scipy.optimize.curve_fit曲线拟合时无法估计参数协方差

云原生阿岚

2026-8-27

警告核心产生原因

这个警告本质是优化算法没有收敛到稳定的最优解，无法通过雅可比矩阵计算参数的协方差，对应到你的代码里有三个明确的硬错误：

模型函数参数顺序错误：scipy.optimize.curve_fit 强制要求传入的自定义模型，第一个位置必须是自变量，后续位置才是待拟合的未知参数。你写的cal_omiga_tstar(omiga,tstar,f)把自变量频率f放在了最后，待拟合参数omiga、tstar放在了最前面，优化器会直接把你传入的频率数组、幅值数组错当成参数初始值传入，完全跑错逻辑。
频率数组定义语法错误：你写的np.array(0.,8.19672131,...)没有给数值序列加外层方括号，numpy只会把第一个值0.识别为输入数据，后面所有数值都会被当成np.array的无关参数，实际生成的频率数组根本不是你预期的等间隔序列，自变量和因变量数据完全不匹配。
参数初始值偏差过大：curve_fit默认所有待拟合参数初始值为1，你的幅值数据全在1e-8~1e-10量级，omiga的真实值和默认初始值差了8个数量级，优化器很容易直接发散或者卡在无意义的局部最优区间。

另外你的数据本身也有不符合模型趋势的问题：f=8.19Hz处的幅值比f=0处的幅值还高，但你用的模型在f≥0区间是严格单调衰减的，这个异常点也会严重干扰拟合收敛。

排查解决步骤

第一步：修正模型函数参数顺序，把自变量f放到第一个参数位：

def cal_omiga_tstar(f, omiga, tstar):
    return omiga * np.exp(-np.pi * f * tstar) / (1 + (f / 18.15)**2)

第二步：修正频率数组的写法，给所有数值加上外层方括号，同时加一行校验确保自变量、因变量长度一致：

p_freqs = np.array([0.,8.19672131,16.39344262,24.59016393,32.78688525,
                  40.98360656,49.18032787,57.37704918,65.57377049,73.7704918,
                  81.96721311,90.16393443,98.36065574,106.55737705,114.75409836,
                  122.95081967,131.14754098,139.3442623, 147.54098361,155.73770492,
                  163.93442623,172.13114754,180.32786885,188.52459016,196.72131148,
                  204.91803279,213.1147541, 221.31147541,229.50819672,237.70491803,
                  245.90163934])
# 校验数组长度匹配
assert len(p_freqs) == len(p_fft_amp1), "自变量和因变量数据长度不一致"

第三步：给待拟合参数设置符合物理意义/数据量级的初始值，通过p0参数传入。你的模型在f=0处的输出值就是omiga，对应数据里f=0的幅值是3.34e-8，直接把omiga初始值设为3e-8即可；tstar是衰减参数，常规量级在0.01~0.1区间，初始值可先设为0.05。同时可以通过bounds参数给参数加合理边界，避免出现无物理意义的负值：

popt, pcov = optimize.curve_fit(
    cal_omiga_tstar,
    p_freqs,
    p_fft_amp1,
    p0=[3e-8, 0.05],  # 参数顺序和函数定义保持一致：[omiga, tstar]
    bounds=([0, 0], [np.inf, 1])  # 两个参数都取非负值，tstar上限设为1
)
omiga, tstar = popt

第四步：如果修正以上问题后仍报警告，先剔除f=8.19Hz处的异常高点再重新拟合，这个点不符合模型的单调衰减规律，会直接拉偏拟合结果。

额外排查技巧：拟合完成后可以打印pcov矩阵，如果矩阵中存在inf、nan值，就说明优化仍未收敛，可以进一步微调tstar的初始值（比如在0.01~0.2区间遍历试错），直到pcov矩阵为全有限值的实矩阵即可。

内容的提问来源于stack exchange，提问作者ch song