LMFIT

Question

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 来拟合电路元件的值以获得生成的 TF 最适合测量的数据集。

我想让我的代码更加模块化，我认为实现它的好方法如下所示；

import lmfit as lm

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

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

rlc = z1 * z2 / (z1 + z2)

这里的x是s，形式的复自变量； 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，我就是想知道；

问题一：

lmfit.models.ExpressionModel 可以处理复杂的表达式吗？（如包含复杂变量）

..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 objective 函数，其中 returns 是一个复杂的值，然后像这样将它提供给 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，但是如果我只使用我自己的残差函数来拟合生成的复合模型，它是否会被使用？

还有；

问题三：

这样做不明智吗？ IE。它会导致大量开销吗？

Answer 1

我相信 ExpressionModel() 可以处理复杂的值。但我仍然会推荐您在 Q2 中的方法：定义一个完成工作的函数，因为它会更容易排除故障并在需要时进行扩展。

而且，是的，完成的独立数据和计算肯定可以包含复杂的值。但是，尽管您的计算可能很复杂，但 returned 残差需要是纯实数。最简单的方法是使用 numpy 数组的 view 方法 return real/imag 对：

return complex_array_for_residual.view(np.float)

你可以考虑 returning mag/phase 对，虽然它稍微复杂一些，因为你必须处理相位跳跃。

需要说明的是，我经常使用给出复杂结果的傅里叶变换进行拟合，然后将其转换为“real/imag”与 ndarray.view 对。

LMFIT - 创建用于处理电路模型的模型