曲线拟合——最小二乘法

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