萊特準則的橢圓擬合優(yōu)化算法

　　普遍使用的代數(shù)距離最小的最小二乘（ LS）橢圓擬合算法簡單、易實現(xiàn)，但對樣本點無選擇，導致擬合結果易受誤差點影響，擬合不準確。針對此特性，提出了一種基于萊特準則的橢圓擬合優(yōu)化算法。首先，由代數(shù)距離最小的LS法對待擬合曲線進行橢圓擬合；其次，將待擬合曲線上的點與LS法擬合的橢圓的代數(shù)距離作為樣本點集，在驗證該樣本點集服從正態(tài)分布的情況下，采用萊特準則，將樣本點中值大于l 3al的點判定為野值并剔除，進行多次擬合，直至樣本點中無野值；最后，得到橢圓最優(yōu)擬合結果。仿真實驗結果表明，優(yōu)化算法的擬合誤差在1. 0%以下，相比同條件下的LS法，其擬合精度至少提高2個百分點。優(yōu)化算法的仿真結果與其在香煙圓度在線檢測中的實際應用驗證了此算法的有效性。