matlab polyfit次数上限_MATLAB曲线拟合及Fourier分析

4.6  曲线拟合

在上一节，已经介绍了数据插值，它要求原始数据是精确的，或具有较小的误差。事实上，由于种种原因，实验或测量中所获得的数据总会有一定的误差。在这种情况下，如果强求构造的函数(曲线)通过各插值节点，显然是不合理的。为此，人们设想构造一个函数(曲线)y=g(x)去拟合f(x)，但它不必通过各插值节点，而只是使该曲线从这些插值节点中穿过，且使它在某种意义下最优。

MATLAB的曲线拟合是用常见的最小二乘原理，所构造的g(x)是一个次数小于拟合节点个数的多项式。

4.6.1  最小二乘原理及其曲线拟合算法

设测得离散的n+1个节点的数据如下：

构造一个如下的m次拟合多项式函数g(x)为 (m≤n)：

所谓曲线拟合的最小二乘原理，就是使上述拟合多项式在各数据点处的偏差的平方之和达最小。

上式中的均为已知值，而式中的系数为个未知数，故可以将其看做是的函数，即