4、最小二乘法原理：数学推导与斜截距求解
各位做嵌入式校准的同行，今天我们来啃一块硬骨头——最小二乘法。
说实话，我刚入行时也觉得这东西太数学了。直到有一次，我调试一台高精度万用表，发现ADC采集的数据总是飘。用最小二乘法一拟合，问题立马清晰了。从那以后，我就把这方法当成了吃饭的家伙。
4.1 最小二乘法的核心思想
先问大家一个问题：你有一堆测量点，想找一条直线来描述它们。怎么找？
最小二乘法的答案很简单——让所有点到直线的垂直距离的平方和最小。
为什么是平方？不是绝对值？
嗯，这里有个小故事。我刚开始做校准算法时，试过用绝对值距离。结果发现，绝对值函数在零点不可导，优化起来特别麻烦。而平方函数处处可导，用微积分就能轻松求解。这就是数学家的智慧——选一个好算的误差函数。
核心公式：
误差平方和 S = Σ(yᵢ - (a·xᵢ + b))²
其中 a 是斜率，b 是截距，我们要找到使 S 最小的 a 和 b。
4.2 数学推导：一步步来
推导过程其实不复杂。我习惯把它分成三步走：
- 写出误差函数——就是上面那个 S
- 对 a 和 b 分别求偏导——让导数等于0
- 解方程组——得到 a 和 b 的表达式
咱们一步步看。
首先，对 b 求偏导：
∂S/∂b = -2 Σ(yᵢ - a·xᵢ - b) = 0
→ Σyᵢ - a·Σxᵢ - n·b = 0
→ b = (Σyᵢ - a·Σxᵢ) / n然后，对 a 求偏导：
∂S/∂a = -2 Σxᵢ·(yᵢ - a·xᵢ - b) = 0
→ Σxᵢ·yᵢ - a·Σxᵢ² - b·Σxᵢ = 0把 b 的表达式代入第二个方程，整理后得到：
a = (n·Σxᵢ·yᵢ - Σxᵢ·Σyᵢ) / (n·Σxᵢ² - (Σxᵢ)²)
b = (Σyᵢ - a·Σxᵢ) / n实战小技巧：
我在嵌入式平台上实现时，会先计算几个统计量：
- Σx、Σy、Σx²、Σxy
- n 是数据点数
这样只需要一次循环就能算出所有中间结果，效率很高。
4.3 斜率和截距的物理意义
在万用表校准中，这两个参数有明确的物理含义：
| 参数 | 物理意义 | 理想值 |
|---|---|---|
| 斜率 a | 增益误差 | 1.0（无增益误差） |
| 截距 b | 偏移误差 | 0.0（无偏移误差） |
举个例子。你测量一个标准电压源，得到一组数据：
标准值(V) 测量值(V)
1.000 1.002
2.000 2.005
3.000 3.008
4.000 4.011
5.000 5.014用最小二乘法拟合，得到 a=1.003，b=-0.001。这说明什么？
斜率 a=1.003，意味着每1V的输入，测量值偏大0.003V，这是增益误差。截距 b=-0.001，意味着有-1mV的偏移。
我曾经踩过的坑：
有一次，我直接用原始ADC码值做拟合，结果斜率算出来是0.000几。后来才意识到，ADC码值和电压值量级差太多，导致数值计算精度丢失。我的建议是：
- 先把数据归一化到同一量级
- 或者用双精度浮点数计算
否则，在8位单片机上跑，结果可能完全不对。
4.4 嵌入式实现要点
在嵌入式系统里实现最小二乘法，有几个地方要特别注意：
- 数值稳定性——当数据点很多时，Σx² 可能非常大，容易溢出。我习惯用增量式更新，每来一个点就更新一次统计量。
- 定点数实现——如果MCU没有FPU，可以用Q15或Q31格式。但要注意，除法运算要特别小心。
- 异常处理——当所有x值相同时，分母为0。这种情况在现实中很少见，但代码里一定要处理。
推荐的数据类型：
对于12位ADC、16位MCU的系统：
- 中间累加用32位整数
- 最终结果用浮点数
- 如果必须用定点，保留至少8位小数精度
4.5 一个完整的计算示例
咱们用手算一遍，加深理解。
假设有3个数据点：(1,2), (2,4), (3,6)
先算统计量：
n = 3
Σx = 1+2+3 = 6
Σy = 2+4+6 = 12
Σx² = 1+4+9 = 14
Σxy = 1×2 + 2×4 + 3×6 = 2+8+18 = 28代入公式：
a = (3×28 - 6×12) / (3×14 - 6²)
= (84 - 72) / (42 - 36)
= 12 / 6
= 2.0
b = (12 - 2.0×6) / 3
= (12 - 12) / 3
= 0.0结果 a=2.0, b=0.0，完美拟合 y=2x 这条直线。
验证小技巧：
算完后，把第一个点和最后一个点代入直线方程，看看中间点是否在直线上。如果偏差很大，说明数据本身就不是线性关系，或者计算有误。
4.6 实际校准中的应用
在万用表校准中，我们通常这样做：
- 用标准源输出5~10个校准点
- 记录ADC的原始读数
- 用最小二乘法拟合出斜率和截距
- 将这两个参数存入EEPROM
- 正常测量时，用 y = (x - b) / a 反算真实值
你想想看，这个过程其实就是在做「反向校准」。我们不是去调整硬件，而是在软件里把测量值修正回来。
我个人习惯在出厂前做一次全量程校准，然后在关键温度点做二次校准。这样既能保证精度，又不会让校准时间太长。
好了，最小二乘法的原理和推导就讲到这里。下一章我们聊聊如何在嵌入式平台上高效实现这个算法，包括定点数优化和内存管理。到时候我会分享一个我在STM32上实际跑过的代码框架。