我想在Scilab中实现一些已经固有的滤波器拟合程序。我试图通过invfreqz.m中的最小二乘算法计算滤波器系数。意识到我必须在一些几乎奇异的矩阵上计算左侧矩阵的划分。问题是Scilab从这个计算得到的结果与matlab不同,我无法解决这个问题。代码如下:左边划分:从matlab转移到scilab
matrix = [336.1810 331.8898 331.8898 336.1810 331.8898; 331.8898 336.1810 320.9743 331.8898 336.1810; 331.8898 320.9743 336.1810 331.8898 320.9743; 336.1810 331.8898 331.8898 336.1810 331.8898; 331.8898 336.1810 320.9743 331.8898 336.1810];
vector = [-331.8898; -320.9743; -336.1810; -331.8898; -320.9743];
result = matrix \ vector;
Matlab的给我的结果:
result =
-0.5078
0.5078
-1.0000
0.5078
-0.5078
和Scilab的收益率:
result =
0.00000000000000050
0.
- 0.99999999999999856
0.
- 0.00000000000000219
通过这两个软件进行计算给我的警告:
> Warning: Matrix is close to singular or badly scaled.
不同rcond值
matlab: RCOND = 1.703907e-17
Scilab: rcond= 0.0000D+00
我查Matlab的invfreq.m他们这样做完全一样的方式,但结果从Scilab的不同。即使警告也会显示。 :)现在我需要在Scilab中获得相同的结果,但是我找不到解决方法,因为我不知道发生了什么。任何人都可能有想法甚至解决方案?
撰写的名为“复曲线拟合”的论文。如果有帮助,我在64位Windows机器和64位Linux机器上尝试了R2014A上的代码,并获得了两个来自相同代码的不同答案。 – hiandbaii
感谢您的答案。正如所说的invfreqz.m,matlab信号处理函数使用了完全相同的算法,并给出了完全相同的警告。意味着matlab固有的方法也会产生不稳定的结果。我用这种方法安装了很多过滤器。 :)非常困惑...我在Matlab R2015A btw .. – user967493