伏伊格特1d#

class astropy.modeling.functional_models.Voigt1D(x_0=0, amplitude_L=1, fwhm_L=0.6366197723675814, fwhm_G=0.6931471805599453, method=None, **kwargs)[源代码]#

基类：Fittable1DModel

Voigt剖面的一维模型。

参数:

x_0 : float 或 QuantityPython：浮点或数量: 峰顶位置
amplitude_L : float 或 Quantity 。Python ：浮点或数量。: 洛伦兹振幅(相关洛伦兹函数的峰值)-对于归一化轮廓(积分为1)，设置振幅_L=2/(np.pi*fwhm_L)
fwhm_L : float 或 QuantityPython：浮点或数量: 洛伦兹全宽半最大值
fwhm_G : float 或 Quantity 。Python ：浮点或数量。: 半最大高斯全宽
method : str ，可选Python：字符串，可选: 计算复杂误差函数的算法；‘Humlicek2’之一(默认、快速且通常比 rtol=3.e-5 )或‘Scipy’，也可以选择‘wofz’(需要 scipy ，几乎同样快速和准确)。

其他参数:

fixed : dict ，可选Python：Dict，可选: 字典 {{parameter_name: boolean}} 在拟合过程中不能改变的参数。True表示参数保持不变。或者 fixed 可以使用参数的属性。
tied : dict ，可选Python：Dict，可选: 字典 {{parameter_name: callable}} 链接到其他参数的参数。字典值是提供链接关系的可调用项。或者 tied 可以使用参数的属性。
bounds : dict ，可选Python：Dict，可选: 字典 {{parameter_name: value}} 参数的上下界。键是参数名。值是一个长度为2的列表或元组，为参数提供所需的范围。或者 min 和 max 可以使用参数的属性。
eqcons : list ，可选Python：列表，可选: 长度函数列表 n 这样的话 eqcons[j](x0,*args) == 0.0 在一个成功优化的问题中。
ineqcons : list ，可选Python：列表，可选: 长度函数列表 n 这样的话 ieqcons[j](x0,*args) >= 0.0 是一个成功优化的问题。

参见

Gaussian1D, Lorentz1D

笔记

全部输入或不输入 x ，位置 x_0 以及 fwhm_* 必须一致地使用兼容的单位或作为无单位数字提供。Voigt函数被计算为根据Schreier 2018(MNRAS 479,3068；)之后的Humlicek有理近似(JQSRT 21：309,1979；27：437,1982)计算的复误差函数的实部 hum2zpf16m 从他的cpfX.py模块)；或 wofz (实现‘Faddeeva.cc’)。

实例

import numpy as np
from astropy.modeling.models import Voigt1D
import matplotlib.pyplot as plt

plt.figure()
x = np.arange(0, 10, 0.01)
v1 = Voigt1D(x_0=5, amplitude_L=10, fwhm_L=0.5, fwhm_G=0.9)
plt.plot(x, v1(x))
plt.show()

(png, svg, pdf)

../_images/astropy-modeling-functional_models-Voigt1D-1.png

属性摘要

`amplitude_L`
`fwhm_G`
`fwhm_L`
`input_units`	此属性用于指示evaluate方法所需的单元或单元集，并返回将输入映射到单元（或 `None` 如果接受任何单位）。
`param_names`	描述此类型模型的参数的名称。
`sqrt_ln2`
`sqrt_ln2pi`
`sqrt_pi`
`x_0`

方法总结

`evaluate`(x, x_0, amplitude_L, fwhm_L, fwhm_G)	一维Voigt函数缩放到洛伦兹峰值振幅。
`fit_deriv`(x, x_0, amplitude_L, fwhm_L, fwhm_G)	一维Voigt函数对参数的导数。

属性文档

amplitude_L = Parameter('amplitude_L', value=1.0)#

fwhm_G = Parameter('fwhm_G', value=0.6931471805599453)#

fwhm_L = Parameter('fwhm_L', value=0.6366197723675814)#

input_units#

param_names = ('x_0', 'amplitude_L', 'fwhm_L', 'fwhm_G')#

描述此类型模型的参数的名称。

此元组中的参数与初始化特定类型的模型时应传入的顺序相同。某些类型的模型，如多项式模型，根据模型的某些其他属性（如阶数）有不同数量的参数。

定义自定义模型类时，此属性的值由 Parameter 在类中定义的body属性。

sqrt_ln2 = 0.8325546111576977#

sqrt_ln2pi = 1.475664626635606#

sqrt_pi = 1.7724538509055159#

x_0 = Parameter('x_0', value=0.0)#

方法文件

evaluate(x, x_0, amplitude_L, fwhm_L, fwhm_G)[源代码]#: 一维Voigt函数缩放到洛伦兹峰值振幅。

fit_deriv(x, x_0, amplitude_L, fwhm_L, fwhm_G)[源代码]#: 一维Voigt函数对参数的导数。