CN103366095A - 一种基于坐标变换的最小二乘拟合信号处理方法 - Google Patents
一种基于坐标变换的最小二乘拟合信号处理方法 Download PDFInfo
- Publication number
- CN103366095A CN103366095A CN2013103090310A CN201310309031A CN103366095A CN 103366095 A CN103366095 A CN 103366095A CN 2013103090310 A CN2013103090310 A CN 2013103090310A CN 201310309031 A CN201310309031 A CN 201310309031A CN 103366095 A CN103366095 A CN 103366095A
- Authority
- CN
- China
- Prior art keywords
- overbar
- signal
- centerdot
- loose
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Complex Calculations (AREA)
Abstract
一种基于坐标变换的最小二乘拟合信号处理方法,首先,通过选取参考横坐标,根据参考横坐标计算并存储与参考横坐标有关的变量;然后,根据变量求解拟合曲线的系数;其次,判断散点信号的横坐标是否与参考横坐标相同,若散点信号的横坐标与参考横坐标相同,则参考横坐标下的拟合曲线的系数即为散点信号拟合曲线的系数,若散点信号的横坐标与参考横坐标不相同,则根据坐标变换求得散点信号拟合曲线的系数;最后利用拟合曲线的系数建立拟合方程,将散点信号带入拟合方程进行计算,实现对散点信号的拟合,并结束该方法。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种基于坐标变换的最小二乘拟合信号处理方法。
背景技术
在信号处理中,由于受到外界各种因素的影响,信号中混合了噪声,而且可能会存在一些偏差比较大的值,为了提高处理结果的精度,需要修正这些偏差,对数据进行曲线拟合。所谓曲线拟合就是通过分析数据的总体规律,构造一条能较好反映这种规律的曲线,使之尽可能地靠近所有的数据点。
曲线拟合的方法有很多,最常用的是最小二乘拟合法,最小二乘拟合算法的原理简单,运算精度比较高。最小二乘拟合算法就是先构造一条拟合曲线,然后令所有散点到拟合曲线的偏差的平方和最小,以此求出拟合曲线的系数。在实际中最常用的是一次直线拟合和二次曲线拟合。
有一组N点的数据,它们的坐标表示为(xi,yi),其中i=1,2,…,N。利用最小二乘拟合算法对这组数据进行拟合。
设一次拟合曲线为则每个点相对于拟合曲线的偏差为
则所有点偏差的平方和为
综上所述,传统的最小二乘拟合算法的运算过程十分复杂,运算量很大,给硬件实现带来了很大的困难。为了提高拟合算法的性能,减小硬件资源成了一个亟待解决的问题。
发明内容
本发明的目的是为了克服已有技术的缺陷,为了解决传统最小二乘拟合算法运算过程复杂、运算量大及硬件资源大的问题,提出的一种基于坐标变换的最小二乘拟合信号处理方法。
本发明方法是通过下述技术方案实现的:
一种基于坐标变换的最小二乘拟合信号处理方法,其基本实施步骤如下:
1、一种基于坐标变换的最小二乘拟合信号处理方法,其特征在于,实施步骤如下:
步骤一、选取包含N个参数的等差数列作为参考横坐标x1=(x11,x12,……,x1N),其中x11=a0,x12=a0+s0,x13=a0+2s0,……,x1N=a0+(N-1)s0;
步骤三、基于变量X1 -1和一次拟合曲线系数公式 计算一次拟合曲线的系数
基于变量X2 -1和二次拟合曲线系数公式 计算二次拟合曲线的系数
有益效果:
本发明提出的基于坐标变换的最小二乘拟合算法,通过构造参考横坐标,并预先计算存储只与参考坐标系中横坐标有关的变量;在信号处理时,只需要根据信号的自身的横坐标,对所存储的变量进行转换,这样可以大大提高信号处理的速率,并节省大量的硬件资源。
附图说明
图1为基于坐标变换的一次拟合仿真图
图2为基于坐标变换的二次拟合仿真图
图3为基于坐标变换的拟合算法实现流程图。
具体实施方式
本发明设计原理:本发明将背景技术中所述式(4)进行变形得到一次拟合方程的简化式如式(6)所示:
设 由于 故矩阵X1为可逆矩阵,则A1=Y1X1 -1即为要求的一次拟合曲线的系数。
同理,对背景技术中的式(5)进行变形得到二次拟合方程的简化形式如式(7)所示:
设 由于 故矩阵X2为可逆矩阵,则A2=Y2X2 -1即为要求的二次拟合曲线的系数。
由上述推导结果可知,X1 -1和X2 -1都只与拟合数据的横坐标有关,如果拟合数据的横坐标可提前确定,则可预先计算出逆矩阵X1 -1和X2 -1中元素的值并进行存储,这样拟合过程的运算量将大大减小;同时在信号处理领域中,由于所采样的数字信号的横坐标通常存在特定的规律,即横坐标为等差数列,因此本发明基于上述原理,针对信号处理领域,提出了一种基于坐标变换的最小二乘拟合信号处理方法。
本发明基于坐标变换的最小二乘拟合方法,如图3所示,其基本实施步骤如下:
步骤一、选取包含N个参数的等差数列作为参考横坐标x1=(x11,x12,……,x1N),其中x11=a0,x12=a0+s0,x13=a0+2s0,……,x1N=a0+(N-1)s0,其中a0为所选取的参考横坐标的起始值,s0为相邻参考横坐标的间隔,N为需要拟合的散点信号个数;一般选取a0=1,s0=1,即参考横坐标选为x1=(1,2,3,…,N)。
步骤二、根据所选取的参考横坐标x1,计算只与所述横坐标x1有关的变量X1 -1和并存储X1 -1和分别用m1k(k=1,2,3,4)和m21(l=1,2,…,9)表示逆矩阵X1 -1和的元素值,由a0=1,s0=1,可以计算得到X1 -1和的具体形式:
步骤三、分别计算一次拟合曲线系数和二次拟合曲线系数;
一次拟合曲线系数:(1)根据存储的变量X1 -1和一次拟合曲线的系数公式 计算参考坐标系下的一次拟合曲线的系数
二次拟合曲线系数:(2)根据存储的变量X2 -1和二次拟合曲线的系数公式 计算参考坐标系下的二次拟合曲线的系数
其中
求解散点信号的一次拟合系数A1′的具体过程为:
