好的,我很感激这需要一点耐心,但请耐心等待。我正在分析一些拉曼光谱,并编写了一个程序的基础,以使用 Scipy curve_fit 将多个洛伦兹人拟合到我数据的峰值。诀窍是我有太多数据,我希望程序自动识别洛伦兹人的初始猜测,而不是手动执行。总的来说,该程序运行良好(并且可能对具有类似用例和更简单数据的其他人有用),但我对 Scipy 的了解还不足以优化 curve_fit 以使其在许多不同的情况下工作例子。
此处的代码库:https://github.com/btjones-me/raman_spectroscopy
它运行良好的示例如图 1 所示。
部分问题在于我的寻峰算法,该算法有时难以为每个洛伦兹函数找到合适的起始位置。您可以在图 2 中看到这一点。
下一个问题是,出于某种原因,curve_fit 偶尔会出现灾难性的分歧(我最好的猜测是由于舍入误差)。您可以在图 3 中看到此行为。
最后,虽然我通常会很好地猜测每个洛伦兹的高度和 x 位置,但我还没有找到预测宽度或曲线 FWHM 的好方法。预测这一点可能有助于 curve_fit。
如果有人能以任何方式帮助解决这些问题中的任何一个,我将不胜感激。我愿意接受任何其他方法或建议,包括其他第三方库,只要它们改进了当前的实现即可。非常感谢任何尝试这个的人!
这里它完全按照我的意图工作:
您可以在下面看到寻峰方法无法识别所有峰。有很多寻峰算法,但我使用的是 Scipy 的“find_peaks_cwt()”(通常不会这么糟糕,这是一种极端情况)。
在这里它完全偏离了。这种情况经常发生,我真的不明白为什么,也不能阻止它发生。当我告诉它找到比光谱中可用的更多/更少的峰值时,它可能会发生,但这只是一个猜测。
我已在 Python 3.5.2 中完成此操作。 PS 我知道我不会因代码布局而赢得任何奖牌,但一如既往地欢迎对代码风格和更好的做法发表评论。
请您参考如下方法:
我偶然发现了这个,因为我试图解决完全相同的问题,这是我的解决方案。对于每个峰,我只将我的洛伦兹分布在域 + 或 - 到下一个最近峰的距离的 1/2 处。这是我分解域的函数:
def get_local_indices(peak_indices):
#returns the array indices of the points closest to each peak (distance to next peak/2)
chunks = []
for i in range(len(peak_indices)):
peak_index = peak_indices[i]
if i>0 and i<len(peak_indices)-1:
distance = min(abs(peak_index-peak_indices[i+1]),abs(peak_indices[i-1]-peak_index))
elif i==0:
distance = abs(peak_index-peak_indices[i+1])
else:
distance = abs(peak_indices[i-1]-peak_index)
min_index = peak_index-int(distance/2)
max_index = peak_index+int(distance/2)
indices = np.arange(min_index,max_index)
chunks.append(indices)
return chunks
这是结果图的图片,虚线表示洛伦兹分布适合的区域: Lorentzian Fitting Plot
