拟合伽马谱峰是乏燃料无损分析或中子活化分析中的典型任务。由于这些应用程序已经“相当陈旧”，因此有一些标准软件可用，例如Genie 2000。2015 年的一篇论文《用于伽马光谱分析的峰值拟合软件评估》比较了其中的一些工具。但是，它们中的大多数是商业的。

所有方法都基于“基函数”的概念，通常是高斯函数，用于线性组合。然后两个主要问题是估计峰值的数量和估计它们的位置。两者都是使用先验知识完成的：用户认为样本中存在什么？完成此操作后，将使用非线性优化算法 (Levenberg-Marquardt) 以最小化拟合和测量数据之间的误差。但是，正如 EMP 在评论中提到的那样，其中很多都是旁观者的眼睛。大多数商业软件都有一个 GUI，允许用户与代码交互以“叮当直到收敛”（其中收敛的意思是“它适合我的肉眼和我认为我的材料中的放射性物质”）。

可以在此处找到描述使用 Levenberg-Marquardt 方法的非线性拟合过程的论文。这会给你一些数学背景。这篇论文“高分辨率伽马射线光谱的峰值拟合和识别软件库”也给出了一些数学背景。可以在此处找到描述此问题的较早报告。基于后者和 SciPy 中可用的求解器，您应该能够滚动自己的代码。

这看起来像一个光谱（X 射线（？））。如果您有任何关于您期望峰值落在哪里的先验信息，您可以为您的拟合算法提供该信息。例如：“适合 390 到 415 之间的高斯峰”。这有点难看，因为您必须手动编码这些范围，但至少您可以在以后自动扫描时重新使用它。