У меня есть набор измеренных радиусов (t+эпсилон+ошибка) под равноудаленными углами. Модель представляет собой круг радиуса (R) с центром в (r, альфа) с добавленным небольшим шумом и некоторыми случайными значениями ошибки, которые намного больше, чем шум.
Задача состоит в том, чтобы найти центр модели круга (r, Alpha) и радиус круга (R). Но он не должен быть слишком чувствительным к случайной ошибке (в приведенных ниже точках данных 7 и 14).
Некоторые радиусы могут отсутствовать, поэтому простое среднее здесь не сработает.
Я пробовал оптимизацию методом наименьших квадратов, но она существенно реагирует на ошибку.
Есть ли способ оптимизировать наименьшие дельты, но не наименьшие квадраты дельты в Python?
Model:
n=36
R=100
r=10
Alpha=2*Pi/6
Data points:
[95.85, 92.66, 94.14, 90.56, 88.08, 87.63, 88.12, 152.92, 90.75, 90.73, 93.93, 92.66, 92.67, 97.24, 65.40, 97.67, 103.66, 104.43, 105.25, 106.17, 105.01, 108.52, 109.33, 108.17, 107.10, 106.93, 111.25, 109.99, 107.23, 107.18, 108.30, 101.81, 99.47, 97.97, 96.05, 95.29]