散点信号的横坐标为x2=(x21,x22,…,x2N),由于在信号处理领域中,采样系统一般为均匀采样,故散点信号的横坐标间隔为一个固定值,设为s1;
把式(10)代入式(11)得到式(12):
结合式(11)和式(12)并化简得到式(13):
其中,式(13)中s1为相邻散点信号的横坐标间隔,x21为散点信号初始横坐标值,由此可以计算得到散点信号在其所处的真实坐标系下的一次拟合系数
散点信号的横坐标为x2=(x21,x22,…,x2N),由于在信号处理领域中,采样系统一般为均匀采样,故散点信号的横坐标间隔为一个固定值,设为s1;
把式(10)代入式(14)得到式(15):
结合式(14)和式(15)并化简得到式(16):
由此可以计算得到散点信号所处的坐标系下的二次拟合系数
实例
本发明利用Matlab对一种基于坐标变换的最小二乘拟合方法进行了仿真,取散点信号横坐标的起始坐标值为x20=1.5。为了更好的分析这种改进的拟合算法的精度,本发明对多种情况进行了仿真,散点信号横坐标的间隔分别取s1=0.5,s1=1,s1=2。
首先利用函数y=2.3x+4.5在区间[0,12]内均匀间隔生成40个采样点,并加入幅值为0.5的随机噪声组成观测数据利用基于坐标变换的最小二乘一次拟合算法对这组散点数据进行拟合运算,得到的拟合结果如图1所示。
然后利用函数y=5.8x2+7.9x-10.8在区间[1,12]内均匀生成40个采样点,并加入幅值为0.5的随机噪声组成观测数据利用基于坐标变换的最小二乘二次拟合算法对这组散点数据进行拟合运算,得到的拟合结果如图2所示。
从图1和图2可以看出,这种基于坐标转换的最小二乘拟合算法的一次拟合和二次拟合的效果都挺好,拟合曲线有效的刻画了散点数据的变换趋势,而且散点数据均匀的分布在拟合曲线的两侧。
对多次的仿真结果取平均,定量分析基于坐标变换的最小二乘拟合算法的误差。一次拟合曲线相对于原始数据的均方误差为0.2811,其中样本点的噪声的均方误差为0.2921;二次拟合曲线的均方误差为0.2115,其中样本点的噪声的均方误差为0.2591。可以看出,这种改进的拟合算法的均方误差与样本噪声的均方误差相当,说明这种改进的拟合算法有比较高的精度。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于坐标变换的最小二乘拟合信号处理方法,其特征在于,实施步骤如下:
步骤一、选取包含N个参数的等差数列作为参考横坐标x1=(x11,x12,……,x1N),其中x11=a0,x12=a0+s0,x13=a0+2s0,……,x1N=a0+(N-1)s0;
步骤二、根据所选取的参考横坐标x1,计算变量X1 -1和X2 -1:
步骤三、基于变量X1 -1和一次拟合曲线系数公式 计算一次拟合曲线的系数
基于变量X2 -1和二次拟合曲线系数公式 计算二次拟合曲线的系数
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309031.0A CN103366095B (zh) | 2013-07-22 | 2013-07-22 | 一种基于坐标变换的最小二乘拟合信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309031.0A CN103366095B (zh) | 2013-07-22 | 2013-07-22 | 一种基于坐标变换的最小二乘拟合信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103366095A true CN103366095A (zh) | 2013-10-23 |
CN103366095B CN103366095B (zh) | 2016-06-01 |
Family
ID=49367422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310309031.0A Active CN103366095B (zh) | 2013-07-22 | 2013-07-22 | 一种基于坐标变换的最小二乘拟合信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103366095B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613967A (zh) * | 2015-01-23 | 2015-05-13 | 中国民航大学 | 便携式机载导航系统的航图管理方法 |
CN107644129A (zh) * | 2017-09-08 | 2018-01-30 | 武汉大学 | 一种预测多官能团的MOFs材料对客体分子的释放效果的方法 |
CN109115257A (zh) * | 2017-06-22 | 2019-01-01 | 深圳怡化电脑股份有限公司 | 传感器特性曲线的修正方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1012686A (ja) * | 1996-06-20 | 1998-01-16 | Komatsu Electron Metals Co Ltd | 半導体ウェーハの表面異物検査方法 |
JP2010032473A (ja) * | 2008-07-31 | 2010-02-12 | Sony Corp | 形状評価装置、形状評価方法および形状評価プログラム |
CN102968821A (zh) * | 2012-11-27 | 2013-03-13 | 安徽工程大学 | 一种二次曲线趋势外推精确智能延伸方法 |
-
2013
- 2013-07-22 CN CN201310309031.0A patent/CN103366095B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1012686A (ja) * | 1996-06-20 | 1998-01-16 | Komatsu Electron Metals Co Ltd | 半導体ウェーハの表面異物検査方法 |
JP2010032473A (ja) * | 2008-07-31 | 2010-02-12 | Sony Corp | 形状評価装置、形状評価方法および形状評価プログラム |
