如何在 Python 中用方波擬合數據？

Question

我有以下數據：

實驗數據與理想擬合 function

我一直在嘗試用一系列方形脈沖來擬合它，我將其定義為：

 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

問題是與curve_fit擬合我得到一條直線或方形脈沖，其最大值和最小值位於數據的最大值之上。 這怎么可能？ 我怎樣才能正確實施它？

Answer 1

你的最終目標是什么，你的方法是最好的方法嗎？ 我認為您可以對數據進行傅立葉變換以找到方波傅立葉系數。 取前n 個分量並繪制結果將為您提供一條方形的周期性曲線，並“擬合”數據。