【血压】 最小二乘法高斯拟合 c语言实现 【高斯列主元素消元法，选主元，高斯拟合】

最新推荐文章于 2024-04-20 20:18:23 发布
最新推荐文章于 2024-04-20 20:18:23 发布
阅读量2.3k 收藏 31
点赞数 9
分类专栏： 拟合算法 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guangjie2333/article/details/115629152
版权

【血压】 最小二乘法高斯拟合 c语言实现

基础原理

最小二乘法&高斯函数变形
在这里插入图片描述
在这里插入图片描述

GuassFitTest.h

#ifndef GUASSFITTEST_H
#define GUASSFITTEST_H
#include "ALG.h"
/*该工程作为单片机最小二乘法高斯拟合的测试工程*/

//变量声明放在c文件，函数声明放在h文件

//高斯公式原理可参考:
//https://blog.csdn.net/dingzj2000/article/details/103719368
//数值计算方法教材 103-108页
// fai0 = 1   fai1 = x   fai2 = x^2

#endif

GuassFitTest.c

/**************************************
2021 04 10
作者：SZU guangjie2333
功能：c语言实现最小二乘法高斯拟合
*************************************/


/*头文件引用*/
#include "GuassFitTest.h"


/*内部变量定义*/

//拟合曲线的袖带压AD
static int cuffPressAD[14] = { 2863,2717,2586,2461,2346,2220,2117,
						2053,1950,1882,1807,1718,1643,1557 };
//拟合曲线的脉搏波AD
static int paluseAD[14] = { 5622,4007,3004,4229,8464,9874,12125,
					10680,8704,6426,4256,4114,3555,3243 };
//放气阶数
int s_iPluseStepCnt = 14;


/*主函数*/
void main()
{
	B_parameter B;
	Gaussian_parameter guassian;
	float Z[14]; //高斯函数两边取对数，变形，得到一个二次函数。 Z[i] = ln y[i] = ln paluseAD[i]
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		cuffPressAD[i] =(int)(cuffPressAD[i] * 0.097 - 108);  //AD-真实值  线性转换公式
		paluseAD[i] =(int)(paluseAD[i] / 16);                 //脉搏波AD放大了16倍
		Z[i] = log(paluseAD[i]);
		printf("cuffPressAD[%d] = %d \n  paluseAD[%d] = %d \n Z[%d] = %f \n",i, cuffPressAD[i], i,paluseAD[i],i,Z[i]);
	}
	//计算最小二乘法的B向量
	B = GaussianElimination(Z, cuffPressAD,s_iPluseStepCnt);
	//计算高斯曲线的参数
	guassian = CalcGaussianParameter(B);
	//0~250点进行高斯拟合
     GuassFit(guassian);

	printf(" \n\n b0 = %f  b1 = %f  b2 = %f \n\n",B.b0,B.b1,B.b2);
	printf(" \n\n a = %f  b = %f  c = %f \n\n",guassian.a, guassian.b, guassian.c);
}

ALG.h

#ifndef ALG_H
#define ALG_H

/*该文件是算法函数的头文件*/

#include "stdio.h"
#include "stdlib.h"
#include  "math.h"

typedef struct
{
	float b0;
	float b1;
	float b2;
}B_parameter;

typedef struct
{
	float a;
	float b;
	float c;
}Gaussian_parameter;

typedef struct
{
	float value;
	int index;
}matrixData;

//高斯列主元素消元法，返回b0，b1, b2
B_parameter GaussianElimination(float* y, int* x, int s_iPluseStepCnt); 
//计算高斯曲线参数
Gaussian_parameter CalcGaussianParameter(B_parameter B);
//0~250高斯拟合
void GuassFit(Gaussian_parameter gaussian);
#endif // !ALG

## ALG.c

#include"ALG.h"

/*该文件用于高斯拟合最小二乘法算法的c语言实现*/

/*************************************
* 宏定义区
**************************************/
#define ROW  3          //行
#define LINE 4          //列


/*************************************
* 内部变量定义区
**************************************/


