峰形参数：峰位、峰高、半高宽与积分宽度
各位同学，咱们今天聊点实在的。XRD图谱拿到手，你第一眼看什么？我反正先看峰在哪、多高、多宽。这三个参数，说白了就是峰形分析的四大金刚——峰位、峰高、半高宽（FWHM）、积分宽度。搞不懂它们，后面的晶粒尺寸和微观应力计算就是空中楼阁。
一、峰位：你的样品到底在说什么？
峰位，就是衍射峰对应的2θ角度值。它告诉你晶面间距d值是多少，从而确定物相。布拉格方程嘛，2d sinθ = nλ，这个大家都熟。
峰位怎么定？ 别傻乎乎直接取最高点。我习惯用抛物线拟合法，尤其是峰形对称的时候。不对称的峰？嗯，那得用重心法或者伪Voigt函数拟合。
核心要点： 峰位偏移可能来自仪器误差、样品位移，或者——晶格畸变。做微观应力分析时，峰位偏移本身就是重要线索。
我的经验： 有一次测陶瓷样品，峰位整体偏移了0.1°，我差点以为是新物相。后来发现是样品架没放平。所以，每次测样前先跑个标准硅粉校正一下，这步别省。
二、峰高：别被它骗了
峰高就是衍射峰的最大强度值。很多人觉得峰越高，结晶度越好。其实不一定。峰高受很多因素影响：
- 晶体尺寸： 小晶粒的峰高会降低，峰会变宽
- 择优取向： 某些晶面特别强，其他面就弱
- 吸收效应： 样品厚度、密度都会影响
我个人很少单独用峰高说事。它更多是配合半高宽和积分面积一起用。比如计算结晶度时，峰高只能做个参考，积分面积才是硬道理。
避坑指南： 我曾经遇到一个学生，拿峰高比来算两相含量，结果完全对不上。为什么？因为两相的吸收系数不同，峰高根本不能直接比。要用RIR法或者全谱拟合才行。
三、半高宽（FWHM）：晶粒尺寸的密码
半高宽，全称是Full Width at Half Maximum，就是峰高一半处对应的峰宽度。单位是度或者弧度。
FWHM为什么重要？ 因为它是Scherrer公式的核心输入：
D = Kλ / (β cosθ)
其中：
D = 晶粒尺寸（nm）
K = 形状因子（通常取0.9）
λ = X射线波长（Cu靶为0.15406 nm）
β = 样品的物理展宽（FWHM，弧度）
θ = 衍射角（度）注意！这里的β不是直接测出来的FWHM。你测到的峰宽是仪器展宽和样品展宽的卷积。得先扣掉仪器展宽：
β_sample = √(β_measured² - β_instrument²) // 高斯型
β_sample = β_measured - β_instrument // 洛伦兹型我个人习惯用高斯型扣减，因为大多数实验室衍射仪的峰形更接近高斯分布。但如果你用同步辐射，那得另说。
关键点： FWHM越大，晶粒越小。但要注意，微观应力也会让峰变宽。所以单独用FWHM算晶粒尺寸，结果可能偏小。这就是为什么我们要做Williamson-Hall分析，把尺寸和应力分开。
四、积分宽度：比FWHM更靠谱？
积分宽度，定义是峰面积除以峰高：
β_integral = A / I_max其中A是峰积分面积，I_max是峰高。
积分宽度和FWHM啥关系？对于纯高斯峰，积分宽度 ≈ 1.064 × FWHM。对于纯洛伦兹峰，积分宽度 = π/2 × FWHM ≈ 1.571 × FWHM。实际样品往往是两者的混合，所以积分宽度和FWHM的比值可以告诉你峰形的特征。
我为什么偏爱积分宽度？ 因为它对峰形的细微变化更敏感。FWHM只取半高处的宽度，而积分宽度考虑了整个峰的形状。做微观应力分析时，积分宽度给出的结果往往更稳定。
实战技巧： 我处理纳米材料数据时，习惯同时算FWHM和积分宽度。如果两者比值接近1.064，说明峰形接近高斯，晶粒尺寸分布比较均匀。如果比值偏大，说明有应力展宽或者尺寸分布很宽。这时候我会用Voigt函数去拟合，把高斯分量和洛伦兹分量分开。
五、四个参数的关系：一张图说清楚
下面这张图是我自己画的，把四个参数的关系和用途串起来了。你仔细看看，能省不少弯路。
六、实际操作：怎么提取这些参数？
现在主流软件都能自动提取。但我建议你手动检查一下，尤其是数据质量不好的时候。
我用Jade的习惯：
- 先做背景扣除，别让背景把峰高带偏了
- Kα2剥离，不然FWHM会偏大
- 选拟合模式——我一般用Pseudo-Voigt，兼顾高斯和洛伦兹
- 看拟合残差，R值大于10%就重新来
用Python手动算：
import numpy as np
from scipy.optimize import curve_fit
def pseudo_voigt(x, x0, I, fwhm, eta):
"""Pseudo-Voigt函数"""
sigma = fwhm / (2 * np.sqrt(2 * np.log(2)))
gauss = I * np.exp(-(x - x0)**2 / (2 * sigma**2))
lorentz = I / (1 + ((x - x0) / (fwhm/2))**2)
return eta * gauss + (1 - eta) * lorentz
# 拟合数据
popt, _ = curve_fit(pseudo_voigt, x_data, y_data,
p0=[peak_center, peak_height, 0.2, 0.5])
x0_fit, I_fit, fwhm_fit, eta_fit = popt
# 计算积分宽度
area = np.trapz(y_fit, x_data)
integral_width = area / I_fit
print(f"峰位: {x0_fit:.4f}°")
print(f"峰高: {I_fit:.1f}")
print(f"FWHM: {fwhm_fit:.4f}°")
print(f"积分宽度: {integral_width:.4f}°")注意： 拟合时初始值给不好，结果会乱跑。我一般先用寻峰功能找到大概位置，再手动设初始值。尤其是eta（高斯比例），别让它跑到0或1之外。
七、总结一下
峰位、峰高、FWHM、积分宽度，这四个参数是XRD分析的基石。峰位定物相，峰高看趋势，FWHM算尺寸，积分宽度做应力。但记住，它们不是孤立的——峰位偏移可能意味着应力，FWHM变宽可能是尺寸小也可能是应力大。所以，拿到数据后别急着套公式，先看看峰形整体长什么样。
我做了十几年XRD，最深的体会是：数据质量决定分析上限。与其花时间调参数，不如花时间把样品制备好、把仪器校准好。嗯，这话可能有点老生常谈，但确实是血泪教训。
一句话记住： 峰位定身份，峰高看趋势，FWHM算尺寸，积分宽度拆应力。四个参数配合用，XRD分析不迷路。