Matlab 之曲线拟合

Part.I Introduction

曲线或曲面拟合获取拟合参数。本篇博文主要记录一下 Matlab 曲线拟合的使用笔记。

主要包括 Matlab 自带 APP Curve Fitting 的使用方法、一些曲线拟合函数的使用等。

Part.II Curve Fitting APP 的使用

这个APP用来做拟合的，包括二维数据的线拟合和三维数据的曲面拟合。这篇博文就简单记录一下使用的技巧。下图是它的一个界面。

Chap.I 拟合函数

拟合方法的下拉框选项有

• Custom Equation：私人定制函数，可以自己改函数。
• Exponential：指数函数 f(x) = a * exp(b * x)
• Fourier：傅里叶函数 f(x) = a0 + a1*cos(x*w) + b1*sin(x*w)
• Gaussian：高斯函数 f(x) = a1 * exp(-((x - b1) / c1)^2)
• Interpolant：插值函数
• Linear Fitting：线性拟合函数
• Polynomial：多项式函数 f(x) = p1*x + p2
• Power：幂函数 f(x) = a*x^b
• Rational：有理函数 f(x) = (p1) / (x + q1)
• Smoothing Spline：平滑样条
• Sum of Sine：正弦函数和 f(x) = a1*sin(b1*x+c1)
• Weibull：威布尔函数 f(x) = a*b*x^(b-1)*exp(-a*x^b)

Chap.II 注意事项

下面是使用这个 APP 的一些注意事项和使用技巧：

• 一定要关闭右侧 Auto Fit 选项，因为它不等你配置好就会进行你和操作，巨卡。
• 左上角 + 号可以新建拟合项目，进而可以存储多个拟合进行比较。

Part.III 通过代码拟合曲线

有时候想实现一个比较复杂的功能，不想或者不方便使用这个 APP 的话，就有直接利用代码对数据进行拟合的需求。这部分就简要介绍一下如何直接用代码对数据进行拟合。

Chap.I 已知函数求拟合参数

首先需要有两个长度相等的向量 xx, yy。

然后定义拟合的公式，比如下面的拉普拉斯概率密度函数

fitEquation = fittype('1/(2*a)*exp(-abs(x-b)/a)', 'coefficients', {'a', 'b'}); 

确定参数初值（不做这一步也没关系，Matlab 会用随机数确定初值）

initialGuess = [5, 0];

进行曲线拟合

fittedModel = fit(xx', yy', fitEquation, 'StartPoint', initialGuess);

展示拟合结果

disp(fittedModel);
---------------------------
General model:
     fittedModel(x) = 1/(2*a)*exp(-abs(x-b)/a)
     Coefficients (with 95% confidence bounds):
       a =       5.191  (5.129, 5.253)
       b =     -0.3225  (-0.3662, -0.2787)

---

整个代码如下：

% 定义拟合的公式
fitEquation = fittype('1/(2*a)*exp(-abs(x-b)/a)', 'coefficients', {'a', 'b'});  
% 确定初值
initialGuess = [5, 0];
% 进行曲线拟合
fittedModel = fit(xx', yy', fitEquation, 'StartPoint', initialGuess);
% 展示拟合结果
disp(fittedModel);

Chap.II 未知函数求拟合

如果不知道数据的模型，可以先进行简单的尝试，首选就是用Curve FittingAPP；Matlab 其实也自带了一些模型给定的函数，像下面的这些：

• polyfit(x, y, n)：多项式拟合，n 是多项式的阶数；返回拟合出来的参数