CN102968821A (zh) * | 2012-11-27 | 2013-03-13 | 安徽工程大学 | 一种二次曲线趋势外推精确智能延伸方法 |
Non-Patent Citations (2)
Title |
---|
WEN YAN等: "Time-shared fitting method of Doppler parameters and the implementation on FPGA", 《IET INTERNATIONAL RADAR CONFERENCE 2013》 * |
于成龙等: "基于优化的改进移动最小二乘代理模型方法", 《航空计算技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613967A (zh) * | 2015-01-23 | 2015-05-13 | 中国民航大学 | 便携式机载导航系统的航图管理方法 |
CN104613967B (zh) * | 2015-01-23 | 2017-03-29 | 中国民航大学 | 便携式机载导航系统的航图管理方法 |
CN109115257A (zh) * | 2017-06-22 | 2019-01-01 | 深圳怡化电脑股份有限公司 | 传感器特性曲线的修正方法、装置、设备及存储介质 |
CN109115257B (zh) * | 2017-06-22 | 2021-10-08 | 深圳怡化电脑股份有限公司 | 传感器特性曲线的修正方法、装置、设备及存储介质 |
CN107644129A (zh) * | 2017-09-08 | 2018-01-30 | 武汉大学 | 一种预测多官能团的MOFs材料对客体分子的释放效果的方法 |
CN107644129B (zh) * | 2017-09-08 | 2019-08-20 | 武汉大学 | 一种预测多官能团的MTV-MOFs材料对客体分子的释放效果的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103366095B (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | The emissions reduction effect and technical progress effect of environmental regulation policy tools | |
Liu et al. | The drivers of China’s regional green productivity, 1999–2013 | |
Li et al. | Spatial effects of economic performance on the carbon intensity of human well-being: The environmental Kuznets curve in Chinese provinces | |
CN103353923B (zh) | 基于空间特征分析的自适应空间插值方法及其系统 | |
CN103473408B (zh) | 一种融合时空信息的气温缺失记录重建方法 | |
CN102393839B (zh) | 并行数据处理系统及方法 | |
CN102855631A (zh) | 用于图像质量评价的视觉能量信息提取方法 | |
Xie et al. | The impact of digital economy on industrial carbon emission efficiency: Evidence from Chinese provincial data | |
CN103366095A (zh) | 一种基于坐标变换的最小二乘拟合信号处理方法 | |
Liu et al. | The impact of OFDI on the energy efficiency in Chinese provinces: Based on PVAR model | |
CN106407659A (zh) | 一种空气质量指数预测方法和装置 | |
Ding et al. | Land use efficiency and technology gaps of urban agglomerations in China: An extended non-radial meta-frontier approach | |
Liu | FDI and employment by industry: A co-integration study | |
CN117200208B (zh) | 基于多尺度分量特征学习的用户级短期负荷预测方法及系统 | |
CN114154546A (zh) | 一种钢铁生产过程数据的降噪方法 | |
CN103413306B (zh) | 一种自适应阈值的Harris角点检测方法 | |
CN103117823A (zh) | 一种短波信道模型建模方法 | |
CN105138819A (zh) | 空间计算域计算强度表面生成方法 | |
CN106501603A (zh) | 一种用于电力系统的谐波分析方法及其装置 | |
CN104750613A (zh) | 一类有界闭连通域上的循环程序终止性判断方法 | |
CN111199345A (zh) | 海绵城市的设计降雨量的测算方法及终端设备 | |
Naghdi et al. | The stability of phillips curve in Iran: rolling regression analysis | |
Ayache et al. | Stochastic volatility and multifractional Brownian motion | |
CN107622038A (zh) | 基于核密度估计的概率潮流输出随机变量评估方法 | |
Song | Random signal frequency identification based on AR model spectral estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |