Python中的信号处理。查找序列数据中的偏移

Question

我有这样的数据： [1,3,3,....1] ~ 500 个号码。

每 1 毫秒，我有一个新的，但有一些偏移（5-10 分）+小噪音。

E.g:
 [1 2 3 4 3 21 4 5...]
 [0 4 3 1 2  3 4 19 7 5 ...] 

在这种情况下，移位是 3。

我想知道这种转变。 我怎样才能得到它？

傅立叶方法是减慢..因为我每秒有很多行。 find time shift between two similar waveforms

可能有一些快速的方法？ 或者也许我应该只对我的部分数据使用傅立叶（因为它们几乎像整体一样移动）。 非常感谢。

Answer 1

如果您知道滞后只有几个样本 5-10，那么您可以使用自相关来找到它。如果您只针对这个有限的小滞后范围进行计算，它应该会很快。如果你计算所有可能的滞后，那么它可能会很慢。

这是一个使用修改后的 AMDF 算法的示例：

import numpy as np

def modified_amdf(x1, x2, steps):
    N = min(len(x1), len(x2))
    res = []
    for step in steps:
        sm = 0
        for n in range(0, N - step):
            sm += np.abs(x1[n] - x2[n + step])
        sm = sm * (1.0 / (N - step - 1))
        res.append(sm)
    return res

#x1 = [1, 2, 3, 4, 3, 21, 4, 5]
#x2 = [0, 4, 3, 1, 2, 3, 4, 19, 7, 5]
x1 = np.sin(np.linspace(0, 10*np.pi, 500))
x2 = np.r_[[0,0], x1]  # add two lag entries
penalties = modified_amdf(x1, x2, range(5))
print "Found lag:", np.argmin(penalties)

如果将计算更改为仅使用 numpy，则可以稍微提高速度，但这应该会花费很长时间，因为只有 500 个样本会出现一些延迟。