Peakfitting mit scipy.optimize

[gh0stsh3ll]

Hey Community,
da ich zur Auswertung u.a. die Position des Maximums benötige, lasse ich via scipy optimize einen fit anfertigen. Hierzu verwende ich aktuell eine Gaussian funktion:

Code: Alles auswählen

def Gauss(x, intensity, maximum, width):
    return 100 - (intensity * np.exp(-(x - maximum) ** 2 / (2 * width ** 2)))

Code: Alles auswählen

def fit_Gauss(x, y, initvals):
    return curve_fit(Gauss, x, y, p0=initvals)

Wie ihr sehen könnt, ist der fit nicht optimal. Speziell die Postion des Maximums ist sehr weit off, was für die weitere Auswertung gravierend ist.
Jemand eine Idee, welche Funktion sich besser anfitten lässt?

[__deets__]

Ich bin kein grosser Experte auf diesem Gebiet - aber was mir auffaellt ist, dass deine Daten weiter rechts eine deutliche Verformung zeigen. Das wird das Fitting negativ beeinflussen, denn sowas minimiert ja ueblicherweise irgendwelche quadratischen Fehler oder so. Ggf. kannst du das iterativ machen: erstmal das aktuelle Fitting, und dann zB nochmal nur mit Werten aus dem Bereich einer Standardabweichung um den gefundenen (wenn auch nicht idealen) Mittelwert fitten. Oder es gibt Verfahren, die anders gewichten, also zB hoehere Werte (oder niedrigere) staerker.

[Sirius3]

Deine Funktionen sind keine Gauss. Daher passt auch der Fit nicht. Wenn Du das Maximum sucht, warum nimmst du dann nicht das Maximum? Oder sowas wie https://docs.scipy.org/doc/scipy/refere ... idths.html