最小二乘法是一种常用的数据拟合方法，可以通过拟合一个线性或非线性的函数曲线来去除趋势项。针对去除趋势项的情况，可以按照以下步骤进行操作：

1. 准备数据：首先，需要将要处理的数据准备好，并将其分成两列，一列是自变量（通常是时间序列），另一列是因变量（需要去除趋势项的原始数据）。

2. 拟合函数：根据数据的特点和趋势形式，选择一个合适的拟合函数来拟合数据。如果趋势是线性的，可以选择一次多项式函数（如y=ax+b）；如果趋势是非线性的，可能需要选择更高阶的多项式函数或其他非线性函数。

3. 计算拟合参数：利用最小二乘法，计算拟合函数的参数。具体做法是将原始数据代入拟合函数，构建一个误差函数（通常是残差平方和），通过最小化误差函数，求解使得误差最小的拟合参数。

4. 去除趋势项：利用拟合函数和求得的参数，可以计算出拟合曲线的数值。然后，将原始数据减去拟合曲线的数值，即可去除趋势项，得到剩余的部分。

需要注意的是，最小二乘法去除趋势项是一种针对整体趋势的处理方法，但可能无法处理某些局部趋势的变化。在实际应用中，还需要根据具体情况进行评估和调整，以取得更准确和可靠的结果。

代码的效果图

（1）去除线性趋势项

（2）去除非线性趋势项

获取代码请关注MATLAB科研小白的个人公众号（即文章下方二维码），公众号致力于解决找代码难，写代码怵。各位有什么急需的代码，欢迎后台留言~不定时更新科研技巧类推文，可以一起探讨科研，写作，文献，代码等诸多学术问题，我们一起进步。