我在拟合光谱时遇到了问题，需要使用特定线型和检测器分辨率函数的卷积。当我使用对称数组（以零为中心的数组）时，卷积似乎工作得很好。然而，当我使用一个不以零为中心的数组时，我无法纠正的偏移出现了，这与我试图拟合的实际数据集的形状一致。卷积是通过以下方式完成的：

import numpy as np, matplotlib.pyplot as plt

# Sample temperature in Kelvin
T = 300

# phonon lineshape
def lineshape(x,F,xc,wL,x0):
    bose = 1/(1 - np.exp(-(x-x0)/(0.0862*T)))
    return bose * 4/np.pi * F*(x-x0)*wL / (((x-x0)**2 - (xc**2 + wL**2))**2 + 4*((x-x0)*wL)**2)

# measured elastic line
def elastic(x, A, x0):
    mu, wL, wG = 0.54811, 4.88248, 2.64723  # detector parameters
    lorentz = 2/np.pi * wL/(4*(x-x0)**2 + wL**2)
    gauss = np.sqrt(4*np.log(2)/np.pi)/wG * np.exp(-4*np.log(2)*((x-x0)/wG)**2)
    return A * ( mu*lorentz + (1-mu)*gauss)  # pseudo-voigt

# resolution function
def res_func(x):
    return elastic(x,1,0)

# convolution of lineshape and resolution function
def convolve(x, F,xc,wL,x0):
    arr = lineshape(x,F,xc,wL,x0)
    kernel = res_func(x)
    npts = min(arr.size, kernel.size)
    pad = np.zeros(npts)
    a1 = np.concatenate((pad, arr, pad))
    conv = np.convolve(a1, kernel/np.sum(kernel), mode='valid')
    m = int(npts/2)
    return conv[m:npts+m]

# testing ranges
x1 = np.linspace(-20,20,200)
x2 = np.linspace(-15,20,200)

# random lineshape parameters
p = (1,8,2,0)

# plotting the convolutions
fig, ax = plt.subplots()
ax.plot(x1, convolve(x1, *p), label='conv_sym')
ax.plot(x1,lineshape(x1, *p), label='dho')
ax.plot(x2, convolve(x2, *p), label='conv_asym')
ax.legend()
plt.show()

shifted convolution
有人知道如何解决这个问题吗？我尝试过不同类型的卷积和各种padding，但我没有找到一个通用的解决方案。我使用lmfit拟合，卷积函数的定义取自CompositeModel部分文本中的示例）。