部分正弦数据拟合代码C

我有8个数据点，形成部分正弦波的峰值。我试图拟合这些方程，以便找到真正最大位置的点（最有可能位于数据点之间）。编码将使用C。是否有人了解算法或理想情况下编码样本的信息？

如果样本值形成“驼峰”，即先增加后减少样本，您可以尝试将样本值视为“权重”并计算“重心”：

float cog=0f；
对于（i=0；i，如果样本值形成“驼峰”，即先增加后减少样本，则可以尝试将样本值视为“权重”，并计算“重心”：

float cog=0f；
对于（i=0；i，如果样本值形成“驼峰”，即先增加后减少样本，则可以尝试将样本值视为“权重”，并计算“重心”：

float cog=0f；
对于（i=0；i，如果样本值形成“驼峰”，即先增加后减少样本，则可以尝试将样本值视为“权重”，并计算“重心”：

float cog=0f；
对于（i=0；i，由于数据点都接近最大值，波
y=a*sin（B*x+C）+D
可以近似为抛物线，非常类似于cos（x）=（1.0-x*x/2！+…）的前两项

因此，找到8个数据点的最佳拟合抛物线，并计算最大值。

有很多谷歌的例子。
由于数据点都接近最大值，波
y=a*sin（B*x+C）+D
可以近似为抛物线，就像cos（x）=（1.0-x*x/2！+…）的前两项一样

因此，找到8个数据点的最佳拟合抛物线，并计算最大值。

有很多谷歌的例子。
由于数据点都接近最大值，波
y=a*sin（B*x+C）+D
可以近似为抛物线，就像cos（x）=（1.0-x*x/2！+…）的前两项一样

因此，找到8个数据点的最佳拟合抛物线，并计算最大值。

有很多谷歌的例子。
由于数据点都接近最大值，波
y=a*sin（B*x+C）+D
可以近似为抛物线，就像cos（x）=（1.0-x*x/2！+…）的前两项一样

因此，找到8个数据点的最佳拟合抛物线，并计算最大值。

谷歌有很多例子。
添加数据和约束（例如，所有数据都在90度的5度范围内）会有所帮助。一般形式是
y=A*sin（B*x+C）+D
。了解A、B、C、D的限制会有所帮助。数据点在x方向上的间距是否相等？是的-在x轴上的间距相等添加数据和约束（例如，所有数据都在90度的5度范围内）会有帮助。一般形式是
y=A*sin（B*x+C）+D
。了解A、B、C、D的限制有帮助。数据点在x方向上的间隔是否相等？是-在x轴上的间隔相等添加数据和约束（例如，所有数据都在90度的5度范围内）会有帮助。一般形式是
y=A*sin（B*x+C）+D
。了解A、B、C、D的限制有帮助。数据点在x方向上的间距是否相等？是-在x轴上的间距相等添加数据和约束（例如，所有数据都在90度的5度范围内）会有帮助。一般形式是
y=A*sin（B*x+C）+D
。了解A、B、C、D的限制会有所帮助。数据点在x方向上是否等距分布？是的-在x轴上等距分布如上所述，它不起作用，但我喜欢这个想法，并且会随着它一起进行，因为如果几个峰值接近，测试就不起作用。也许是我的“开场白”还不够清楚，但提供的代码估计了单个“驼峰”或“峰值”的子样本位置，给定分布在该峰值周围的一组样本。查找每个峰值，并围绕其选择一个样本集被认为是另外一种方法。尽管上面进行了编码，但它不起作用，但我喜欢这个想法，并将继续使用它，因为如果几个峰值接近，则测试不起作用可能是我的“开场白”还不够清楚，但提供的代码估计了单个“驼峰”或“峰值”的子样本位置，给定分布在该峰值周围的一组样本。查找每个峰值，并围绕其选择一个样本集被认为是另外一种方法。尽管上面进行了编码，但它不起作用，但我喜欢这个想法，并将继续使用它，因为如果几个峰值接近，则测试不起作用可能是我的“开场白”还不够清楚，但提供的代码估计了单个“驼峰”或“峰值”的子样本位置，给定分布在该峰值周围的一组样本。查找每个峰值，并围绕其选择一个样本集被认为是另外一种方法。尽管上面进行了编码，但它不起作用，但我喜欢这个想法，并将继续使用它，因为如果几个峰值接近，则测试不起作用可能是我的“开场白”还不够清楚，但提供的代码估计了单个“峰”或“峰”的子样本位置，给出了分布在该峰周围的一组样本。假设在其他地方找到每个峰并选择围绕该峰的样本集
float cog = 0f;
for (i=0; i<num_samples; ii+) {
    cog += i * samples[i];
}
cog /= num_samples;