使用curve_fit进行正弦函数拟合无法得到正确参数问题求助

常见错误原因 #

• 单位不匹配：你X轴输入的是角度值，但Python numpy库的sin()/cos()函数默认接收弧度值，直接传入角度会导致三角函数计算量级完全错误，拟合出来的参数自然偏离预期。
• 初始参数设置不合理：curve_fit默认所有拟合参数的初始值为1，正弦函数属于非线性拟合，对初始值非常敏感，随便给的初值很容易让算法陷入局部最优，得不到全局最优解。
• 拟合函数定义遗漏必要项：如果你的实验数据存在直流偏置（Y轴整体上下偏移）、相位偏移，只定义y = a*sin(x)的形式肯定无法拟合出正确的a值。

具体调整步骤 #

1. 先做单位转换，把X轴的角度值转成弧度：

import numpy as np
x_rad = np.deg2rad(x_degree) # x_degree是你原始的角度序列

2. 定义完整的正弦拟合函数，包含幅值a、角频率w、相位偏移phi、直流偏置b四个参数：

def sin_func(x, a, w, phi, b):
    return a * np.sin(w * x + phi) + b

3. 手动估算合理初始参数传入curve_fit：

初始参数估算可以直接从你的原始数据上看：

• a的初始值可以设为(Y最大值-Y最小值)/2，你预期是0.035就可以直接设0.035
• 如果你的数据是一个周期的正弦波，w初始值设为1即可；如果是n个周期就设为n
• phi初始值设为0就行
• b的初始值设为Y的平均值

# 示例初始值，你可以根据自己的数据调整
p0 = [0.035, 1, 0, np.mean(y)]
popt, pcov = curve_fit(sin_func, x_rad, y, p0=p0)
# popt[0]就是拟合得到的a值

4. 如果还是拟合异常，可以给curve_fit加参数边界限制，把a的范围限定在你预期的区间附近，避免参数跑飞：

# 比如限制a在0.02到0.05之间，其他参数按需设范围
bounds = ([0.02, 0, -np.pi, np.min(y)], [0.05, 10, np.pi, np.max(y)])
popt, pcov = curve_fit(sin_func, x_rad, y, p0=p0, bounds=bounds)

内容的提问来源于stack exchange，提问作者matt rou