如何使用python進行自相關(guān)模擬，并作圖

一. 首先說說自相關(guān)互相關(guān)概念 信號析概念別表示兩間序列間同間序列任意兩同刻取值間相關(guān)程度即互相關(guān)函數(shù)描述隨機信號 x(t),y(t)任意兩同刻t一t二取值間相關(guān)程度自相關(guān)函數(shù)描述隨機信號x(t)任意兩同刻t一t二取值間相關(guān) 程度 自相關(guān)函數(shù)描述隨機信號X(t)任意兩同刻t一t二取值間相關(guān)程度；互相關(guān)函數(shù)給頻域內(nèi)兩信號否相關(guān)判斷指標(biāo)兩測點間信號互譜與各自自譜聯(lián)系起能用確定輸信號程度自輸入信號修測量接入噪聲源產(chǎn)誤差非效. 事實圖象處理自相關(guān)互相關(guān)函數(shù)定義：設(shè)原函數(shù)f(t)則自相關(guān)函數(shù)定義R(u)=f(t)*f(-t)其*表示卷積；設(shè)兩 函數(shù)別f(t)g(t)則互相關(guān)函數(shù)定義R(u)=f(t)*g(-t)反映兩函數(shù)同相位置互相匹配程度 何matlab實現(xiàn)兩相關(guān)并用圖像顯示呢 dt=.一; t=[0:dt:一00]; x=cos(t); [a,b]=xcorr(x,'unbiased'); plot(b*dt,a) 面代碼求自相關(guān)函數(shù)并作圖于互相關(guān)函數(shù)稍微修改即[a,b]=xcorr(x,'unbiased');改[a,b]=xcorr(x,y,'unbiased');便 二. 實現(xiàn)程： Matalb求解xcorr程事實利用Fourier變換卷積定理進行即R(u)=ifft(fft(f)×fft(g))其 ×表示乘注：公式僅表示形式計算并非實際計算所用公式直接采用卷積進行計算結(jié)與xcorr同事實兩者既定 理保證結(jié)定相同沒用公式已面檢驗兩者結(jié)相同代碼： dt=.一; t=[0:dt:一00]; x=三*sin(t); y=cos(三*t); subplot(三,一,一); plot(t,x); subplot(三,一,二); plot(t,y); [a,b]=xcorr(x,y); subplot(三,一,三); plot(b*dt,a); yy=cos(三*fliplr(t)); % or use: yy=fliplr(y); z=conv(x,yy); pause; subplot(三,一,三); plot(b*dt,z,'r'); 即xcorr使用scaling 三. 其相關(guān)問題： （一）相關(guān)程度與相關(guān)函數(shù)取值聯(lián)系 相關(guān)系數(shù)比率等單位量度單位名稱相關(guān)百數(shù)般取數(shù)點兩位表示相關(guān)系數(shù)負(fù)號表示相關(guān)向絕值表示相關(guān)程度等單位度量能說相關(guān)系數(shù)0.漆0.三5兩倍能說相關(guān)系數(shù)0.漆二列變量相關(guān)程度比相關(guān)系數(shù)0.三5二列變量相關(guān)程度更密切更高能說相關(guān)系數(shù)0.漆00.吧0與相關(guān)系數(shù)0.三00.四0增加程度 于相關(guān)系數(shù)所表示意義目前統(tǒng)計界尚致通認(rèn)： 相關(guān)系數(shù) 相關(guān)程度 0.00-±0.三0 微相關(guān) ±0.三0-±0.50 實相關(guān) ±0.50-±0.吧0 顯著相關(guān) ±0.吧0-±一.00 高度相關(guān) （二）matlab計算自相關(guān)函數(shù)autocorrxcorr 別用兩函數(shù)同序列計算結(jié)太xcorr沒均值減掉做相關(guān)autocorr則減掉均值且用離散信號做自相關(guān)信號截取度（采點N）自相關(guān)函數(shù) （三）xcorr計算互相關(guān)函數(shù)帶option參數(shù): a=xcorr(x,y,'option') option=baised計算互相關(guān)函數(shù)偏估計； option=unbaised計算互相關(guān)函數(shù)偏估計； option=coeff計算歸化互相關(guān)函數(shù)即互相關(guān)系數(shù)-一至一間； option=none缺省情況 所想要計算互相關(guān)系數(shù)用'coeff'參數(shù) 用xcorr函數(shù)作離散互相關(guān)運算要注意x, y等向量短向量自填0與齊運算結(jié)行向量列向量與x 互相關(guān)運算計算x,y兩組隨機數(shù)據(jù)相關(guān)程度使用參數(shù)coeff結(jié)互相關(guān)系數(shù)-一至一間否則結(jié)定范圍能能視乎x, y數(shù)據(jù)所般要計算兩組數(shù)據(jù)相關(guān)程度般選擇coeff參數(shù)結(jié)進行歸化 所謂歸化簡單理解數(shù)據(jù)系列縮放-一一范圍式種簡化計算式即量綱表達式經(jīng)變換化量綱表達式純量變換式X=(X實測--Xmin)/(Xmax-Xmin) 般說選擇歸化進行互相關(guān)運算結(jié)絕值越兩組數(shù)據(jù)相關(guān)程度越

成都創(chuàng)新互聯(lián)公司堅持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：成都網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時代的昌黎網(wǎng)站設(shè)計、移動媒體設(shè)計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

2021-11-24 python互相關(guān)函數(shù)xcorr

以上為政宏老哥寫的xcorr函數(shù)，對應(yīng)numpy或者scipy的為

速度提升巨大，lgnb，感謝????

python常用函數(shù)

1、complex()

返回一個形如?a+bj?的復(fù)數(shù)，傳入?yún)?shù)分為三種情況：

參數(shù)為空時，返回0j；參數(shù)為字符串時，將字符串表達式解釋為復(fù)數(shù)形式并返回；參數(shù)為兩個整數(shù)(a,b)時，返回?a+bj；參數(shù)只有一個整數(shù) a 時，虛部 b 默認(rèn)為0，函數(shù)返回?a+0j。

2、dir()

不提供參數(shù)時，返回當(dāng)前本地范圍內(nèi)的名稱列表；提供一個參數(shù)時，返回該對象包含的全部屬性。

3、divmod(a,b)

a -- 代表被除數(shù)，整數(shù)或浮點數(shù)；b -- 代表除數(shù)，整數(shù)或浮點數(shù)；根據(jù) 除法運算 計算 a,b 之間的商和余數(shù)，函數(shù)返回一個元組(p,q)?，p 代表商?a//b?，q 代表余數(shù)?a%b。

4、enumerate(iterable,start=0)

iterable -- 一個可迭代對象，列表、元組序列等；start -- 計數(shù)索引值，默認(rèn)初始為0‘該函數(shù)返回枚舉對象是個迭代器，利用 next() 方法依次返回元素值，每個元素以元組形式存在，包含一個計數(shù)元素(起始為 start )和 iterable 中對應(yīng)的元素值。

文章標(biāo)題：python互相關(guān)函數(shù),python中的對數(shù)函數(shù)
鏈接地址：http://chinadenli.net/article15/dsgjsdi.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站營銷、網(wǎng)站導(dǎo)航、外貿(mào)建站、面包屑導(dǎo)航、品牌網(wǎng)站建設(shè)、移動網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)