matlab能求解二元一次三角函数方程吗？

真诚求问，请问这种二元一次三角函数方程有办法求解吗？
如下：

▲想要实现：假设令F点的坐标为已知点，如（20，-20），求α1，α2。
▲如果可以，可否读取excel表格里的一系列数据，求出一系列相应的α1，α2呢？然后再把这两个数读写在excel表格中。
目前初步设想是使用matlab，不知道如何实现，别的软件也可，只要能计算出来。

% 定义方程  
f = @(x) [x(1)^2 + x(2)^2]; % S型方程  
df = @(x) [(-2)*(x(2))'^2 + x(1)^2]; % 对称 S 型方程  
  
% 求解方程  
x = [0, 0]; % 初始点  
y = solve(f, df, x); % 求解方程  
  
% 输出结果  
disp(['方程的解为：', num2str(y)]);

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7447685
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：4、在matlab中如何绘制隐函数的图形（完整代码）
• 除此之外, 这篇博客: 数字信号处理--基于MATLAB的小波去噪算法--小波变换在信号降噪和压缩中的应用中的 [例2]在电网电压值监测过程中，由于监测设备出现了一点故障，致使所采集到的信号受到噪声的污染。现在利用小波分析对污染信号进行消噪处理以恢复原始信号。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• %% 分别使用3中阈值来消噪，并分析其适用场合：默认阈值消噪、给定阈值消噪、强制消噪
  % 零、信号加载与处理(分解、系数提取、重构)
  % 1、装载采集的信号leleccum.mat
  load leleccum;
  % 将信号中第2000到第3450个采样点赋给s
  indx=2000:3450;
  s=leleccum(indx);
  % 2、画出原始信号
  subplot(2,2,1);
  plot(s);
  title('原始含噪信号');
  xlabel('样本序号n');
  ylabel('幅值A');
  
  % 3、对原始信号进行分解
  % 用db1小波对原始信号进行3层分解并提取系数
  [c,l]=wavedec(s,3,'db1');   %这里c的长度为1453，比s（1451）多，l的长度为5
  
  % function [c,l] = wavedec(x,n,IN3,IN4)：多层一维小波分解。
  % WAVEDEC 使用一个特定的小波“wname”或一组特定的小波分解滤波器进行多层一维小波分析。
  % [C,L] = WAVEDEC(X,N，'wname') 使用'wname'返回信号X在N级的小波分解。
  % 输出分解结构包含小波 the wavelet decomposition vector C和 the bookkeeping vector L
  % N 必须是一个严格的正整数。
  
  % 4、对[c,l]提取近似系数
  a3=appcoef(c,l,'db1',3);
  % APPCOEF: 提取一维小波变换近似系数。
  % A = APPCOEF(C,L,'wname',N) 使用小波分解结构计算N级的近似系数[C,L]
  % Level N must be an integer such that 0 <= N <= length(L)-2. 
  % A = APPCOEF(C,L,'wname') extracts（提取） the approximation coefficients（近似系数） at the last level length(L)-2.
  
  % 5、对[c,l]提取细节系数
  % 5.1、提取3级细节系数
  d3=detcoef(c,l,3);
  %  DETCOEF提取一维细节系数。
  %  D = DETCOEF(C,L,N)从小波分解结构[C,L]中提取出N级的细节系数(the detail coefficients)。
  %  Level N must be an integer such that 1 <= N <= NMAX where NMAX = length(L)-2.
  %  D = DETCOEF(C,L)提取最后一级NMAX的细节系数。
  %  If N is a vector of integers such that 1 <= N(j) <= NMAX:
  
  % 5.2、提取2级细节系数
  d2=detcoef(c,l,2);
  % 5.3、提取1级细节系数
  d1=detcoef(c,l,1);
  
  % 一、强制消噪
  %对信号进行强制性消噪处理并图示结果
  dd3=zeros(1,length(d3)); % length(d3) = 182，这句话执行完，生成了182个0
  dd2=zeros(1,length(d2)); % length(d2) = 363
  dd1=zeros(1,length(dl)); % length(dl) = 726
  % 将近似系数a3与其他细节系数（均为0）合并， length(a3) = 182, length(cl) = length(c) = 1453
  c1=[a3 dd3 dd2 dd1]; % 由于dd3 dd2 dd1 均为0，那么c1有用信息仅来自使用db1进行的3级分解的近似系数a3
  s1=waverec(c1,l,'db1');% 用c1来重构c，命名为s1（重构后的信号s1，与原信号c对应）
  
