Главная страница
Навигация по странице:

  • Лабораторная работа №2

  • Лабораторная работа №2. Обработка результатов измерений методом наименьших квадратов. Исходные данные

  • Проектное

  • Выполнение задания

  • Мори лабораторная. Мори лаба 2, МРЭТн 21-2. Обработка результатов измерений методом наименьших квадратов


    Скачать 0.68 Mb.
    НазваниеОбработка результатов измерений методом наименьших квадратов
    АнкорМори лабораторная
    Дата03.03.2022
    Размер0.68 Mb.
    Формат файлаdocx
    Имя файлаМори лаба 2, МРЭТн 21-2.docx
    ТипЛабораторная работа
    #381765

    Некоммерческое Акционерное Общество

    «АЛМАТИНСКИЙ УНИВЕРСИТЕТ ЭНЕРГЕТИКИ И СВЯЗИ» им. Г.Даукеева

    Кафедра Телекоммуникационных сетей и систем

    Лабораторная работа №2

    на тему: «Обработка результатов измерений методом наименьших квадратов»

    Дисциплина: Математическая обработка результатов измерений в телекоммуникационных системах

    Специальность: 5В071900 – Радиотехника, электроника и телекоммуникации

    Выполнил:

    Группа: МРЭТн 21-2

    Вариант: 2

    Приняла: к.ф-м.н доцент Хизирова М.А.

    ___________________ «_____»__________2021 г.

    Алматы 2021

    Лабораторная работа №2. Обработка результатов измерений методом наименьших квадратов.

    Исходные данные:

    Таблица 1 – Данные для 1 задания

    Xi

    1

    2

    3

    4

    5

    6

    Yi

    5,2

    6,3

    7,1

    8,5

    9,2

    10,0

    Таблица 2 – Данные для 2 задания

    Xi

    -3

    -1

    0

    1

    3

    Yi

    -4

    -0,8

    1,6

    2,3

    1,5

    Проектное задание

    1. Найти линейную аппроксимацию данных по методу наименьших квадратов.

    2. Приблизить данную функцию многочленом 2-ой степени.
    Выполнение задания:

    Рассмотрим теперь возможности пакета MatLab для реализации метода наименьших квадратов.

    Коэффициенты аппроксимирующего полинома



    Сумм=((y-f(x))^2

    степени N, наилучшим образом приближающего таблицу функций Y(X) в смысле наименьшего квадратичного отклонения в узлах, находятся с помощью функции

    P = polyfit (X, Y, N).

    Для вычисления значений полинома можно использовать функцию:

    Y = polyval (P, X),

    где вектор Xпоказывает интервал табличных значений и может даже выходить за его пределы. Тем самым интерполяционный полином будет использован также для экстраполяции данных.

    Рассмотрим пример, реализующий данный пример:

    X=[0.050.100.170.250.300.36];

    Y=[0.05000.10030.17170.25530.30930.3764];

    xlabel('X');

    ylabel ('Y');

    hold onplot(X,Y,'ko')

    t=-0.05:0.01:0.45;

    c5=polyfit(X,Y,5);

    y5 = polyval(c5, t);

    plot(t,y5,'k-')

    title('Plynomapproximation')

    legend('Data','Approx.',0)


    Рисунок 1 – Данные функции



    Рисунок 2 – График функции polyfit

    Вставив значения Х, У по заданному варианту, получаем следующую функцию:



    Рисунок 3 – Данные для функции по заданию №1



    Рисунок 4 – График функции polyfit для №1 задания

    В рисунке 2 отражающий результат работ программы, показывает, что в данном примере качество интерполяции, а также экстраполяции в выбранном диапазоне, весьма хорошее.

    Однако при других исходных данных качество может оказаться значительно хуже, как показано в рисунке 4. Существенным аспектом при полиномиальной аппроксимации является выбор степени полинома.

    Задание №2:

    X = [-2, -1, 0, 1, 2];

    Y = [0 0 1 0 0];

    xlabel ('X');

    ylabel ('Y'); hold on

    plot (X,Y,'ko')

    t = -3:0.1:3;

    c2 = polyfit (X,Y,2);

    y2 = polyval (c2,t);

    plot (t,y2,'k:')

    c4 = polyfit (X,Y,4);

    y4 = polyval (c4,t);

    plot(t,y4,'k-')

    legend('Data','poly 2 degree', 'poly 4 degree',0)



    Рисунок 5 – Данные для функции по значениям №2 задания



    Рисунок 6 – Интерполяция полиномами разной степени
    Если интерполяционный полином 4-й степени проходит через табличные узлы аппроксимируемой функции, то полином 2-й степени через эти узлы уже не проходит, но среди всех полиномов 2-й степени он дает наименьше среднеквадратичное отклонение в узлах табличной функции (рисунок 6).

    Заключение

    Целью данной лабораторной работы было обработка результатов измерений методом наименьших квадратов в программной среде MATLAB.

    Метод наименьших квадратов – математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных.

    Данная лабораторная работа состоит из 2 заданий. В задании №1 было необходимо найти линейную аппроксимацию данных по методом наименьших квадратов используя функцию polуfit. Данная функция вычисляет коэффициенты полинома р(х) степени n. Это называется аппроксимированным коэффициентом. При выполнении задания №1 были приведены 2 функции с разными интерполяциями и с экстрополяциями. В первом случае (рисунок 2) имеется график с хорошей интерполяцией и экстрополяцией, а во втором случае качество весьма хуже. Существенным аспектом при полиномиальной аппроксимации является выбор степени полинома.

    По 2 заданию был получен результат интерполяции полиномами различной степени выраженности. Интерполяция – это точное нахождение любой величины по известным заданным значениям определенной величины или другими связанными с ней величинами.


    написать администратору сайта