Python SciPy signal.correlation_lags用法及代码示例

本文简要介绍 python 语言中 scipy.signal.correlation_lags 的用法。

用法:

scipy.signal.correlation_lags(in1_len, in2_len, mode='full')#

计算一维互相关的滞后/位移 index 数组。

参数 ：：

in1_len： int

第一个输入大小。

in2_len： int

第二个输入大小。

mode： str {‘full’, ‘valid’, ‘same’}，可选

指示输出大小的字符串。有关详细信息，请参阅文档 correlate 。

返回 ：：

lags： 数组

返回一个包含互相关滞后/位移 index 的数组。可以使用相关性的np.argmax 对索引进行索引，以返回滞后/位移。

注意：

连续函数 \(f\) 和 \(g\) 的互相关定义为：

\[\left ( f\star g \right )\left ( \tau \right ) \triangleq \int_{t_0}^{t_0 +T} \overline{f\left ( t \right )}g\left ( t+\tau \right )dt\]

其中\(\tau\)定义为位移，也称为滞后。

离散函数 \(f\) 和 \(g\) 的互相关定义为：

\[\left ( f\star g \right )\left [ n \right ] \triangleq \sum_{-\infty}^{\infty} \overline{f\left [ m \right ]}g\left [ m+n \right ]\]

其中\(n\) 是滞后。

例子：

信号与其time-delayed 自身的互相关。

>>> import numpy as np
>>> from scipy import signal
>>> rng = np.random.default_rng()
>>> x = rng.standard_normal(1000)
>>> y = np.concatenate([rng.standard_normal(100), x])
>>> correlation = signal.correlate(x, y, mode="full")
>>> lags = signal.correlation_lags(x.size, y.size, mode="full")
>>> lag = lags[np.argmax(correlation)]