//权重（由于前面的点会由于刚刚关阀的影响，脉搏波波动大，故权重为0）
w[14] = {0,0,0,1,1 ,1 ,1 ,1 ,1 ,1 ,1 ,1 ,1 ,1 };

/*************************************
* 内部函数定义区
**************************************/

//(fai0,fai0)的内积，返回1      求和
static float xfun0(int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += 1 * w[i];
	}

	return sum;
}

//(fai0,fai1)的内积，返回x      求和
static float xfun1(int* x, int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0;i < s_iPluseStepCnt ; i++)
	{
		sum += x[i] * w[i];
	}

	return sum;
}

//(fai0,fai2) || (fai1,fai1)的内积，返回x^2    求和
static float xfun2(int* x, int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += x[i]*x[i] * w[i];
	}

	return sum;
}


//(fai1,fai2)的内积，返回x^3    求和
static float xfun3(int* x, int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += x[i] * x[i] * x[i] * w[i];
	}

	return sum;
}

//(fai2,fai2)的内积，返回x^4    求和
static float xfun4(int* x, int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += x[i] * x[i] * x[i] * x[i] * w[i];
	}

	return sum;
}


//(y,fai0)的内积，返回y*1    求和
static float yfun0(float* y, int* x ,int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += y[i] * 1 * w[i];
	}

	return sum;
}

//(y,fai1)的内积，返回y*x    求和
static float yfun1(float* y, int* x, int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += y[i] * x[i] * w[i];
	}

	return sum;
}

//(y,fai2)的内积，返回y*1    求和
static float yfun2(float* y, int* x, int s_iPluseStepCnt)
{
	float sum = 0;
	for (int i = 0; i < s_iPluseStepCnt; i++)
	{
		sum += y[i] * x[i] * x[i] * w[i];
	}

	return sum;
}

//选第k次交换的列最大值当主元，返回所在行
static matrixData row_k_max(float matrix[ROW][LINE],int k)
{
	matrixData line[ROW] ;
	matrixData Max;
	//初始化
	for (int i = 0; i < ROW; i++)
	{
		line[i].value = 0;
		line[i].index = i;
	}
	//赋初值
	for (int i = k; i < ROW; i++)
	{
		line[i].value = matrix[i][k];
	}
	//比较大小
	Max.value = 0;
	for (int i = k; i < ROW; i++)
	{
		if (fabs(line[i].value) > fabs(Max.value))
		{
			Max = line[i];
		}
	}
	return Max;
}

//交换两行
static void swapRow(float matrix[ROW][LINE],int k, int maxRowE)
{
	float temp = 0;
	for (int i = 0; i < LINE; i++)
	{
		temp = matrix[k][i];
		matrix[k][i] = matrix[maxRowE][i];
		matrix[maxRowE][i] = temp;
	}
}

static void printfMatrix(float matrix[ROW][LINE])
{
	for (int i = 0; i < ROW; i++)
	{
		for (int j = 0 ; j < LINE; j++)
		{
			printf(" %f ", matrix[i][j]);
		}
		printf("\n");
	}
}


/*
外部函数调用
*/

//高斯列主元素消元法，返回b0，b1, b2
B_parameter GaussianElimination(float* y, int* x, int s_iPluseStepCnt)
{
	B_parameter B;  //最小二乘法的待求解向量
	matrixData Max; //第k次交换，列的最大值和索引
	float m;

	//计算增广矩阵中的每个值
	float matrix[ROW][LINE];
	for (int i = 0; i < ROW; i++)
	{
		for (int j = 0; j < LINE; j++)
		{
			if (LINE-1 == j)
			{
				//计算最后一列即Z向量的值
				switch (i)
				{
					case 0: matrix[i][j] = yfun0(y, x, s_iPluseStepCnt); break;
					case 1: matrix[i][j] = yfun1(y, x, s_iPluseStepCnt); break;
					case 2: matrix[i][j] = yfun2(y, x, s_iPluseStepCnt); break;
					default: break;
				}
			}
			else
			{
				//计算x矩阵的每个值
				switch (i+j)
				{
					case 0: matrix[i][j] = xfun0(s_iPluseStepCnt); break;
					case 1: matrix[i][j] = xfun1(x, s_iPluseStepCnt); break;
					case 2: matrix[i][j] = xfun2(x, s_iPluseStepCnt); break;
					case 3: matrix[i][j] = xfun3(x, s_iPluseStepCnt); break;
					case 4: matrix[i][j] = xfun4(x, s_iPluseStepCnt); break;
					default: break;
				}
			}

