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。