如何提升a*cos(ωt)+μ均值计算的收敛精度？

问题背景 #

计算 a*cos(ωt)+μ 的均值时，预期收敛到μ，但64位精度下仍存在10^-4量级残差。尝试调整迭代时长、ω值，以及直接累加除法、增量式 m += (x-m)/n 两种均值算法，均未提升精度，且方差收敛也受影响。最终需处理数千个同频不同相位的余弦/正弦求和，高精度均值计算至关重要。

问题根源 #

残差并非由均值算法精度不足导致，而是非整数周期采样的系统性偏差：

• 余弦函数在整数个周期内的累加和为0，但当采样次数nIterations不是波长lambda的整数倍时，余弦项无法完全抵消，会产生固定偏差。
• 64位浮点数的有限精度会保留这种偏差，即使增加迭代次数或调整λ值，只要采样周期数非整数，偏差就会持续存在。

针对性解决方案 #

1. 强制整数周期采样 #

将迭代次数设置为lambda的整数倍，确保余弦项累加和理论上为0，均值精准收敛到μ：

const nIterations = 3005 * 333 // 3005为lambda值，333为整数倍系数

2. 数学拆分优化 #

分离直流分量μ与交流分量a*cos(ωt)，仅对交流分量累加后求均值，再与μ相加，减少误差传播：

func main() {
    gen := cosFunc(lambda, amplitude, mean)
    var sumAC float64
    total := float64(nIterations)
    for i := 0; i < nIterations; i++ {
        sumAC += gen() - mean
    }
    finalMean := mean + sumAC/total
    fmt.Printf("最终均值: %g\n", finalMean)
}

3. 高精度运算（性能换精度） #

使用Go标准库math/big进行高精度浮点累加，突破64位浮点数精度限制：

import (
    "fmt"
    "math"
    "math/big"
)

func main() {
    gen := cosFunc(lambda, amplitude, mean)
    sum := new(big.Float).SetFloat64(0)
    count := big.NewFloat(float64(nIterations))
    for i := 0; i < nIterations; i++ {
        sum.Add(sum, big.NewFloat(gen()))
    }
    finalMean := new(big.Float).Quo(sum, count)
    fmt.Printf("最终均值: %s\n", finalMean.Text('g', 18))
}

扩展应用 #

对于数千个同频不同相位的余弦/正弦求和，可利用三角函数求和公式直接计算结果（仍为同频余弦函数），避免逐次累加的误差累积，同时保证极高精度。

内容的提问来源于stack exchange，提问作者chmike