Python numpy correlate用法及代码示例

本文简要介绍 python 语言中 numpy.correlate 的用法。

用法:

numpy.correlate(a, v, mode='valid')

两个一维序列的互相关。

此函数计算信号处理文本中通常定义的相关性：

c_{av}[k] = sum_n a[n+k] * conj(v[n])

a 和 v 序列在必要时补零，而 conj 是共轭。

参数：

a, v： array_like

输入序列。

mode： {‘valid’, ‘same’, ‘full’}，可选

请参阅 convolve 文档字符串。请注意，默认值为 ‘valid’，与使用 ‘full’ 的 convolve 不同。

old_behavior： bool

old_behavior 在NumPy 1.10 中被删除。如果您需要旧的行为，请使用 multiarray.correlate。

返回：

out： ndarray

a 和 v 的离散互相关。

注意：

上述相关性的定义不是唯一的，有时相关性可能会有不同的定义。另一个常见的定义是：

c'_{av}[k] = sum_n a[n] conj(v[n+k])

这与 c_{av}[k] 通过 c'_{av}[k] = c_{av}[-k] 相关。

numpy.correlate 在大型数组(即 n = 1e5)中可能执行缓慢，因为它不使用 FFT 来计算卷积；在这种情况下， scipy.signal.correlate 可能更可取。

例子：

>>> np.correlate([1, 2, 3], [0, 1, 0.5])
array([3.5])
>>> np.correlate([1, 2, 3], [0, 1, 0.5], "same")
array([2. ,  3.5,  3. ])
>>> np.correlate([1, 2, 3], [0, 1, 0.5], "full")
array([0.5,  2. ,  3.5,  3. ,  0. ])

使用复杂的序列：

>>> np.correlate([1+1j, 2, 3-1j], [0, 1, 0.5j], 'full')
array([ 0.5-0.5j,  1.0+0.j ,  1.5-1.5j,  3.0-1.j ,  0.0+0.j ])

请注意，当两个输入序列改变位置时，您会得到时间反转的复共轭结果，即 c_{va}[k] = c^{*}_{av}[-k] ：

>>> np.correlate([0, 1, 0.5j], [1+1j, 2, 3-1j], 'full')
array([ 0.0+0.j ,  3.0+1.j ,  1.5+1.5j,  1.0+0.j ,  0.5+0.5j])