Множественная гауссова автоподгонка в Python - PullRequest
Новая
       25

Множественная гауссова автоподгонка в Python

1 голос
/ 28 июня 2019

Проблема состоит в том, чтобы установить на всех моих пиках длины волны гауссиан, чтобы сделать настройку среды максимально точной

Мой вопрос заключается в том, как выполнить автоматическую настройку Гаусса на всех моих пиках без необходимости вручную указывать координаты пиков

Для этого я понял гауссовскую настройку самых ярких пиков, но я хотел бы обобщить ее до следующих пиков. Впоследствии корректировка по Гауссу позволит мне получить достаточно точную полиномиальную корректировку, чтобы поразить пиксели на длине волны 


import numpy as np
from astropy.io import fits
import matplotlib.pyplot as plt
from scipy import interpolate
from tqdm import tqdm
from scipy import ndimage
import peakutils
from scipy.optimize import curve_fit

def gauss(x, x0, amp, wid):
    return amp * np.exp( -((x - x0)/wid)**2)

def multi_gauss(x, *params):
    y = np.zeros_like(x)
    for i in range(0, len(params), 3):
        x0, amp, wid = params[i:i+3]
        y = y + gauss(x, x0, amp, wid)
    return y


neon = fits.getdata(data_directory + wave_filename + '.fits')

neon_sp = np.mean(neon, axis= 0)
n_pix = len(neon_sp)

peaks_index = peakutils.peak.indexes(neon_sp, thres=0.05, min_dist=2)

### peals around the brightest peak
bright_index = peaks_index[np.argmax(neon_sp[peaks_index])]

delta_pix = 20
ind_min = bright_index - delta_pix
ind_max = bright_index + delta_pix

peak_select = peaks_index[np.where((peaks_index > ind_min) & (peaks_index < ind_max))]
peak_select_sort = peak_select[np.argsort(-neon_sp[peak_select])]

if peak_select_sort[1] > peak_select_sort[0] :
    ind_max = bright_index + 40
else : 
    ind_min = bright_index - 40

peak_select = peaks_index[np.where((peaks_index > ind_min) & (peaks_index < ind_max))]
peak_select_sort = peak_select[np.argsort(-neon_sp[peak_select])]

plt.figure(num=0)
plt.clf()
plt.plot(neon_sp)
plt.plot(peaks_index,neon_sp[peaks_index], 'r+')
plt.plot(peak_select,neon_sp[peak_select], 'ro')

### Gaussian fit
x = np.arange(n_pix)
xx = np.arange(0, n_pix, .1)


n_peak = 4
bright_index_fit = np.zeros(n_peak)

for i in range(n_peak):
    p = peak_select_sort[i]
    guess = [p, neon_sp[p], .5]
    popt, pcov = curve_fit(gauss, x, neon_sp, p0=guess)
    fit = gauss(xx, *popt)

    bright_index_fit[i] = popt[0]

    plt.plot(xx,fit, '--')

bright_wave = [703.2, 724.5, 693.0, 743.9]
...