Python中精确的信号延迟计算

发布于 2024-09-25 14:53:29 字数 208 浏览 4 评论 0原文

我正在尝试使用互相关计算 Python 中两个信号之间的滞后。除了非常小的时滞之外，这两个信号几乎相同。我尝试过 numpy.correlate 和 scipy.convolve （速度更快），两者都工作得相对较好，但给出了一个小错误。我开始怀疑该错误是 Python/scipy/numpy 在某处截断浮点数的结果。有谁能够在Python中进行高精度信号延迟计算吗？

此致弗雷德里克

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

柳若烟 2024-10-02 14:53:29

根据两个信号的功率谱，由于互相关在每个滞后处没有正确归一化，您确实会得到一个小误差。这是我使用的一个小功能；它使每个滞后的重叠区域正常化，我发现它给出了准确的结果：

def NormCrossCorrSlow(x1, x2,
                  nlags=400):
res=[]
for i in range(-(nlags/2),nlags/2,1):
    if i<0:
        xx1=x1[:i]
        xx2=x2[-i:]
    elif i==0:
        xx1=x1
        xx2=x2
    else:
        xx1=x1[i:]
        xx2=x2[:-i]
    res.append( (xx1*xx2).sum() /( (xx1**2).sum() *(xx2**2).sum() )**0.5)
return numpy.array(res)

Depending on the power spectrum of the two signals you do get a small error due to the fact that the cross correlation is not properly normalised at each lag. Here is a little function that I use; it normallises the overlap region at each lag and I found it gives accurate results:

def NormCrossCorrSlow(x1, x2,
                  nlags=400):
res=[]
for i in range(-(nlags/2),nlags/2,1):
    if i<0:
        xx1=x1[:i]
        xx2=x2[-i:]
    elif i==0:
        xx1=x1
        xx2=x2
    else:
        xx1=x1[i:]
        xx2=x2[:-i]
    res.append( (xx1*xx2).sum() /( (xx1**2).sum() *(xx2**2).sum() )**0.5)
return numpy.array(res)

回复收藏 0 原文

~没有更多了~