　(4)。 　　由于当 线性无关时, 列满秩, 可逆,所以方程组(4)有唯一解 。 　　用(1)作线性最小二乘拟合的误差通常考虑以下两种形式: 　　最小平方误差:; 　　最大偏差: 。 　　2.2 函数组#61472; 的选取 　　面对一组数据 , ,用线性最小二乘法作曲线拟合时,首要的、也是关键的一步是恰当地选取 。如果通过机理分析,能够知道 与 之间应该有什么样的函数关系,则 容易确定。若无法知道 与 之间的关系,通常可以将数据 作图,直观地判断应该用什么样的曲线去作拟合。人们常用的曲线有 　　(i)直线 ; 　　(ii)多项式(一般 ,不宜太高); 　　在实际计算过程中,面对一组已知数据,到底用什么样的曲线拟合最好,可以在直观判断的基础上,选几种曲线分别拟合,然后比较,看哪条曲线的最小二乘指标 最小。 　　 　　3 MATLAB程序实现 　　MATLAB是一个高级的数值分析处理与计算软件[2],求解矩阵方程非常方便。MATLAB提供的polyfit函数用来计算多项式拟合系数,其设定曲线拟合的目标是最小方差,即最小二乘法[3]。 　　现有一测量数据文件“datafile”,如表1所示: 　　该数据文件第一列表示观测时间(s),第二列是表示距离观测量(m),现要求解距离观测量与观测时间之间的函数关系。采用MATLAB编写求解多项式拟合系数的程序清单如下: 　　for fitnum=1:2%拟合阶数,可以根据需要设置 　　aa=load(datafile);%加载测量数据文件 　　%%拟合并计算拟合残差 　　[RowNum,ColNum]=size(aa); 　　para=polyfit(aa(:,1),aa(:,2),fitnum); 　　y = polyv