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进行多峰高斯拟合并计算半高宽的代码

以下是一个使用Matlab进行多峰高斯拟合并计算半高宽的示例代码：

% 生成示例数据
x = linspace(0, 10, 1000);
y = gauss(x, 2, 3, 1) + gauss(x, 5, 6, 0.5) + 0.05 * randn(size(x));

% 定义高斯函数
function g = gauss(x, x0, sigma, A)
    g = A * exp(-(x-x0).^2 / (2*sigma^2));
end

% 初始猜测参数
npeaks = 2;
guess = [2, 3, 1, 5, 6, 0.5];

% 拟合
[fitted_params, fitted_values] = fit_gaussian_mixture(x, y, npeaks, guess);

% 计算半高宽
fwhm = 2 * sqrt(2 * log(2)) * fitted_params(3:3:end);

% 显示结果
disp('拟合参数:');
disp(reshape(fitted_params, 3, []).');
disp('半高宽:');
disp(fwhm);

% 绘图
figure;
plot(x, y, 'b', x, fitted_values, 'r', 'LineWidth', 2);
xlabel('X');
ylabel('Y');
legend('原始数据', '拟合曲线');
title('多峰高斯拟合');

% 高斯混合模型拟合函数
function [fitted_params, fitted_values] = fit_gaussian_mixture(x, y, npeaks, guess)
    % 创建拟合模型
    ft = fittype('a1*exp(-((x-b1)/c1)^2) + a2*exp(-((x-b2)/c2)^2)', 'independent', 'x', 'coefficients', {'a1', 'b1', 'c1', 'a2', 'b2', 'c2'});
    
    % 拟合数据
    opts = fitoptions('Method', 'NonlinearLeastSquares');
    opts.StartPoint = guess;
    [fitted_model, ~] = fit(x', y', ft, opts);
    
    % 获取拟合参数和拟合值
    fitted_params = coeffvalues(fitted_model);
    fitted_values = fitted_model(x);
end

这段代码做了以下几件事：

1. 生成示例数据，包括两个高斯峰和一些随机噪声。
2. 定义一个高斯函数。
3. 设置初始猜测参数。
4. 使用非线性最小二乘法进行多峰高斯拟合。
5. 计算每个峰的半高宽（FWHM）。
6. 绘制原始数据和拟合曲线。
7. 打印拟合参数和半高宽。

使用这段代码时，请注意以下几点：

- 根据实际数据调整初始猜测参数。
- 如果有更多峰，需要修改npeaks和guess变量，以及fit_gaussian_mixture函数中的拟合模型。
- 半高宽的计算基于单个高斯峰的特性，对于多峰情况，需要对每个峰分别计算。