如何在 Python 中用方波拟合数据？

Question

我有以下数据：

Experimental data and ideal fitting function

我一直在尝试用一系列方脉冲来拟合它，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curve_fit拟合我得到一条直线或方形脉冲，其最大值和最小值位于数据的最大值之上。这怎么可能？如何正确实施？

Answer 1

您的最终目标是什么，您的方法是最好的方法吗？我认为您可以对数据进行傅立叶变换以找到方波傅立叶系数。取前 n 个分量并绘制结果将为您提供一条方形的周期性曲线，并且“适合”数据。