基于Matlab的曲线拟合
前言
在科学研究实验与工程计算中，经常要从一组实际观测数据点集(xi，yi)(i=0,1,2,…,n)出发，去寻找变量x与y的函数关系式，即y = f(x)。绝大多数情况下，函数关系特别复杂，通过离散的观测点很难通过理论计算推断出自变量与对应因变量的函数表达式，不利于进一步的数据分析。这时候就要采用曲线拟合的方法，来近似求解变量间的最佳函数关系，目的是找到一条光滑曲线，使它在某种准则下最佳的拟合数据并最大程度地接近实际理论曲线。
随着科学技术的发展，曲线拟合在数据分析及寻找事物规律、预测等应用中具有越来越重要的作用。曲线拟合的方法有很多，大致可以分为插值法和逼近法。考虑到一些实验仪器的精度要求与计算机的数据运算、存储能力或其他条件限制，可采用插值法增加数据。插值法可采用拉格朗日插值、牛顿插值、样条插值等，逼近法有最小二乘法、切比雪夫法等。在科学研究中，最常用的曲线拟合方法是最小二乘法。
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，具有很强大的图形处理能力及计算处理能力、编译语言简单易用、模块集合工具箱应用广泛、可开发用户界面等优点,已成为我们对实验数据进行研究分析的首选工具
[3]
[2]
[1]
。
对于数据的曲线拟合问题，Matlab为用户提供了多种线性与非线性拟合方法，包括拟合函数与工具箱，用户还能根据自己的需要进行编程。利用Matlab能快速、准确地得到曲线拟合结果。