		}
	}

	printf("打印初始的矩阵\n\n");
	printfMatrix(matrix);

	//进行列主元素消元
	for (int i = 0; i < ROW-1; i++)   //i代表第i次交换
	{
		//选主元
		Max = row_k_max(matrix,i);
		//交换行
		if (Max.index != i)
		{
			swapRow(matrix,i,Max.index);
		}
		//消主元
		for (int j = i+1; j < ROW; j++)
		{
			m = matrix[j][i] / matrix[i][i];  //小除大，避免小值当分母
			for (int k = i; k < LINE ; k++)
			{
				matrix[j][k] = matrix[j][k] - matrix[i][k] * m; //消元
			}
		}

		printf("\n\n打印第%d次变化后的矩阵\n\n",i);
		printfMatrix(matrix);

	}

	//计算最小二乘法的B列向量
	B.b2 = matrix[ROW - 1][LINE - 1] / matrix[ROW - 1][LINE - 2];
	B.b1 = (matrix[ROW - 2][LINE - 1] - B.b2 * matrix[ROW - 2][LINE - 2])/ matrix[ROW - 2][LINE - 3];
	B.b0 = (matrix[ROW - 3][LINE - 1] - B.b2 * matrix[ROW - 3][LINE - 2] - B.b1 * matrix[ROW - 3][LINE - 3])/matrix[ROW - 3][LINE - 4];

	return B;

}

//计算高斯拟合参数a，b，c
Gaussian_parameter CalcGaussianParameter(B_parameter B)
{
	Gaussian_parameter gaussian;
	gaussian.a = exp((B.b0 - (B.b1*B.b1/(4*B.b2))));
	gaussian.b = -1 / B.b2;
	gaussian.c = -B.b1 / (2 * B.b2);
	return gaussian;
}

