Описание

Блок Least Squares Polynomial Fit вычисляет коэффициенты n th, заказывают полином, который лучше всего приспосабливает входные данные в смысле наименьших квадратов, где вы задаете n в параметре Polynomial order. Отличный набор n +1 коэффициент вычисляется для каждого столбца M-by-N вход, u.

Для данного входного столбца блок вычисляет набор коэффициентов, _c1, _c2..., _cn+1, который минимизирует количество

где _ui является i th элемент во входном столбце, и

Значения независимой переменной, _x1, _x2..., _xM, заданы как вектор длины-M параметром Control points. Те же контрольные точки M используются во всех аппроксимациях полиномом N и могут быть одинаково или неравноценно расположены с интервалами. Эквивалентный код MATLAB^® показывают ниже.

c = polyfit(x,u,n)						% Equivalent MATLAB code 

Для удобства блок обрабатывает длину-M, неориентированную на векторный вход как M-by-1 матрица.

Каждый столбец (n +1)-by-N выходная матрица, c, представляет набор n +1 коэффициент, определяющий хорошо-подходящий многочлен для соответствующего столбца входа. Коэффициенты в каждом столбце располагаются в порядке убывающих экспонент, _c1, _c2..., _cn+1.

Примеры

В ex_leastsquarespolyfit_ref модели ниже, блок Polynomial Evaluation использует полином второго порядка

сгенерировать четыре значения зависимой переменной y от четырех значений независимой переменной u, полученный в верхнем порту. Полиномиальные коэффициенты предоставляются в векторном [-2 0 3] в нижнем порту. Обратите внимание на то, что коэффициент термина первого порядка является нулем.

Параметр Control points блока Least Squares Polynomial Fit сконфигурирован с теми же четырьмя значениями независимой переменной u, которые используются в качестве входа с блоком Polynomial Evaluation, [1 2 3 4]. Блок Least Squares Polynomial Fit использует эти значения вместе с входными значениями зависимой переменной y, чтобы восстановить исходные полиномиальные коэффициенты.

Параметры

Поддерживаемые типы данных

Смотрите также