Question

所以我有这个洛伦兹曲线适合我的数据，但我注意到奇怪的小东西，我正在寻找答案。也许你可以提供帮助。

这是我的数据，因为你可以看到我带了scaling='density'，但当我拿spectrum我的代码做了一些奇怪的事情。

for dataset in [Bxfft]:
    dataset = np.asarray(dataset)
    freqs, psd = signal.welch(dataset, fs=266336/300, window='hamming', nperseg=16192, scaling='density')
    plt.semilogy(freqs[30:-7000], psd[30:-7000]/dataset.size**0, color='r', label='Bx')
    x = freqs[100:-7900]
    y = psd[100:-7900]

这是我的曲线拟合模型：

所以这段代码是第一条黑线（弯曲的一条）：

model = Model(lorentzian)
params = model.make_params(amp=6, cen=5, sig=1)
result = model.fit(y, params, x=x)
final_fit = result.best_fit
print(result.fit_report(min_correl=0.25))
plt.plot(x, final_fit, 'k-', linewidth=2)

这适用于第二条黑线（上图弯曲，下图直线）：

# 14 Hz
x2 = freqs[200:-7800]
y2 = psd[200:-7800]

model2 = Model(lorentzian)
pars2 = model2.make_params(amp=6, cen=5, sig=1)
pars2['amp'].value = 6
result2 = model2.fit(y2, pars2, x=x2)
final_fit2 = result2.best_fit
print(result2.fit_report(min_correl=0.25))
plt.plot(x2, final_fit2, 'k-', linewidth=2)

查看情节。你有什么想法？总结我的问题，当你使用density时，你知道为什么一切都很好（上图），为什么当我使用spectrum我的一些数据被破解时？ local storage

Answer 1

由于幅度不同，可能是由于初始参数值。请注意，spectrum和density应该有不同的单位（请参阅文档）...您的数据是否过于嘈杂，无法制作简单的窗口fft？

具有洛伦兹曲线拟合的FFT韦尔奇

1 个答案: