基于最小二乘法二阶拟合一维数据
工程实践中，很多量测数据的波形存在丢帧，尖凸，噪声。直接使用该量测数据，就不可避免的带来抖动，震荡甚至是发散。因此对数据滤波就十分必要。此处介绍一种对一维量测数据滤波，徒手计算二阶拟合参数的方法，最小二乘法。方法出处，见附录论文。
幂级数二阶拟合和对应参数变量
二阶拟合公式
y
i
=
α
+
φ
∗
x
i
+
ξ
∗
x
i
2
y{i} = α + φ*x{i} + ξ*x{i}^2
yi=α+φ∗xi+ξ∗xi2 其中
i
=
1
、
2
、
3....
n
i=1、2、3....n
i=1、2、3....n 。
中间变量
b
、
c
、
d
、
e
、
f
、
g
、
h
b、c、d、e、f、g、h
b、c、d、e、f、g、h计算如下：
Σ
x
i
＝
b
，
Σ
y
i
＝
c
，
Σ
x
i
2
＝
d
，
Σ
x
i
⋅
y
i
＝
e
，
Σ
x
i
3
＝
f
，
Σ
x
i
4
＝
g
，
Σ
x
i
2
⋅
y
i
＝
h
Σ xi＝b， Σ yi＝c， Σxi^2 ＝d， Σ xi·yi＝e， Σxi^3＝f， Σxi^4＝g， Σxi^2·yi＝h
Σxi＝b，Σyi＝c，Σxi2＝d，Σxi⋅yi＝e，Σxi3＝f，Σxi4＝g，Σxi2⋅yi＝h
由上面的中间计算值，进而求出二阶拟合公式的系数
α
、
φ
、
ξ
α、φ、ξ
α、φ、ξ。
其中，n表示
x
x
x的维数。
高阶拟合中关键矩阵
高阶拟合中的推导矩阵如下所示，其中左侧系数矩阵经转化后能够移到右侧。
若将上述矩阵简化(对
x
i
xi
xi有非零要求)，可得如下矩阵。
同样的方法，将上述第二个矩阵简化后就会得到系数 a 0 、 a 1 、 a 2... a n a0、a1、a2...an a0、a1、a2...an。进而得到拟合函数 y = a 0 + a 1 ∗ x + a 2 ∗ x 2 . . . a n ∗ x n y = a0+a1*x+a2*x^2...an*x^n y=a0+a1∗x+a2∗x2...an∗xn。
二阶拟合温度曲线实例
matlab示例代码
add you code here
C示例代码
add you code here
python示例代码
add you code here
附录：
[01] 最小二乘法曲线拟合及优化算法研究 《工业控制计算机》
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
