知道十组光斑大小和间距，使用matlab拟合计算出束腰，并画出图

在MATLAB中，如果你有十组光斑大小（通常指半径或直径）和它们之间的间距数据，你可以使用非线性最小二乘法或其他优化算法来拟合一个模型，如高斯函数或者特定类型的束腰分布（例如卡西格里夫扩散函数，有时用于描述激光束的质量）。首先，你需要确定合适的函数形式，假设是一个二维束腰函数。

1. **数据准备**：将数据存储在一个矩阵或结构数组中，比如每个元素代表一组光斑尺寸和间距。

2. **选择函数**：创建一个MATLAB函数，该函数接受一组参数（如束腰半径、宽度等），并返回模拟的光斑分布。

3. **拟合过程**：使用`lsqcurvefit`函数，它属于优化工具箱的一部分，来进行非线性最小化拟合。输入数据、模型函数以及初始猜测参数作为输入。

function [y] = waist_function(x, waist, sigma)
    % 这里 waist 和 sigma 分别代表束腰半径和宽度
    y = waist * exp(-(x.^2 + (sigma * x).^2) / (2 * sigma^2));
end

% 数据（假设data是包含尺寸和间距的数据）
data = ...;
radiuses = data(:,1); % 半径
 spacings = data(:,2); % 间距

% 初始猜值得到
initial_guess = [mean(radiuses), std(radiuses)]; % 或者其他合理的猜测值

% 拟合
[waist_fit, ~, ~] = lsqcurvefit(waist_function, initial_guess, radiuses);

4. **绘制结果**：得到拟合的束腰之后，可以用相同的函数在X轴上生成一系列点，并画出实际数据和拟合曲线的对比图。

x_range = linspace(min(radiuses), max(radiuses), 1000); % 绘制范围
y_fit = waist_function(x_range, waist_fit(1), waist_fit(2));

figure;
scatter(radiuses, ones(size(radiuses)), 'filled', 'MarkerSize', 5, 'LineWidth', 1);
hold on;
plot(x_range, y_fit, '-r', 'LineWidth', 2);
xlabel('光斑半径');
ylabel('强度');
legend('原始数据', '拟合曲线');
title(['拟合束腰半径: ', num2str(waist_fit(1))]);
hold off;