在Python中为高斯光束斩波实验数据拟合误差函数

问题分析 #

你的代码存在几个关键问题导致拟合效果不佳：

1. 语法错误：ydata数组末尾的0.0)是语法错误，会直接导致代码运行失败。
2. 拟合函数刚性过强：硬编码了总功率为2.55，但实验测量的初始功率可能存在误差，限制了算法的优化空间。
3. 缺少初始参数猜测：curve_fit默认用全1的初始值，与wx（腰斑半径）的真实值偏差过大，容易收敛到局部最优。
4. 未考虑系统偏移：实验中很难保证x=0时刀片完全对准高斯光束中心，位置偏移会导致拟合偏差。

修正后的代码 #

import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np  # 补充缺失的numpy导入
from math import sqrt
from scipy.special import erf

# 修正语法错误后的实验数据
xdata = np.array([0,   5,  10,  15,  20,  25,  30,  35,  40,  45,  50,  55,  60,
         65,  70,  75,  80,  85,  90,  95, 100, 105, 110, 115, 120, 125,
        130, 135, 140, 145, 150, 155, 160, 165])
ydata = np.array([2.55, 2.54, 2.54, 2.53, 2.52, 2.5 , 2.48, 2.45, 2.4 , 2.34, 2.27,
        2.17, 2.04, 1.9 , 1.73, 1.53, 1.33, 1.12, 0.92, 0.73, 0.56, 0.42,
        0.31, 0.22, 0.15, 0.1, 0.07, 0.04, 0.03, 0.02, 0.01, 0.01, 0.01,
        0.0])

# 优化后的拟合函数：新增总功率P0和位置偏移x0参数
def P(x, P0, wx, x0):
    return (P0/2)*(1 - erf(sqrt(2)*(x - x0)/wx)) 

# 提供初始参数猜测，贴合实验数据趋势
initial_guess = [2.55, 50, 0]

# 执行拟合，提升迭代次数确保收敛
popt, pcov = curve_fit(P, xdata, ydata, p0=initial_guess, maxfev=10000)

# 输出拟合结果
P0_fit, wx_fit, x0_fit = popt
print(f"拟合总功率P0: {P0_fit:.2f} mW")
print(f"拟合腰斑半径wx: {wx_fit:.2f} mm")
print(f"拟合位置偏移x0: {x0_fit:.2f} mm")

# 绘图展示
plt.plot(xdata, ydata, 'b+:', label='实验数据')
plt.plot(xdata, P(xdata, *popt), 'r-', label='拟合曲线')
plt.legend()
plt.xlabel('距离 [mm]')
plt.ylabel('功率 [mW]')
plt.show()

关键改动说明 #

• 补充numpy导入：原代码使用np.array但未导入库，会引发运行错误。
• 修正ydata语法错误：解决数组定义的语法问题。
• 重构拟合函数：新增P0（总功率）和x0（位置偏移）参数，让算法自动适配实验误差。
• 添加初始参数猜测：基于实验数据趋势给出初始值，帮助curve_fit快速收敛到全局最优。
• 输出拟合参数：便于直接读取腰斑半径等关键结果。

后续优化建议 #

如果拟合效果仍不理想，可以：

• 调整initial_guess中的wx初始值，比如根据数据下降一半的位置估算。
• 检查实验数据的测量噪声，考虑对数据做平滑处理。
• 增加curve_fit的迭代次数，或设置参数的边界范围（通过bounds参数）。

内容的提问来源于stack exchange，提问作者Francisco García