//从0到250 进行高斯拟合
void GuassFit(Gaussian_parameter gaussian)
{
	float y[250];
	for (int i = 0; i<250;i++)
	{
		y[i] = gaussian.a * exp(-(i-gaussian.c)* (i - gaussian.c) /gaussian.b);
		printf("%f \n",y[i]);
	}
}
鄢广杰
关注
  • 9
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
基于列主元高斯消去法的最小二乘法曲线拟合
10-10
采用基于列主元的高斯消去法做的最小二乘法曲线拟合
机器学习之正态分布拟合
m0_58381606的博客
09-03 2558
正态分布也被称为高斯分布或者钟形曲线（因为它看起来像一个钟），这是统计学中最重要的概率分布，就像我们在大自然中经常看到的那样，它有点神奇。例如，身高、体重、血压、测量误差、智商得分等都服从正态分布。
用于持续医疗监测的无袖带血压估计算法【翻译】
qq_16024557的博客
07-04 1564
连续检测血压，用了几种机器学习的方法
最小二乘球拟合(高斯牛顿法)
闪电彬彬的博客
01-25 983
最小二乘拟合球
基于示波法和高斯拟合的血压测量方法* (2010年)
06-18
流行病学调查及大规模前瞻性研究表明，高血压是心血管疾病的独立风险因素，采用电子血压计进行自助式日常血压监护，是预防严重心血管事件的重要途径。提出了一种设计电子血压计的新方法：首先确定振荡波中各个单波的峰值点；然后确定拟合振荡波包络线的最佳拟合曲线；进而查找包络线的最大值，选定积分区间，提出的积分公式和最大值的位置，确定舒张压和收缩压的位置，最后确定舒张压和收缩压。比较该方法与听诊法测得的血压，结果证明使用所介绍的方法测得的血压精度符合AAMI标准、BHS(B)级标准。说明该方法是适用的，使用该方法所设计的
二维高斯分布光斑中心快速提取算法研究
02-09
在深入分析二维高斯分布公式的基础上，通过将光斑中心整像素坐标和亚像素坐标进行分离，推导出一种无需求解广义逆矩阵的高斯曲面解析算法，该方法综合利用窗口内的所有像素灰度信息，通过解析表达式直接计算高斯分布光斑的亚像素中心位置；并且对传统高斯曲面拟合法求解过程进行了优化，提出一种更加高效的定参高斯拟合法。与传统高斯曲面拟合法相比，提出的两种方法具有基本相同的稳定性和定位精度，但运行效率分别提高了278倍和78倍以上。
高斯曲线拟合
Yuancccc的博客
12-27 6万+
一、高斯函数： a表示得到曲线的高度，b是指曲线在x轴的中心，c指width(与半峰全宽有关),图形如下： 高斯拟合(Gaussian Fitting)即使用形如： Gi(x)=Ai*exp((x-Bi)2/Ci2) 的高斯函数对数据点集进行函数逼近的拟合方法。 其实可以跟多项式拟合类比起来，不同的是多项式拟合是用幂函数系， 而高斯拟合是用高斯函数系。 使用高斯函数来进行拟合，优点在于计算积分...
图像滤波算法总结
热门推荐
jiang_ming_的博客
09-11 7万+
该篇主要是对图像滤波算法一个整理，主要参考的大神的博客： https://blog.csdn.net/qq_15606489/article/details/52755444 1：图像滤波既可以在实域进行，也可以在频域进行。图像滤波可以更改或者增强图像。通过滤波，可以强调一些特征或者去除图像中一些不需要的部分。滤波是一个邻域操作算子，利用给定像素周围的像素的值决定此像素的最终的输出值。 图像...
基于C语言的高斯曲线拟合原理以及实现
dingzj2000的专栏
12-26 1万+
1.意义 高斯曲线 ，又叫做gaussian curve，是正态分布中的一条标准曲线。具有以下特征： 1.1 正态曲线在横轴上方均数处最高； 1.2 正在分布以均数为中心，左右对称； 1.3 正态分布有两个参数，即均数和标准差；标准正态分布用N(0，1)表示； 1.4 正态曲线下的面积分布有一定的规律。 在分析仪器的测量中，有许多具有明确的物理意义的二维图谱，如光谱图、色谱图等，许多测...
曲线拟合（高斯牛顿法，Ceres,g2o)
weixin_46417419的博客
04-10 5382
实践：曲线拟合问题 我们先通过高斯牛顿法来求解最小二乘问题，然后介绍使用优化库(Ceres/g2o)来求解此问题。 例题： 考虑一条满足如下方程的曲线： y = exp(ax2x^2x2+ bx + c) + w,其中a,b,c为曲线的参数，w是高斯噪声，满足w~(0,σ2\sigma^2σ2)。 这是个非线性模型。假设我们有N个关于x,y的观测点，想根据这些数据点来求出曲线的参数。那么可以通过求解下面的最小二乘问题来估计曲线参数： min⁡a,b,c\min\limits_{a,b,c}a,b,cmin.
MATLAB实现高斯消去法，列主元消去法
03-18
求解线性方程组 Ax=b，其中 A 为 nxn 维的已知矩阵，b 为 n 维的已 知向量，x 为 n 维的未知向量。 (1)高斯消去法。 (2)列主元消去法。 A 与 b 中的元素服从独立同分布的正态分布。令 n=10、50、100、200，测试计算时间并 绘制 曲线。
高斯消去法的简单实现——Matlab
03-18
对比高斯消去法、列主元高斯消去法、全主元高斯消去法、平衡加权高斯消去法。
高斯列主元素消去法C++算法及示例
12-20
