matlab最小二乘法参数辨识

最小二乘法是一种常用的参数辨识方法，Matlab中可以使用`lsqcurvefit`函数进行最小二乘法参数辨识。下面是一个简单的例子：

假设我们有如下数据点：

x = [0, 1, 2, 3, 4];
y = [0.1, 0.9, 2.2, 3.8, 5.1];

现在我们想要拟合这些数据点，并得到一个形如`y = a * x + b`的线性模型。

首先，我们需要定义一个误差函数，该函数将计算实际值与预测值之间的误差。对于线性模型来说，误差函数可以定义为：

function e = linear_error(params, x, y)
a = params(1);
b = params(2);
e = y - (a*x + b);
end

然后，我们可以使用`lsqcurvefit`函数来拟合数据并找到最优参数：

params0 = [1, 0]; % 初始参数猜测
params_fit = lsqcurvefit(@linear_error, params0, x, y); % 最小二乘法拟合
a = params_fit(1);
b = params_fit(2);
fprintf('The fitted model is: y = %.2f * x + %.2f\n', a, b);

输出结果为：`The fitted model is: y = 1.02 * x + 0.06`，即最小二乘法拟合得到的线性模型为`y = 1.02 * x + 0.06`。