本文简要介绍 python 语言中 scipy.signal.correlate
的用法。
用法:
scipy.signal.correlate(in1, in2, mode='full', method='auto')#
Cross-correlate 两个 N 维数组。
Cross-correlate in1 和 in2,输出大小由 mode 参数确定。
- in1: array_like
第一个输入。
- in2: array_like
第二输入。应该具有与 in1 相同的维数。
- mode: str {‘full’, ‘valid’, ‘same’},可选
指示输出大小的字符串:
full
输出是输入的完全离散线性互相关。 (默认)
valid
输出仅包含那些不依赖零填充的元素。在 ‘valid’ 模式中,in1 或 in2 在每个维度上都必须至少与另一个一样大。
same
输出与 in1 大小相同,以 ‘full’ 输出为中心。
- method: str {‘auto’, ‘direct’, ‘fft’},可选
一个字符串,指示使用哪种方法来计算相关性。
direct
相关性由总和(相关性的定义)直接确定。
fft
快速傅立叶变换用于更快地执行相关(仅适用于数值数组。)
auto
根据更快的估计自动选择直接或傅立叶方法(默认)。有关详细信息,请参阅
convolve
注释。
- correlate: 数组
一个 N 维数组,包含 in1 与 in2 的离散线性互相关的子集。
参数 ::
返回 ::
注意:
两个d-dimensional 数组 x 和 y 的相关性 z 定义为:
z[...,k,...] = sum[..., i_l, ...] x[..., i_l,...] * conj(y[..., i_l - k,...])
这样,如果 x 和 y 是一维数组并且
z = correlate(x, y, 'full')
那么对于
其中
x
、 的长度,当 m 超出 y 范围时, 为 0。 是method='fft'
仅适用于数值数组,因为它依赖于fftconvolve
。在某些情况下(即对象数组或舍入整数可能会丢失精度),始终使用method='direct'
。当使用带有偶数长度输入的 “same” 模式时,
correlate
和correlate2d
的输出不同:它们之间存在 1 索引偏移。例子:
使用互相关实现匹配滤波器,以恢复通过噪声通道的信号。
>>> import numpy as np >>> from scipy import signal >>> import matplotlib.pyplot as plt >>> rng = np.random.default_rng()
>>> sig = np.repeat([0., 1., 1., 0., 1., 0., 0., 1.], 128) >>> sig_noise = sig + rng.standard_normal(len(sig)) >>> corr = signal.correlate(sig_noise, np.ones(128), mode='same') / 128
>>> clock = np.arange(64, len(sig), 128) >>> fig, (ax_orig, ax_noise, ax_corr) = plt.subplots(3, 1, sharex=True) >>> ax_orig.plot(sig) >>> ax_orig.plot(clock, sig[clock], 'ro') >>> ax_orig.set_title('Original signal') >>> ax_noise.plot(sig_noise) >>> ax_noise.set_title('Signal with noise') >>> ax_corr.plot(corr) >>> ax_corr.plot(clock, corr[clock], 'ro') >>> ax_corr.axhline(0.5, ls=':') >>> ax_corr.set_title('Cross-correlated with rectangular pulse') >>> ax_orig.margins(0, 0.1) >>> fig.tight_layout() >>> plt.show()
计算噪声信号与原始信号的互相关。
>>> x = np.arange(128) / 128 >>> sig = np.sin(2 * np.pi * x) >>> sig_noise = sig + rng.standard_normal(len(sig)) >>> corr = signal.correlate(sig_noise, sig) >>> lags = signal.correlation_lags(len(sig), len(sig_noise)) >>> corr /= np.max(corr)
>>> fig, (ax_orig, ax_noise, ax_corr) = plt.subplots(3, 1, figsize=(4.8, 4.8)) >>> ax_orig.plot(sig) >>> ax_orig.set_title('Original signal') >>> ax_orig.set_xlabel('Sample Number') >>> ax_noise.plot(sig_noise) >>> ax_noise.set_title('Signal with noise') >>> ax_noise.set_xlabel('Sample Number') >>> ax_corr.plot(lags, corr) >>> ax_corr.set_title('Cross-correlated signal') >>> ax_corr.set_xlabel('Lag') >>> ax_orig.margins(0, 0.1) >>> ax_noise.margins(0, 0.1) >>> ax_corr.margins(0, 0.1) >>> fig.tight_layout() >>> plt.show()
相关用法
- Python SciPy signal.correlate2d用法及代码示例
- Python SciPy signal.correlation_lags用法及代码示例
- Python SciPy signal.coherence用法及代码示例
- Python SciPy signal.convolve2d用法及代码示例
- Python SciPy signal.convolve用法及代码示例
- Python SciPy signal.cont2discrete用法及代码示例
- Python SciPy signal.czt_points用法及代码示例
- Python SciPy signal.chirp用法及代码示例
- Python SciPy signal.cheb2ord用法及代码示例
- Python SciPy signal.cheb1ord用法及代码示例
- Python SciPy signal.csd用法及代码示例
- Python SciPy signal.cubic用法及代码示例
- Python SciPy signal.cheby2用法及代码示例
- Python SciPy signal.cheby1用法及代码示例
- Python SciPy signal.cspline1d用法及代码示例
- Python SciPy signal.check_COLA用法及代码示例
- Python scipy.signal.czt用法及代码示例
- Python SciPy signal.choose_conv_method用法及代码示例
- Python SciPy signal.cwt用法及代码示例
- Python SciPy signal.cspline1d_eval用法及代码示例
- Python SciPy signal.cmplx_sort用法及代码示例
- Python SciPy signal.check_NOLA用法及代码示例
- Python SciPy signal.residue用法及代码示例
- Python SciPy signal.iirdesign用法及代码示例
- Python SciPy signal.max_len_seq用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.signal.correlate。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。