0

我有一个电路的分析模型，其输出是 s 域中的传递函数，我正在使用LMFIT来拟合电路组件的值，以得到最适合测量数据的 TF-放。

我想让我的代码更加模块化，我认为一个很好的方法是这样的；

import lmfit as lm

z1 = lm.models.ExpressionModel('r1 + l1 * x')

z2 = lm.models.ExpressionModel('1 / (c1 * x)')

rlc = z1 * z2 / (z1 + z2)

其中 x 在这种情况下是 s，形式的复数自变量；s = 2 * pi * j * f

我知道，为了拟合复杂数据，您需要将函数包装在一个产生真实输出的函数中，但最后在拟合生成的 CompositeModel 时，我将采用 TF 的幅度（abs（）），我只想知道；

问题一：

lmfit.models.ExpressionModel 可以处理复杂的表达式吗？（如包含一个复杂的变量）

..和;

问题 2（可选）：

如果没有，我可以用 lmfit.Model 代替吗？IE。只需定义一个返回复杂值的目标函数，然后像这样将其提供给 lmfit.Model ；

def _z1(s, r1, l1):
    return r1 + l1 * s

z1 = lm.Model(_z1)

它在 lmfit.Model 的文档中说它会自动生成残差函数，但是如果我只使用自己的残差函数拟合生成的复合模型，这是否会被使用？

并且;

问题 3：

这是不明智的吗？IE。会导致大量开销吗？

4

1 回答 1

1

我相信这ExpressionModel()将适用于复杂的价值观。但我仍然会在 Q2 中推荐您的方法：定义一个可以完成工作的函数，因为它会更容易在需要时进行故障排除和扩展。

而且，是的，所做的独立数据和计算肯定可以包含复数值。但是，虽然您的计算可能很复杂，但返回的残差必须是纯真实的。view最简单的方法是使用numpy 数组的方法返回实数/图像对：

return complex_array_for_residual.view(np.float)

您可以考虑返回磁/相位对，尽管它稍微复杂一些，因为您必须处理相位中的相位跳跃。

为了清楚起见，我经常使用给出复杂结果的傅立叶变换进行拟合，然后将其转换为带有ndarray.view.

于 2020-06-24T02:31:09.763 回答