如何提升天文光谱线性最小二乘回归求解器的精度？

我正尝试优化处理光学光谱数据的线性最小二乘回归代码——这类数据通常噪声大、杂乱无章。目前用已知系数的玩具模型做测试：先生成系数，与模板相乘后加入高斯误差，得到模拟「观测光谱」。最小二乘解始终接近已知系数，但无法完全吻合，虽能满足低敏感度数据需求，但我需要更高精度。

我的实现代码如下：

def solve_p(obs, temp):
    return np.dot((np.dot(lin.inv(np.dot(temp.T,temp)),temp.T)),obs)

我做过这些尝试：

• 使用scipy.linalg.lstsq()求解，和自己实现的方法结果一致，均无法得到完全准确的系数
• 改用128位浮点数计算，未观察到明显精度提升
• 计算得到的约化卡方值在1.25到1000之间，例如某模板已知系数为0.7，求解结果为0.69981902

是否有方法能进一步提升求解精度？我猜测这可能和计算机舍入机制有关，但不确定具体该如何调整。

附天文光谱数据示例图：

内容的提问来源于stack exchange，提问作者charlie