求助：Heaviside阶跃函数数据拟合异常，无法稳定寻优求协助

大家好，我最近在处理实验数据的拟合工作，目标是把数据拟合到Heaviside阶跃函数上，最终要从拟合曲线里提取水平段的长度。但现在遇到了棘手的问题——拟合结果对初始参数的选择过于敏感，经常找不到全局最小值，换个初始猜测就得到完全偏离的拟合曲线。

我把相关的代码、脚本说明整理在下面，恳请各位帮忙看看问题出在哪，有没有办法让拟合稳定下来？

我的拟合代码 #

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

# 定义Heaviside阶跃函数模型
def heaviside_model(x, amp, step_pos, baseline):
    # amp: 阶跃幅值；step_pos: 阶跃发生的位置；baseline: 初始水平段的基线值
    return amp * np.heaviside(x - step_pos, 1) + baseline

# 加载数据：x是从0开始的序列，y是从文件读取的实验数据
y_data = np.loadtxt("y_data.txt")
x_data = np.arange(len(y_data))

# 初始参数猜测
initial_params = [np.max(y_data)-np.min(y_data), len(x_data)//2, np.min(y_data)]

# 尝试拟合
try:
    popt, pcov = curve_fit(heaviside_model, x_data, y_data, p0=initial_params)
    # 绘图查看结果
    plt.scatter(x_data, y_data, label="原始数据", s=5)
    plt.plot(x_data, heaviside_model(x_data, *popt), "r-", label="拟合曲线")
    plt.legend()
    plt.show()
except RuntimeError as e:
    print(f"拟合失败：{e}")

示例脚本说明 #

• 用scipy.curve_fit做非线性最小二乘拟合，数据的x轴是从0开始的整数索引，y轴是从y_data.txt读取的实验值
• 模型里的三个参数分别控制阶跃的幅值、发生位置和初始基线

遇到的具体问题 #

1. 只要稍微调整initial_params里的step_pos，拟合出来的阶跃位置就会完全偏离数据里的真实阶跃点，经常卡在局部最小值
2. 试过加参数边界（比如用bounds限制step_pos在合理范围内），但还是不稳定，有时候直接报错说无法收敛
3. 数据本身确实有明显的两段水平段+中间阶跃的趋势，但拟合就是抓不准

最终需求 #

希望能找到稳定拟合Heaviside阶跃函数的方法，确保拟合结果能准确反映数据的真实趋势，这样我才能可靠地提取出前后两个水平段的长度。

内容的提问来源于stack exchange，提问作者toocomplex