MATLAB Communication System(13)锁相环与数据后处理

1.锁相环

 

 

 

2.VCO

 

 

 3.插值

 

 

4.多项式拟合

5.最小二乘拟合

 

 

说明

x = lsqcurvefit(fun,x0,xdata,ydata) 从x0开始，找到最适合非线性函数fun(x,xdata)与数据ydata的系数x（在最小二乘法意义上）。ydata必须与fun返回的向量（或矩阵）F大小相同。

注意
传递额外参数解释了如何在必要时为向量函数fun(x)传递额外参数。

x = lsqcurvefit(fun,x0,xdata,ydata,lb,ub) 在x中定义了一组设计变量的上下限，因此，解总是在lb≤x≤ub的范围内。你可以通过指定lb(i)= ub(i)来固定解的组件x(i)。

注意
如果一个问题的指定输入边界不一致，输出x是x0，输出resnorm和residual是[]。

x0中违反lb ≤ x ≤ ub界限的部分被重置到由界限定义的盒子内部。尊重边界的成分不会被改变。

x = lsqcurvefit(fun,x0,xdata,ydata,lb,ub,options) 使用options中指定的优化选项进行最小化。使用optimoptions来设置这些选项。如果不存在边界，则传递lb和ub的空矩阵。

x = lsqcurvefit(problem) 找到问题的最小值，其中问题是输入参数中描述的结构。通过从优化应用程序中导出一个问题来创建问题结构，如导出你的工作中所述。

[x,resnorm] = lsqcurvefit(___)，对于任何输入参数，返回x处残差的平方2-norm值：sum((fun(x,xdata)-ydata).^2)。

[x,resnorm,residual,exitflag,output] = lsqcurvefit(___) 另外返回解x处的残差fun(x,xdata)-ydata的值，一个描述退出条件的值exitflag，以及一个包含优化过程信息的结构输出。

[x,resnorm,residual,exitflag,output,lambda,jacobian] = lsqcurvefit(___) 另外返回一个结构lambda，其字段包含解x处的拉格朗日乘数，以及解x处的fun的雅各布系数。

6.根据次数为r的多项式求取原多项式