经典的高斯列主元素消去法C++算法及示例 纯C++代码，速度和精度都非常高！ 示例中包含了算法的全部源代码以及详细的使用示例！ // 高斯消元法 // 输入： // int NA 矩阵阶数 // double A[] 系数矩阵,将二维用一维表示 // double B[] 常数矩阵 // double eps 精度要求 // double *x 计算结果 // 返回: 无 // 函数使用示例： // int NA = 3; // double A[] = {2,-2,5,2,3,4,3,-1,3}; // double B[] = {13,20,10}; // double eps = 0.01; // double *x; // x=new double[NA]; // Cal_lGauss(A,B,NA,eps,x); // delete[] x; void Cal_lGauss(double A[],double B[],int NA,double eps,double *x)
最小二乘拟合Gauss曲线Matlab
04-27
最小二乘法高斯曲线拟合，基于最小二乘法拟合高斯曲线，(Least squares Gaussian curve fitting )
基于双高斯拟合的金属表面光条提取算法研究
03-01
针对线激光测量系统对金属表面进行测量时强反射光影响光条提取的问题,提出了一种基于双高斯拟合的光条提取算法。首先对光条截面的灰度进行分析,发现了光条灰度的多峰分布规律;然后推导光的反射模型,对金属表面强反射光的产生原理和能量分布模型进行研究;之后根据分布模型建立双高斯拟合模型,设计光条提取算法,并用样例验证了算法的可行性;最后进行对比实验,分析了双高斯拟合法与传统光条提取算法的提取效果,并对结果进行了置信度评价。结果表明:双高斯拟合法可以有效抑制光条图像中强反射光的影响,准确提取光条中心;双高斯拟合法的置信度评价优于传统算法。
使用matlab高斯消去法、列主元高斯消去法计算n阶线性方程组
11-15
分别取n=20,60,100,200,采用高斯消去法、列主元高斯消去法计算下列n阶线性方程组Ax=b的解：
Leetcode 41. 缺失的第一个正数和Leetcode 155. 最小栈
最新发布
2301_79614379的博客
04-20 1015
定义一个结构体，数组 data 用于存放推进的数据，数组 min 用于存放最小值，变量 top 存放最后进入的数在 data 的下标，变量 mintop 记录最小值在 min 中的下标。循环遍历数组 nums ，如果该位置的值大于 0 并且不小于数组长度，让哈希表 table 在该值的位置自加。获取堆栈中的最小元素时，根据 mintop 的值返回数组 miin 中的元素。返回栈顶元素时，根据 top 的值返回数组 data 中的元素。--> 返回 -3.输入：nums = [3,4,-1,1]
力扣---从中序与后序遍历序列构造二叉树
m0_71536793的博客
04-20 378
力扣 中序遍历 后序遍历 建树
FloodFill算法简介（用BFS、DFS算法解决）
2301_76197086的博客
04-18 415
FloodFill算法简介
C#高斯例主元消元法算法设计
05-27
高斯消元法是一种求解线性方程组的方法。在实际应用中，为了避免误差的累积，我们常常使用高斯-约旦消元法或高斯例主元消元法。下面是C#中高斯例主元消元法算法的设计： ```csharp public static double[] GaussianElimination(double[][] matrix) { int n = matrix.Length; double[] result = new double[n]; for (int i = 0; i < n; i++) { // 将第i列中第i行以下的元素中绝对值最大的行与第i行交换 int maxRow = i; double maxVal = Math.Abs(matrix[i][i]); for (int j = i + 1; j < n; j++) { if (Math.Abs(matrix[j][i]) > maxVal) { maxVal = Math.Abs(matrix[j][i]); maxRow = j; } } if (maxRow != i) { double[] temp = matrix[i]; matrix[i] = matrix[maxRow]; matrix[maxRow] = temp; } // 将第i列中第i行以下的元素消成0 for (int j = i + 1; j < n; j++) { double factor = matrix[j][i] / matrix[i][i]; for (int k = i + 1; k < n + 1; k++) { matrix[j][k] -= factor * matrix[i][k]; } } } // 回代求解 for (int i = n - 1; i >= 0; i--) { double sum = 0; for (int j = i + 1; j < n; j++) { sum += matrix[i][j] * result[j]; } result[i] = (matrix[i][n] - sum) / matrix[i][i]; } return result; } ``` 在这个算法中，我们首先对矩阵进行了行交换，使得每一列中绝对值最大的元素位于当前行。然后，我们将当前列中第i行以下的元素消成0。最后，我们使用回代法求解线性方程组的解。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

鄢广杰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值