MatLab和R语言中的正弦拟合

我正在将代码从MatLab翻译成R，但是我对MatLab完全陌生。我很难理解MatLab代码中发生了什么以及如何将其转换为R。问题是：

在代码中，一个函数调用另一个名为@fit_sine的函数

x0=[max(y),2*3.14159/360,0.01,mean(y)]; 
options = optimset('Display','off');
coeff=lsqcurvefit(@fit_sine,x0,x,y,[],[],options);
fit=coeff(1).*sind(coeff(2).*x+coeff(3))+coeff(4);

这是函数@fit_sine:

function F=fit_sine(x,xdata)
F=x(1).*sind(x(2).*xdata+x(3))+x(4);

然而，没有定义扩展数据。这一步让我感到困惑。在R中有一个类似于lsqcurvefit的函数，它是nls，但我无法再现与此MatLab代码类似的结果

以下是用于x和y的数据：

y=-0.4764-1.0880-1.0115-0.8586-0.7822-0.7058-0.4000 0.3644 0.8231 0.7466 0.5173 0.4408

x=0 30 60 90 120 150 180 210 240 270 300 330

以及系数的输出：

coeff=0.9098 0.8974-157.6722-0.1853

编辑：

解决方案：

    fp <- function(x0, x) (x0[1]*sin((x0[2]*x+x0[3])*(pi/180))+x0[4])

    library(pracma)
    coeff <- lsqcurvefit(fp, x0, x, y)

    fit=coeff$x[1]*sin((coeff$x[2]*x+coeff$x[3])*(pi/180))+coeff$x[4]

---

fp
fit_sine
是一个用户定义的函数，它接受两个输入：
x
和
xdata
。就像在R中一样，这些函数不需要在函数外部命名为相同的名称。
fit_sine
函数是用于进行最小二乘曲线拟合的非线性函数
lsqcurvefit
接受输入
（函数x0，x，y）
和其他输入。根据文件

lsqcurvefit（fun，x0，扩展数据，ydata）从x0开始，并找到系数x，以使非线性函数fun（x，扩展数据）最适合数据ydata（在最小二乘意义上）。ydata必须与fun返回的向量（或矩阵）F大小相同

在这种情况下，编写
fit_sine
函数的人将
x0
定义为
x
和
x
定义为
xdata
，可能是为了匹配MATLAB文档。
谢谢，你知道这是怎么被翻译成R的吗？@megmac你可以用R定义函数
fit\u sine
，就像你在R中定义任何函数一样。我想你提到过
lsqcurvefit
也存在于R中，所以转换起来应该很简单。