  % WAVEREC：多层一维小波重建。与WAVEDEC相对应
  % WAVEREC使用特定的小波('wname'，参见WFILTERS)或特定的重建滤波器(Lo_R和Hi_R)来执行多层一维小波重构。
  % X = WAVEREC(C,L，'wname')根据多级小波分解结构对信号X进行重构
  
  subplot(2,2,2);
  plot(s1);
  title('强制消噪后的信号');
  xlabel('样本序号n');
  ylabel('幅值A');
  
  
  % 二、用默认阈值对信号进行消噪处理并图示结果
  % 1、用ddencmp函数获得信号的默认阈值
  [thr,sorh,keepapp]=ddencmp('den','wv',s); 
  %使用ddencmp函数的去噪功能对原始信号s进行小波分解，并得到阈值thr，阈值方式，是否允许近似保持系数
  
  %  DDENCMP:去噪或压缩的默认值
  %  [THR,SORH,KEEPAPP,CRIT] = DDENCMP(IN1,IN2,X)：返回输入向量或矩阵X的默认去噪或压缩值，使用小波或小波包，可以是一维或二维信号。其中：
  %  THR是阈值，SORH是函数（自动）选择的阈值方式：软阈值（SORH = s）或硬阈值（SORH = h），KEEPAPP允许保持近似系数（0、1），CRIT(仅用于小波包)是熵名(参见WENTROPY)。
  %  IN1是den（去噪）或者cmp（压缩）
  %  IN2是wv（小波分解）或者wp（小波包分解）。
   
  s2=wdencmp('gbl',c,l,'db1',3,thr,sorh,keepapp);%利用ddencmp得到的阈值、阈值方式、近似保持系数对小波分解后的信号c进行去噪
  
  % WDENCMP使用小波对信号或图像进行去噪或压缩处理。
  % [XC,CXC,LXC,PERF0,PERFL2] = WDENCMP('gbl'，X，'wname'，N,THR,SORH,KEEPAPP)返回输入信号X 的去噪或压缩版本的XC，使用全局正阈值THR进行小波系数阈值化。
  %  附加输出参数[CXC,LXC]是XC的小波分解结构，
  % PERFL2和PERF0是以百分比表示的L^2恢复和压缩分数。
  % PERFL2 = 100*(CXC的向量范数/ C的向量范数)^2其中[C,L]为X的小波分解结构。
  % 小波分解在第N层执行，'wname'是一个包含小波名称的字符串。
  % SORH ('s'或'h')用于软阈值或硬阈值(有关详细信息，请参阅WTHRESH)。
  % 如果KEEPAPP = 1，逼近系数不能设置阈值，否则是可能的。
  
  
  subplot(2,2,3);
  plot(s2);
  title('默认阈值消噪后的信号');
  xlabel('样本序号n');
  ylabel('幅值A');
  
  
  % 三、用给定的软阈值进行消噪处理 
  softd1=wthresh(d1,'s',1.465);% 对d1进行软阈值
  % WTHRESH执行软或硬阈值。
  % Y = WTHRESH(X,SORH,T)返回输入向量或矩阵X的软(如果SORH = 's')或硬(如果SORH = 'h') 阈值。T是阈值。
  % Y = WTHRESH(X,'s',T) returns Y = SIGN(X).(|X|-T)+, soft  thresholding is shrinkage.
  % Y = WTHRESH(X,'h',T) returns Y = X.1_(|X|>T), hard  thresholding is cruder.
  softd2=wthresh(d2,'s',1.823); % 对d2进行软阈值
  softd3=wthresh(d3,'s',2.768);% 对d3进行软阈值
  
  % softdl softd2 softd3为执行阈值处理后的细节系数
  c2=[a3 softd3 softd2 softd1];% 将近似系数与（经过阈值处理后的）细节系数合并
  s3=waverec(c2,l,'db1'); % 使用c2和级数l来重构s3
  subplot(2,2,4);
  plot(s3);
  title('给定软阈值消噪后的信号');
  xlabel('样本序号n');
  ylabel('幅值A');
  

   

  在本例程中，分别利用前面所提到的了3种消噪方法进行处理。

  从上图得到的结果来看：应用强制消噪处理后的信号较为光滑，但是它很有可能丢了信号中的一些有用成分；默认阈值消噪的效果较好，保留了有用信号的高频成分，同时对微小扰动去噪效果明显；给定软阈值消噪需要有一定的经验或者需要多次试验，也可作为备选。

• 您还可以看一下 硬核野生技术咨询客服小李老师的matlab数学建模课程中的 求微分方程组通解特解数值解和求一元二元函数最小值和零点小节, 巩固相关知识点