Lmfit 分离峰拟合

Question

我对曲线/峰值拟合非常陌生，但我正在尝试拟合具有多个独立峰值的数据集。我尝试了类似于 lmfit 提供的示例的方法，这是我的代码：

import matplotlib.pyplot as plt
from lmfit.models import GaussianModel
from numpy import loadtxt

data = loadtxt('079-55.freq')
x = data[:, 0]
y = data[:, 1]

gauss1 = GaussianModel(prefix='g1_')
pars = gauss1.make_params()
pars['g1_center'].set(4100, min=2000, max=4500)
pars['g1_amplitude'].set(170, min=10)

gauss2 = GaussianModel(prefix='g2_')
pars.update(gauss2.make_params())
pars['g2_center'].set(4900, min=4500, max=5500)
pars['g2_amplitude'].set(30, min=10)

gauss3 = GaussianModel(prefix='g3_')
pars.update(gauss3.make_params())
pars['g3_center'].set(600, min=5500, max=10000)
pars['g3_amplitude'].set(13, min=10)

mod = gauss1 + gauss2 + gauss3

init = mod.eval(pars, x=x)
plt.plot(x, init, 'k--')

out = mod.fit(y, pars, x=x)

print(out.fit_report())

plt.plot(x, out.best_fit, 'r-')
plt.plot(x, y)
plt.show()

但是，结果变成了这样：

我很困惑如何继续拟合三个单独的峰，如下所示。我认为参数更新是为了将多个模型放入同一个数据集中，而不是为了单独的独立峰。不过我可能是错的。有什么建议吗？

Answer 1

pars['g3_center'].set(600, min=5500, max=10000) 

可能会混淆参数或模型类，因为 600 不在最小值和最大值的范围内。