曲线拟合方法有很多,从鲁棒性角度来看分为recursive, non-recursive,高斯噪声模型和其他噪声模型等,其中从最基本的是最小二乘法(也称最小平方法, least square fitting)。实现原理为:基于横坐标变换矩阵X(如[pow(x,2),x,1])寻找一个参数矩阵A, 使得AX和Y最接近。
实现方法伪代码如下:
Define Ai as 第i次迭代的参数矩阵
Define W(i,j) as 检测出的第i个点服从以Aj为参数矩阵的拟合方程的概率
1Initialize A0,j=1;
2for (i=1 to n)
calculate P(i,j)=
3解线性方程
4if (||A(j)-A(j-1)||>Threshold)goto2
else 得到结果 A的估计值为Aj