matlab lsqcurvefit用法

MATLAB 的 `lsqcurvefit` 函数用于非线性最小二乘拟合数据，它适用于求解曲线拟合问题，即找到一条数学函数（通常是多项式或其他复杂函数），使得该函数与给定的数据点尽可能接近。这个函数通常用于估计模型参数。

基本语法如下：

p = lsqcurvefit(@modelfun,xdata,ydata,p0,options)

- `@modelfun`: 指向包含拟合模型的函数文件名，可以是一个标量函数或矩阵函数。
- `xdata`: 自变量数据的矩阵，每一列对应一个自变量值。
- `ydata`: 应变量数据的矩阵，同理。
- `p0`: 初始猜测的模型参数向量。
- `options`: 可选的结构数组，包含了算法设置和其他选项，如迭代停止条件、最大迭代次数等。

例如，如果你有一个二次函数 `y = a*x^2 + b*x + c`，你可以创建一个匿名函数 `modelfun(x, p)`，其中 `p` 包含 `a`, `b`, 和 `c` 参数，然后调用 `lsqcurvefit` 来找到最佳参数。

p0 = [1; 1; 1]; % 初步估计的参数
[x, y] = ... % 数据点
p = lsqcurvefit(@(x, params) params(1)*x.^2 + params(2)*x + params(3), x, y, p0);