matlab对数据进行高斯拟合和计算半高宽

以下是一个MATLAB代码，用于对数据进行高斯拟合和计算半高宽：

% 生成测试数据
x = linspace(-10,10,1000);
y = gaussmf(x,[1,-2])+gaussmf(x,[1,2]);

% 拟合数据
gauss_fit = fit(x',y','gauss2');

% 计算半高宽
half_height = gauss_fit.a1/2;
fwhm = 2*sqrt(2*log(2))*gauss_fit.c1;
left_idx = find(y<=half_height,1,'last');
right_idx = find(y<=half_height,1,'first');
fwhm = x(right_idx)-x(left_idx);

% 绘制拟合曲线和半高宽位置
plot(gauss_fit,x,y)
hold on
plot([x(left_idx) x(right_idx)],[half_height half_height],'r')

该代码首先生成一个测试数据，然后使用MATLAB内置函数`fit`拟合数据。这里使用的是`gauss2`拟合模型，因为数据中包含两个高斯峰。接下来，使用拟合结果计算半高宽。在计算半高宽时，需要先找到左右两侧的半高位置，然后计算半高宽。最后，绘制拟合曲线和半高宽位置。

需要注意的是，这个代码只适用于包含两个高斯峰的数据。如果数据中包含多个峰，需要根据实际情况修改代码。

相关问题

matlab进行多峰高斯拟合并计算半高宽的代码

进行多峰高斯拟合并计算半高宽的Matlab代码如下：

% 生成测试数据
x = linspace(0, 10*pi, 1000);
y = sin(x) + 0.5*sin(2*x) + 0.2*sin(3*x);

% 定义高斯函数模型
gauss_model = @(a, b, c, x) a*exp(-(x-b).^2/(2*c^2));

% 初始化拟合参数
num_peaks = 3;
init_params = zeros(1, 3*num_peaks);
for i = 1:num_peaks
    init_params(3*(i-1)+1) = 1; % 峰值
    init_params(3*(i-1)+2) = x(round(0.2*i*length(x))); % 峰中心位置
    init_params(3*(i-1)+3) = 1; % 峰宽
end

% 进行高斯拟合
fit_params = lsqcurvefit(gauss_model, init_params, x, y);

% 提取峰位置和宽度
peak_locs = fit_params(2:3:end);
peak_widths = 2*sqrt(2*log(2))*fit_params(3:3:end);

% 计算半高宽度
half_heights = fit_params(1:3:end) / 2;
for i = 1:num_peaks
    % 找到左边的半高位置
    left_idx = find(y(1:round(peak_locs(i))) < half_heights(i), 1, 'last');
    if isempty(left_idx)
        left_idx = 1;
    end
    left_x = x(left_idx);
    left_y = y(left_idx);

    % 找到右边的半高位置
    right_idx = find(y(round(peak_locs(i)):end) < half_heights(i), 1, 'first');
    if isempty(right_idx)
        right_idx = length(x) - round(peak_locs(i)) + 1;
    end
    right_x = x(right_idx + round(peak_locs(i)) - 1);
    right_y = y(right_idx + round(peak_locs(i)) - 1);

    % 计算半高宽度
    fwhm = right_x - left_x;

    % 输出结果
    fprintf('峰%d：半高宽度=%.3f\n', i, fwhm);
end

% 绘制拟合结果
figure;
plot(x, y, 'b');
hold on;
for i = 1:num_peaks
    plot(x, gauss_model(fit_params(3*(i-1)+1), fit_params(3*(i-1)+2), fit_params(3*(i-1)+3), x), 'r');
end
hold off;

这个代码会生成一个测试数据，然后定义高斯函数模型并初始化拟合参数。接着使用Matlab中的lsqcurvefit函数进行高斯拟合。拟合完成后，提取拟合参数中的峰位置和宽度，并根据高斯函数的半高宽度公式计算每个峰的半高宽度。最后输出每个峰的半高宽度，并绘制拟合结果。你可以根据自己的需求修改代码中的数据和参数。

matlab对多个峰进行高斯拟合并计算半高宽的完整代码

以下是一个进行高斯拟合并计算半高宽的MATLAB代码，可以适用于多个峰的情况：

% 生成数据
x = linspace(0,20,1000);
y = 0.1.*randn(size(x)) + 0.5.*exp(-(x-1.5).^2./0.3^2) + 0.3.*exp(-(x-5).^2./0.5^2) + 0.2.*exp(-(x-10).^2./0.7^2);

% 显示原始数据
figure;
plot(x,y);

% 设置初始参数
num_peaks = 3; % 峰的数量
amp = zeros(num_peaks,1); % 幅度
mean = zeros(num_peaks,1); % 峰位
sigma = zeros(num_peaks,1); % 标准差
half_width = zeros(num_peaks,1); % 半高宽

% 高斯拟合
for i = 1:num_peaks
    [~,idx] = max(y);
    amp(i) = y(idx);
    mean(i) = x(idx);
    sigma(i) = 0.5; % 标准差初始值
    [fitobj,gof] = fit(x',y',fittype('a*exp(-(x-b)^2/(2*c^2))'),'StartPoint',[amp(i) mean(i) sigma(i)]);
    while gof.rsquare < 0.99 % 如果拟合不好，就重新设置初始参数
        [~,idx] = max(y);
        amp(i) = y(idx);
        mean(i) = x(idx);
        sigma(i) = sigma(i) + 0.1;
        [fitobj,gof] = fit(x',y',fittype('a*exp(-(x-b)^2/(2*c^2))'),'StartPoint',[amp(i) mean(i) sigma(i)]);
    end
    y_fit = feval(fitobj,x);
    plot(x,y_fit);
    y = y - y_fit;
    half_max = amp(i) / 2;
    left_idx = find(y_fit(1:idx) < half_max, 1, 'last');
    right_idx = find(y_fit(idx:end) < half_max, 1) + idx - 1;
    half_width(i) = x(right_idx) - x(left_idx);
end

% 显示拟合结果和半高宽
figure;
plot(x,feval(fitobj,x));
hold on;
for i = 1:num_peaks
    plot(x,amp(i)*exp(-(x-mean(i)).^2/(2*sigma(i)^2)));
end
hold off;
legend('拟合结果','峰1','峰2','峰3');
disp(half_width);

代码中，首先生成了一个带有多个峰的随机数据。然后，通过循环对每个峰进行高斯拟合，得到峰的幅度、峰位、标准差，并计算出峰的半高宽。最后，将拟合结果和半高宽显示出来。注意，由于高斯拟合可能不稳定，可能需要多次尝试以获得更好的结果。