空间二次曲面数据拟合算法推导及仿真分析

在上一篇的博客球面数据拟合算法简介中，笔者详细介绍了关于空间球面数据拟合的算法公式推导并给出了相应的Matlab代码及其仿真分析。本次笔者将上面这一情况进行更一般的推广，即取消了球面数据这一限制，数据可以是椭球面形式的，也就是说是任意的空间二次曲面形式的，可见球面的数据是它的一个特例。下面给出的是空间二次曲面的标准表达式：

一共有6个未知的参数，x0, y0, z0, A, B, C。写成一般式如下所示：

其中

    对于有N个三维椭球面样本对其进行椭球面拟合，我们只需要对参数a,b,c,d,e,f进行估计，从而就可以得到x0, y0, z0, A, B, C。那么怎么利用样本去估计这些参数呢？这实际上就是模型参数估计的内容，模型参数估计有很多种方法，其中最基本的方法就是最小二乘法(Least Squares Method)，这个在上一篇《球面数据拟合算法简介》博客中有用到。由于它的原理直观，算法简单，收敛性能好，且不要求先验的统计知识，因而被广泛应用。最小二乘法是在1795年由大数学家高斯(C.F.Gauss)研究天体运动轨道问题提出的，它的基本原理是实际观测值与模型计算值的误差的平方和最小原理，由此而得名“最小二乘”法。应该注意的是最小二乘法是一种思想，由它衍生出来的公式可以有很多种。本次的空间二次数据拟合算法的推导利用的也是最小二乘法，不同的是本次是先估计参数a,b,c,d,e,f，然后间接的得到参数x0, y0, z0, A, B, C，这样做给公式推导带来了很大的方便，而