LaTeX 实战：排版一篇完整论文
本篇把前十篇的知识全部装配起来：用多文件工程，从零排版一篇带摘要、公式、图表和参考文献的完整小论文。
建议照着做一遍——看会了不等于写会了，完整走过一次流程，LaTeX 就真正属于你。
项目结构
先规划目录：骨架与内容分离，每章一个文件。
paper/
├── main.tex # 骨架：导言区 + 按顺序组装各章节
├── refs.bib # 参考文献数据库
├── figures/
│ └── fit.png # 插图
└── sections/
├── abstract.tex # 摘要
├── intro.tex # 引言
├── method.tex # 方法
├── result.tex # 实验结果
└── conclusion.tex # 结论
main.tex：项目骨架
骨架文件只做三件事：加载宏包、声明标题、按顺序组装。
实例：main.tex
\documentclass[12pt, a4paper]{ctexart}
% ---------- 页面与基础宏包 ----------
\usepackage{geometry}
\geometry{margin=2.5cm}
\usepackage{amsmath, amssymb} % 数学
\usepackage{graphicx} % 插图
\usepackage{booktabs, multirow} % 三线表
\usepackage[colorlinks=true, linkcolor=blue,
citecolor=blue, urlcolor=blue]{hyperref}
% ---------- 标题信息 ----------
\title{基于最小二乘法的周期信号拟合研究}
\author{RUNOOB}
\date{\today}
\begin{document}
\maketitle
\input{sections/abstract} % 摘要
\input{sections/intro} % 引言
\input{sections/method} % 方法
\input{sections/result} % 实验结果
\input{sections/conclusion} % 结论
\bibliographystyle{plain}
\bibliography{refs} % 参考文献
\end{document}
% ---------- 页面与基础宏包 ----------
\usepackage{geometry}
\geometry{margin=2.5cm}
\usepackage{amsmath, amssymb} % 数学
\usepackage{graphicx} % 插图
\usepackage{booktabs, multirow} % 三线表
\usepackage[colorlinks=true, linkcolor=blue,
citecolor=blue, urlcolor=blue]{hyperref}
% ---------- 标题信息 ----------
\title{基于最小二乘法的周期信号拟合研究}
\author{RUNOOB}
\date{\today}
\begin{document}
\maketitle
\input{sections/abstract} % 摘要
\input{sections/intro} % 引言
\input{sections/method} % 方法
\input{sections/result} % 实验结果
\input{sections/conclusion} % 结论
\bibliographystyle{plain}
\bibliography{refs} % 参考文献
\end{document}
各章节内容
每个文件就是一段普通正文，以摘要和引言为例。
实例：sections/abstract.tex
\begin{abstract}
本文研究周期信号的参数化建模方法，基于最小二乘准则推导了正弦模型
$y = A\sin(\omega x + \varphi) + c$ 的估计流程，
并在合成数据上验证了方法的有效性。
实验表明，低噪声条件下拟合相对误差低于 1\%。
\medskip
\noindent\textbf{关键词：}最小二乘法；周期信号；参数估计
\end{abstract}
本文研究周期信号的参数化建模方法，基于最小二乘准则推导了正弦模型
$y = A\sin(\omega x + \varphi) + c$ 的估计流程，
并在合成数据上验证了方法的有效性。
实验表明，低噪声条件下拟合相对误差低于 1\%。
\medskip
\noindent\textbf{关键词：}最小二乘法；周期信号；参数估计
\end{abstract}
实例：sections/intro.tex
\section{引言}\label{sec:intro}
周期信号广泛存在于通信、振动分析与生物医学工程等领域，
对这类信号进行参数化建模是滤波、预测与压缩的共同基础~\cite{oppenheim1997}。
经典的最小二乘法为模型参数估计提供了系统化的求解框架~\cite{bjorck1996}。
本文的组织如下：第~\ref{sec:method} 节建立模型并给出求解步骤，
第~\ref{sec:result} 节报告实验结果，第~\ref{sec:conclusion} 节总结全文。
周期信号广泛存在于通信、振动分析与生物医学工程等领域，
对这类信号进行参数化建模是滤波、预测与压缩的共同基础~\cite{oppenheim1997}。
经典的最小二乘法为模型参数估计提供了系统化的求解框架~\cite{bjorck1996}。
本文的组织如下：第~\ref{sec:method} 节建立模型并给出求解步骤，
第~\ref{sec:result} 节报告实验结果，第~\ref{sec:conclusion} 节总结全文。
方法部分放公式，实验部分放图表，套路你已经全部见过。
实例：sections/method.tex（公式部分）
\section{方法}\label{sec:method}
考虑如下正弦模型：
\begin{equation}\label{eq:model}
y = A \sin(\omega x + \varphi) + c,
\end{equation}
其中 $A$ 为振幅，$\omega$ 为角频率，$\varphi$ 为初相位，$c$ 为直流分量。
参数估计的目标是最小化残差平方和
\begin{equation}\label{eq:loss}
S(A, \omega, \varphi, c)
= \sum_{i=1}^{n} \left( y_i - A \sin(\omega x_i + \varphi) - c \right)^2 .
