在Matlab中进行曲线拟合，可以使用`polyfit`函数进行多项式拟合，或者使用`fit`函数进行非线性拟合。

  对于多项式拟合，`polyfit`函数的使用格式为：

  p = polyfit(x, y, n)

  其中，`x`和`y`是数据的数据点，`n`是拟合多项式的阶数。`polyfit`函数返回多项式系数`p`，可以利用这些系数绘制拟合的曲线。

  例如，假设有如下数据点：

  x = [1, 2, 3, 4, 5]

  y = [2, 4, 6, 8, 10]

  n = 1

  我们可以进行一次多项式拟合：

  p = polyfit(x, y, n)

  然后，通过`polyval`函数，可以利用拟合的多项式系数生成拟合曲线：

  y_fit = polyval(p, x)

  最后，可以使用`plot`函数绘制原始数据和拟合曲线：

  plot(x, y, 'o', x, y_fit)

  对于非线性拟合，可以使用`fit`函数进行。`fit`函数可以拟合各种非线性模型，包括指数、幂函数、对数函数等。它的使用格式为：

  f = fit(x, y, model)

  其中，`x`和`y`是数据的数据点，`model`是拟合的模型。`fit`函数返回一个拟合对象`f`，可以通过这个拟合对象获得拟合的曲线及其他信息。

  例如，假设有如下数据点：

  x = [1, 2, 3, 4, 5]

  y = [1, 4, 9, 16, 25]

  我们可以进行指数函数拟合：

  model = fittype('a*exp(b*x)')

  f = fit(x', y', model)

  然后，可以通过拟合对象`f`来获得拟合的曲线：

  y_fit = f.a*exp(f.b*x)

  同样，可以使用`plot`函数绘制原始数据和拟合曲线：

  plot(x, y, 'o', x, y_fit)

  上述是两种常用的曲线拟合方法，在Matlab中可以很方便地进行操作。