-- Ref [1] [2] [3] ------------------------------------------------------------------------

1.自相关和互相关概念


互相关(Cross-correlation)

对于连续函数,有如下定义:

对于离散函数,有如下定义:

在信号处理中,用互相关来衡量两个时间序列 x(t) 和 y(t) 在两个不同时刻 t1,t2 的取值之间的相似程度,通常可以用于在长序列中寻找一个特定的短序列。

在数理统计中,互相关用来两个随机序列的相关性。

从定义式中可以看到,互相关函数和卷积运算类似,也是两个序列滑动相乘,但是区别在于:

互相关的两个序列都不翻转,直接滑动相乘,求和;卷积的其中一个序列需要先翻转,然后滑动相乘,求和。

所以,f(t)和g(t) 做相关等于 f*(-t) 与 g(t) 做卷积。

自相关(Auto-correlation)

在信号分析当中通常将自相关函数称之为自协方差方程,定义如下:

自相关是互相关的一种特殊情况,就是一个序列和它本身做相关,主要用来衡量一个序列在不同时刻取值的相似程度

在数理统计中,自相关的定义式如下:

如果随机过程是一个宽平稳过程,那么均值和方差都不是时间的函数,所以,自相关定义式变为:

在某些学科中,会去掉归一化因子σ2,使用自协方差来代替自相关。但是归一化因子可以让自相关的取值在 [-1, +1] 之间,不会随着序列的绝对大小而变化。

在信号处理中,

自相关的定义会去掉归一化,即不用减去均值,也不用除以方差。当除以方差时,一般叫做另外一个名字:自相关系数(Autocorrelation coefficient)。

2.相关(Correlation)


相关是概率论与统计学中用来刻画两个随机变量之间统计关系的强弱和方向的量。在广义的定义下,有很多种类的相关系数(Correlation coefficient),它们通常用字母ρ或者 r来表示。

我们通常说的相关系数的学名是:皮尔逊积差系数(Pearson's product moment coefficient),这种相关系数只对两个变量的线性关系敏感。


皮尔逊积差系数

Pearson 相关系数使用两个变量的协方差和标准差来定义:

其中,cov 是协方差,sigma 是标准差。因为 cov 可以写作:

所以 Person 相关系数的定义式可以写作:

根据概率论知识可以得到如下的变形形式:

基于样本来估计协方差和标准差,可以得到定义如下:

通过变形,可以得到下式:


相关程度与相关函数的之间的联系
在概率论和统计学中,相关(或称相关系数或关联系数),显示两个随机变量之间线性关系的强度和方向。在统计学中,相关的意义是用来衡量两个变量相对于其相互独立的距离。相关系数只是一个比率,不是等单位量度,无什么单位名称,也不是相关的百分数,一般取小数点后两位来表示。相关系数的正负号只表示相关的方向,绝对值表示相关的程度。因为不是等单位的度量,因而不能说相关系数0.7是0.35两倍,只能说相关系数为0.7的二列变量相关程度比相关系数为0.35的二列变量相关程度更为密切和更高。也不能说相关系数从0.70到0.80与相关系数从0.30到0.40增加的程度一样大。
对于相关系数的大小所表示的意义目前在统计学界尚不一致,但通常按下是这样认为的:
相关系数     相关程度
0.00   - ±0.30      微相关
±0.30 - ±0.50    实相关
±0.50 - ±0.80    显著相关
±0.80 - ±1.00    高度相关

-------------------------------------------------------------------------------------------

-- Ref [4] --------------------------------------------------------------------------------

3.MATLAB下计算相关的函数


具体函数描述和句式参看help,具体代码查看对应m文件,下面简述各函数输出:

xcorr 

函数可输出两向量间的互相关(不等长补零)或者向量和矩阵的自相关,可返回时间延迟lags。

xcov  

函数减去减去两序列的各自的均值后调用xcorr计算输出互协方差。

corrcoef

可计算多个序列的互相关和自相关,并依据自相关值归一化。序列表示为列向量,函数计算序列两两之间的皮尔逊互相关系数和自相关系数,自相关系数取值定为1进行归一化,返回延时为0时的相关系数取值(等同于 xcov(x,'coeff') 下0延时位置处的取值 )。可自行检验序列间是否相关,p<0.05。

autocorr

减去序列均值后计算自相关,并将0延时的取值定为1进行归一化并划分可信区间。

crosscorr

计算互相关系数(皮尔逊系数),并划分可信区间。

-------------------------------------------------------------------------------------------

参考链接:

[1]http://guqian110.github.io/pages/2015/03/16/correlation_coefficient_and_matlab_function.html

[2]http://blog.csdn.net/scuthanman/article/details/5588138

[3]http://blog.sina.com.cn/s/blog_6ce23c390101c6zc.html

[4]http://cn.mathworks.com/help/

序列的自相关和互相关计算相关推荐

  1. c语言复数序列求自相关,序列的自相关和互相关计算

    -- Ref [1] [2] [3] ------------------------------------------------------------------------ 1.自相关和互相 ...