\end{equation}
对于固定的 $\omega$，式~\eqref{eq:loss} 关于其余参数是线性最小二乘问题，
可由正规方程直接求解。
考虑如下正弦模型：
\begin{equation}\label{eq:model}
y = A \sin(\omega x + \varphi) + c,
\end{equation}
其中 $A$ 为振幅，$\omega$ 为角频率，$\varphi$ 为初相位，$c$ 为直流分量。
参数估计的目标是最小化残差平方和
\begin{equation}\label{eq:loss}
S(A, \omega, \varphi, c)
= \sum_{i=1}^{n} \left( y_i - A \sin(\omega x_i + \varphi) - c \right)^2 .
\end{equation}
对于固定的 $\omega$，式~\eqref{eq:loss} 关于其余参数是线性最小二乘问题，
可由正规方程直接求解。
实例：sections/result.tex（图表部分）
\section{实验结果}\label{sec:result}
在 $[0, 2\pi]$ 上等间隔采样 $n = 200$ 个点生成合成数据，
并加入标准差为 $0.05$ 的高斯噪声。
拟合曲线与带噪声采样点的对比如图~\ref{fig:fit} 所示，
不同噪声水平下的误差指标见表~\ref{tab:err}。
\begin{figure}[htbp]
\centering
\includegraphics[width=0.65\textwidth]{figures/fit}
\caption{拟合曲线（实线）与带噪声采样点（散点）}
\label{fig:fit}
\end{figure}
\begin{table}[htbp]
\centering
\caption{不同噪声水平下的均方根误差}
\label{tab:err}
\begin{tabular}{lccc}
\toprule
噪声标准差 & 0.01 & 0.05 & 0.10 \\
\midrule
RMSE & 0.011 & 0.053 & 0.104 \\
相对误差 & 1.1\% & 5.3\% & 10.4\% \\
\bottomrule
\end{tabular}
\end{table}
在 $[0, 2\pi]$ 上等间隔采样 $n = 200$ 个点生成合成数据，
并加入标准差为 $0.05$ 的高斯噪声。
拟合曲线与带噪声采样点的对比如图~\ref{fig:fit} 所示，
不同噪声水平下的误差指标见表~\ref{tab:err}。
\begin{figure}[htbp]
\centering
\includegraphics[width=0.65\textwidth]{figures/fit}
\caption{拟合曲线（实线）与带噪声采样点（散点）}
\label{fig:fit}
\end{figure}
\begin{table}[htbp]
\centering
\caption{不同噪声水平下的均方根误差}
\label{tab:err}
\begin{tabular}{lccc}
\toprule
噪声标准差 & 0.01 & 0.05 & 0.10 \\
\midrule
RMSE & 0.011 & 0.053 & 0.104 \\
相对误差 & 1.1\% & 5.3\% & 10.4\% \\
\bottomrule
\end{tabular}
\end{table}
refs.bib 里是两条文献数据，正文用 \cite{oppenheim1997}、\cite{bjorck1996} 引用（完整写法见第 9 篇）。
编译与效果
多文件项目只需编译 main.tex，\input 会被自动展开。带文献的完整流程：
$ cd paper $ latexmk -xelatex main.tex # 一键完成（推荐） # 或者手动四步：xelatex → bibtex → xelatex → xelatex
第一页效果（标题区、摘要与关键词、引言的引用编号）：
第二页效果（公式编号与引用、浮动图、三线表、结论与参考文献）：
检查几个「自动化痕迹」：引言里的 [1][2] 与文末文献一一对应；图和表都有自己的编号，正文引用「图 1」「表 1」全部正确；公式 (1)(2) 被 \eqref 引用为带括号的形式。
改任何一处引用或编号，重跑一次 latexmk，所有编号自动更新——这就是十篇内容换来的一份「再也不用手动核对编号」的文档。
真实世界：从模板开始
实际写论文时，你不该从零搭骨架——期刊和学校都提供现成模板。
| 模板来源 | 去哪找 | 特点 |
|---|---|---|
| Overleaf 模板库 | Overleaf → Templates | 数千个学位论文、期刊、海报模板，一键打开 |
| 期刊官网 | 期刊 Author Guidelines 页面 | 投稿指定格式，务必以此为准 |
| 学校学位论文模板 | 学校图书馆 / GitHub 搜索「校名 + thesis」 | 满足校内格式审查 |
| GitHub | 搜索awesome-latex 等合集 | 社区维护的模板与资源汇总 |
用模板的心法一句话：只往占位符里填内容，不动模板结构。模板里那些看不懂的导言区设置，是别人调好的格式，删改一处可能全局崩坏。
小结
| 环节 | 本篇的实践 |
|---|---|
| 工程组织 | main.tex 骨架 + sections/ 分章 + figures/ 图片 |
| 导言区 | geometry、amsmath、graphicx、booktabs、hyperref |
| 正文要素 | 摘要、章节、公式、图表、交叉引用、文献 |
| 编译 | latexmk -xelatex 一键完成 |
| 效率建议 | 真实投稿用官方模板，只填内容不改结构 |