我有以下数据:
Experimental data and ideal fitting function
我一直在尝试用一系列方形脉冲来拟合它,我将其定义为:
def f(x, x0, a, b, c):
sq = a * np.ones_like(x)
sq[(x>x0) * (x<x0+b)] = c
sq[(x>x0+2*b) * (x<x0+3*b)] = c
sq[(x>x0+4*b) * (x<x0+5*b)] = c
return sq
问题是,用曲线拟合得到的是一条直线或一个平方脉冲,其最大值和最小值都在数据的最大值之上。这怎么可能?我怎样才能正确地实施它
你的最终目标是什么?你的方法是最好的方法吗?我认为你可以对数据进行傅里叶变换,得到方波傅里叶系数。取第一个n分量并绘制结果将得到一条周期曲线,该曲线呈方形,并“拟合”数据
相关问题 更多 >
编程相关推荐