最小二乘法

#define Sample_Num 20

float value_buf[Sample_Num]={0};

static int cnt = 0;

if(cnt >= Sample_Num)

cnt = 0;

//更新滑动窗口数组

if(cnt

value_buf[cnt] = (flaot)(angle);

//窗口滑动++

cnt++;

float Steer_analyse(void)

{

static float Slope=0;

static float X_Sum=Sample_Num*(Sample_Num-1)/2;

float Y_Sum=0,XX_Sum=0,YY_Sum=0,XY_Sum=0;

/***********************最小二乘法算斜率*********************/

for(int x=Sample_Num-1;x>=0;x--)

{

XY_Sum += (Sample_Num-1-x)*value_buf[x];//X*Y的和

Y_Sum += value_buf[x]; //y的和

XX_Sum += x*x; //x的平方和

}

Slope = (Sample_Num*XY_Sum-X_Sum*Y_Sum)

/(Sample_Num*XX_Sum-X_Sum*X_Sum);

//(采样个数乘以X*Y的和 - x的和乘以y的和)除以(采样个数乘以

//x的平方和 - x和的平方

return Slope;

}

#define Sample_Num 20

float value_buf[Sample_Num]={0};

static int cnt = 0;

if(cnt >= Sample_Num)

cnt = 0;

//更新滑动窗口数组

if(cnt

value_buf[cnt] = (flaot)(angle);

//窗口滑动++

cnt++;

float Steer_analyse(void)

{

static float Slope=0;

static float X_Sum=Sample_Num*(Sample_Num-1)/2;

float Y_Sum=0,XX_Sum=0,YY_Sum=0,XY_Sum=0;

/***********************最小二乘法算斜率*********************/

for(int x=Sample_Num-1;x>=0;x--)

{

XY_Sum += (Sample_Num-1-x)*value_buf[x];//X*Y的和

Y_Sum += value_buf[x]; //y的和

XX_Sum += x*x; //x的平方和

}

Slope = (Sample_Num*XY_Sum-X_Sum*Y_Sum)

/(Sample_Num*XX_Sum-X_Sum*X_Sum);

//(采样个数乘以X*Y的和 - x的和乘以y的和)除以(采样个数乘以

//x的平方和 - x和的平方

return Slope;

}


相关内容

  • 基于相对误差的曲线最小二乘拟合
  • 第30卷第3期2012年7月 沈阳师范大学学报(自然科学版) Vol.30No.3Jul.2012 JournaloShenanNormalUniversitNaturalScience) f yg y( ()文章编号:16735862201203033805--- 基于相对误差的曲线最小二乘拟合 ...

  • 在进行线性回归时,为什么最小二乘法是最优方法?
  • [王芊的回答(27票)]: 最小二乘的假设是高斯噪声,最大似然估计推导出来的,你不妨推一遍,Andrew Ng的视频里也有讲过 你说的距离之和其实是一范数,是拉普拉斯噪声推导出来的 具体用那种,看噪声的分布假设是什么 [JichunSi的回答(39票)]: 谢邀. 不是很同意@王芊的说法. 首先跟题 ...

  • 系统辨识之最小二乘
  • 系统辨识之最小二乘 周耀龙 144173248 摘 要 最小二乘法是是一种经典的数据处理方法.在系统辨识领域中,最小二乘法是一种得到广泛应用的估计方 法, 可用于动态系统.静态系统.线性系统.非线性系统.在随机的环境下,利用最小二乘法时,并不要求观测数据提供其概率统计方面的信息,而其估计结果,却有相 ...

  • 基于最小二乘法的系统参数辨识
  • 基于最小二乘法的系统参数辨识 吴令红,熊晓燕,张 涛 太原理工大学机械电子研究所,太原 (030024) E-mail 摘 要:系统辨识是自动控制学科的一个重要分支,由于其特殊作用,已经广泛应用于各种 领域,尤其是复杂系统或参数不容易确定的系统的建模.过去,系统辨识主要用于线性系统 的建模,经过多年 ...

  • 偏最小二乘法基本知识
  • 偏最小二乘法(PLS )简介-数理统计 偏最小二乘法partial least square method是一种新型的多元统计数据分析方法,它于1983年由伍德(S.Wold)和阿巴诺(C.Albano)等人首次提出.近几十年来,它在理论.方法和应用方面都得到了迅速的发展. 偏最小二乘法 长期以来, ...

  • 浅谈加权最小二乘法及其残差图
  • 浅谈加权最小二乘法及其残差图 --兼答孙小素副教授 何晓群 刘文卿 ABSTRACT The paper introduces some problems in relation to weighted least square regression ,and answers a question ...

  • 最小二乘法在数学模型建立与检验中的运用
  • 最小二乘法在数学模型建立与检验中的应用 信息与计算科学专业2008级 周建勤 摘要:本文主要研究了最小二乘法在建立数学模型中的参数学模型中的参数估计数估计,模型检验中的应用.通过给出最小二乘法在Matlab 中的代码计算模型参数,误差精确度,并给出检验模型是否具有多重共线,异方差性,序列相关性方法. ...

  • 广义最小二乘法2
  • 第五章 广义最小二乘法 当计量经济学模型同时存在序列相关和异方差, 而且随机误差项的方差-协方差矩阵未知时我们可以考虑使用广义最小二乘法(GLS).即下列模型: Y =X β+μ 满足这样一些条件: E (μ) =0 COV (μμ' ) =δ2Ω Ω=11ω1221ω22ω1n ... ω2n . ...

  • 广义最小二乘法
  • 第五章 广义最小二乘法 当计量经济学模型同时存在序列相关和异方差, 而且随机误差项的方差-协方差矩阵未知时我们可以考虑使用广义最小二乘法(GLS).即下列模型: Y =X β+μ 满足这样一些条件: E (μ) =0 COV (μμ' ) =δ2Ω Ω=11ω1221ω22 1ωn 2... ω1n ...

  • "线性回归直线"的教学思考
  • 一.问题的提出 在新课标教材<数学3(必修)>第二章统计第三小节变量间的相关关系课本中介绍了用每个样本点与线性回归直线对应点的纵坐标差的平方和最小来刻画"从整体上看,各点与直线的距离最小",并用最小二乘法推导出线性回归方程的斜率与纵截距. 在刻画"从整体上看 ...