Python SciPy signal.correlation_lags用法及代碼示例

本文簡要介紹 python 語言中 scipy.signal.correlation_lags 的用法。

用法:

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

計算一維互相關的滯後/位移 index 數組。

參數 ：：

in1_len： int

第一個輸入大小。

in2_len： int

第二個輸入大小。

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

指示輸出大小的字符串。有關詳細信息，請參閱文檔 correlate 。

返回 ：：

lags： 數組

返回一個包含互相關滯後/位移 index 的數組。可以使用相關性的np.argmax 對索引進行索引，以返回滯後/位移。

注意：

連續函數 \(f\) 和 \(g\) 的互相關定義為：

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

其中\(\tau\)定義為位移，也稱為滯後。

離散函數 \(f\) 和 \(g\) 的互相關定義為：

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

其中\(n\) 是滯後。

例子：

信號與其time-delayed 自身的互相關。

>>> 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)]