  2. 数字信号处理中的自相关和互相关计算和物理意义(一)

    1.首先说说自相关和互相关的概念.     这个是信号分析里的概念,他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度,即互相关函数是描述随机信号x(t),y(t) ...

  3. 数字信号处理中的自相关和互相关计算和物理意义(二)

    在信号处理中,经常要研究两个信号的相似性,或者一个信号经过一段时间延迟后自身的相似性,以便实现信号检测.识别与提取等. 可用于研究信号相似性的方法称为相关,该方法的核心概念是相关函数和互相关函数. 1 ...

  4. 序列自相关矩阵的计算和分析

    序列自相关矩阵的计算和分析 这几天在搞DSP的时候遇到的一些问题,稍微整理了一下 在下文中,你将会看到:平稳过程到底有什么意义.随机信号处理是如何与固定信号分析联系起来的.自相关函数的定义.自相关矩阵 ...

  5. 自相关与互相关在matlab中实现

    之前要做一个图像匹配的灰度投影算法,要用到互相关函数,matlab真是好啊,一个函数搞掂,只要弄清楚参数意义就可以了,先转载在网上搜到的吧 ****************************** ...

  6. 信号处理:自相关和互相关

    1. 首先说说自相关和互相关的概念.     这个是信号分析里的概念,他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度,即互相关函数是描述随机信号x(t),y(t ...

  7. matlab做互相关分析,自相关与互相关在matlab中实现_互相关在matlab中实现

    1. 首先说说自相关和互相关的概念. 这个是信号分析里的概念,他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度,即互相关函数是描述随机信号x(t),y(t)在任意 ...

  8. Matlab实现自相关矩阵,自相关矩阵的计算

    自相关定义,复数时取共轭 自相关矩阵 自相关矩阵性质 计算自相关矩阵. Matlab实现自相关矩阵 Matlab中用于计算自相关函数的指令是xcorr.比如矩阵A=[1 2 3]; xcorr(A)= ...

  9. GPS L5 信号卫星的扩频码,自相关,互相关

    GPS L5 信号卫星的扩频码,自相关,互相关 原理图 code片段 PPR为卫星编号 I5为Xb_I的起始number,Q5为Xb-Q的起始number,后面两列为初始化值,循环到头后,需要再初始化 ...

最新文章

  1. MongoDB的NUMA CPU架构问题
  2. WCF 第六章 序列化和编码之DataContractJsonSerializer
  3. 产品优化成果过关?监控数据说了算
  4. linux 程序随命令窗口退出一起退出
  5. linux终端使用python3,3 个 Python 命令行工具 | Linux 中国
  6. idea导包都报错_IDEA+Springboot 导出jar包,war包
  7. Mysql学习总结(15)——Mysql错误码大全
  8. hdu 2844 Coins (多重背包+二进制优化)
  9. 查看oracle客户端的版本,Oracle客户端版本及位数(Windows系统)查看方法
  10. Photoshop 更换证件照底色
  11. 2018PS cc版本最新最实用学习笔记
  12. 在直流电源(Vcc)和地之间并接电容的作用
  13. HBase Java API操作数据库
  14. CSS3有趣的渐变色
  15. ElasticSearch painless脚本实现自定义打分排序
  16. C# 模拟鼠标移动和点击(转载)
  17. RL policy gradient 之 A2C, A3C,PPO小总结
  18. Python爬虫入门【19】: B站博人传评论数据抓取 scrapy
  19. Js实战之实现方块拖拽功能
  20. MySQL配置 三大范式

热门文章

  1. UC Berkeley AI Project -MindsDB 学习
  2. signature=c4909c704a84f06fbd526ac646c599dd,각변위 방식을 이용한 캡슐의 오리엔테이션 측정 방법...
  3. CouchDB查询文档
  4. 国内CMS技术发展的外在表现形式
  5. 设计模式学习笔记(C++实现)(七)--适配器模式
  6. 【notes|奇点临近】chapter1
  7. Json字符串转JsonObject例子
  8. Jmeter TCP 取样器 上一个请求响应结果参数传个下一个请求,响应结果为空
  9. Android 集成友盟统计
  10. 区块链存在哪些安全缺陷?怎么解决?