三维最小均方求解求助：获取矩阵第二维度j的最小均方及索引

我来帮你搞定这个问题！首先得明确你具体的需求方向，因为你的描述有两种常见的解读场景，我会分别给出对应的解决方案：

情况1：对每个(i,z)组合，找到j维度上最小差异的索引 #

这种场景下，我们针对每个(i,z)位置，遍历j=1~24，找到使X(i,j,z)与Y(i,j,z)差异最小（均方值最小）的j索引：

clear all; clc;
X = randn(4,24,16); 
Y = randn(4,24,16);

% 1. 计算每个位置的平方差（单个元素的均方就是平方差）
sq_diff = (X - Y).^2;

% 2. 沿着第二维度（j维度）寻找最小值和对应的索引
% min函数的第三个参数2表示对第二维度操作
[min_mse_vals, min_j_indices] = min(sq_diff, [], 2);

% 3. 压缩冗余维度，让结果更易读（从(4,1,16)变为(4,16)）
min_j_indices = squeeze(min_j_indices);
min_mse_vals = squeeze(min_mse_vals);

% 查看示例结果：第一个i和第一个z对应的最小j索引
disp(['i=1, z=1对应的最小j索引：', num2str(min_j_indices(1,1))]);
disp(['对应的最小均方值：', num2str(min_mse_vals(1,1))]);

情况2：找到整体均方最小的j索引 #

如果你的需求是计算每个j对应的全局均方误差（即整个X(:,j,:)和Y(:,j,:)的均方），然后找到使这个全局误差最小的j，代码如下：

clear all; clc;
X = randn(4,24,16); 
Y = randn(4,24,16);

% 1. 计算所有位置的平方差
sq_diff = (X - Y).^2;

% 2. 对每个j，计算所有i和z的均方误差（沿着第1和第3维度求均值）
mse_per_j = mean(sq_diff, [1 3]);

% 3. 找到最小全局均方对应的j索引
[min_total_mse, min_j] = min(mse_per_j);
min_j = min_j(1); % 提取标量索引

disp(['全局均方最小的j索引：', num2str(min_j)]);
disp(['对应的全局最小均方值：', num2str(min_total_mse)]);

关键说明 #

• Matlab的min函数支持指定操作维度，第三个参数就是维度编号（这里第二维度是j，对应编号2）
• squeeze函数用于移除维度为1的冗余维度，让结果矩阵更简洁
• 如果需要计算向量级别的均方（比如X(:,j,z)是4维向量），可以用mean((X(:,j,z)-Y(:,j,z)).^2)，这种场景下只需调整mean的维度参数即可批量计算

内容的提问来源于stack exchange，提问作者Gze