迹忆客 专注技术分享

当前位置:主页 > 学无止境 > 编程语言 > Python >

Python 中的互相关

作者:迹忆客 最近更新:2023/06/27 浏览次数:

互相关是一种重要的信号处理方法,用于分析具有不同滞后的两个信号之间的相似性。 您不仅可以了解两个信号的匹配程度,还可以获得它们最相似的时间点或索引。

本文将讨论在 Python 中处理互相关的多种方法。


Python 中的互相关

我们可以单独使用Python来计算两个信号的互相关。 我们可以使用下面的公式并将其转换为 Python 脚本。

公式:

R_{fg}(l) = \sum_{n=0}^{N} f(n)g(n+l)

示例代码:

sig1 = [1,2,3,2,1,2,3]
sig2 = [1,2,3]

# Pre-allocate correlation array
corr = (len(sig1) - len(sig2) + 1) * [0]

# Go through lag components one-by-one
for l in range(len(corr)):
    corr[l] = sum([sig1[i+l] * sig2[i] for i in range(len(sig2))])
print(corr)

输出:

[14, 14, 10, 10, 14]

现在,让我们浏览一下使用互相关函数的多个 Python 包。

使用 NumPy 模块

用于数值计算的标准 Python 模块称为 NumPy。 NumPy 具有内置的互相关技术并不奇怪。 如果我们没有安装NumPy,我们可以使用以下命令安装它:

pip install numpy

示例代码:

import numpy as np

sig1 = [1,2,3,2,1,2,3]
sig2 = [1,2,3]

corr = np.correlate(a=sig1, v=sig2)

print(corr)

输出:

[14 14 10 10 14]

使用 SciPy 模块

当 NumPy 失败时,SciPy 是要考虑的主要包。 它包括许多工程和科学学科的实用技术。

但首先我们必须导入互相关相关的信号处理软件。 然后,信号在开始和结束时通过 SciPy 互相关自动填充。

因此,与我们的纯 Python 代码和 NumPy 模块相比,它为互相关提供了更广泛的信号响应。 因此,我们删除了这些填充组件,以使结果在我们的测试用例中相同。

如果我们没有安装SciPy,我们可以使用以下命令安装它:

pip install scipy

示例代码:

import scipy.signal

sig1 = [1,2,3,2,1,2,3]
sig2 = [1,2,3]

corr = scipy.signal.correlate(sig1, sig2)

# Removes padded Correlations
corr = corr[(len(sig1)-len(sig2)-1):len(corr)-((len(sig1)-len(sig2)-1))]

print(corr)

输出:

[14 10 10]

转载请发邮件至 1244347461@qq.com 进行申请,经作者同意之后,转载请以链接形式注明出处

本文地址:

相关文章

Pandas read_csv()函数

发布时间:2024/04/24 浏览次数:254 分类:Python

Pandas read_csv()函数将指定的逗号分隔值(csv)文件读取到 DataFrame 中。

Pandas 追加数据到 CSV 中

发布时间:2024/04/24 浏览次数:352 分类:Python

本教程演示了如何在追加模式下使用 to_csv()向现有的 CSV 文件添加数据。

Pandas 多列合并

发布时间:2024/04/24 浏览次数:628 分类:Python

本教程介绍了如何在 Pandas 中使用 DataFrame.merge()方法合并两个 DataFrames。

Pandas loc vs iloc

发布时间:2024/04/24 浏览次数:837 分类:Python

本教程介绍了如何使用 Python 中的 loc 和 iloc 从 Pandas DataFrame 中过滤数据。

扫一扫阅读全部技术教程

社交账号
  • https://www.github.com/onmpw
  • qq:1244347461

最新推荐

教程更新

热门标签

扫码一下
查看教程更方便