Описание

Блок методом аппроксимации методом наименьших квадратов вычисляет коэффициенты полинома n-го порядка, который лучше всего подходит для входных данных в смысле наименьших квадратов, где вы задаете n в параметре Polynomial order. Отдельный набор коэффициентов n + 1 вычисляется для каждого столбца M -by N входа, u.

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

где _ui - i-й элемент во входном столбце, и

Значения независимой переменной, _x1, _x2..., _xM, определены как длина - M вектор Control points параметром. Те же M управляющие точки используются для всех N аппроксимаций полиномом и могут быть равномерно или неравномерно разнесены. Эквивалентный MATLAB^® код показан ниже.

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

Для удобства блок обрабатывает длинно- M неориентированный векторный вход как M-на-1 матрицу.

Каждый столбец выходной матрицы (n + 1) -by N, c, представляет набор коэффициентов n + 1, описывающих полином наилучшего соответствия для соответствующего столбца входов. Коэффициенты в каждом столбце расположены в порядке убывания _{экспонентов}, c1, c2,._.., cn+1.

Примеры

В модели ex_leastsquarespolyfit_ref ниже блок Polynomial Evaluation использует полином второго порядка

сгенерировать четыре значения зависимой переменной y из четырех значений независимой переменной u, полученных в верхнем порте. Полиномиальные коэффициенты подаются в вектор [-2 0 3] в нижнем порте. Обратите внимание, что коэффициент члена первого порядка равен нулю.

Параметр Control points блока Last Squares Polynomial Fit сконфигурирован с теми же четырьмя значениями независимых переменных u, которые используются в качестве входа в блок Polynomial Evaluation, [1 2 3 4]. Блок Аппроксимация полиномом методом наименьших квадратов использует эти значения вместе с входом значениями зависимых переменных y, чтобы восстановить исходные полиномиальные коэффициенты.

Параметры

Поддерживаемые типы данных

См. также