Python中两个归一化时间序列信号之间的功率相关性？答案

【问题标题】：Power correlation between two normalized time-series signals in Python?Python中两个归一化时间序列信号之间的功率相关性？
【发布时间】：2019-04-03 01:51:11
【问题描述】：

我有两个标准化 ([1,0]) 信号（附图片）。每个信号都有许多波峰和波谷。然而，两个信号在大约相同的时间都有一个最大值（在所附图片中，两个信号在 2.5 秒时的最大值都是 1.0）。我想在两个信号之间运行相关性，使其最大值为 2.5 秒。当我运行 numpy.correlate 时，我在不同于最大值所在的时间步长处得到一个峰值。如何在 2.5 秒时获得最大相关峰值？任何想法/建议都会有很大帮助。谢谢！

【问题讨论】：

相关性不仅仅与峰值匹配。如果您只是想匹配峰值，那么只需关联峰值周围的一些窗口？也许您想关联积分而不是实际信号？
感谢您的回复。我想考虑整个信号。如果两个信号是实时测量的，我想表明这两个信号在同一时间戳附近具有最高峰值。我很困惑如何得到一个图，显示两个峰值在大约相同的时间戳比其他任何地方都具有最大值。
你不只是在寻找两个信号的乘积吗？ numpy.correlate 将一个信号滑过另一个信号，并为您提供完全相关性。

标签： python math time-series signal-processing correlation

【解决方案1】：

要在正确的位置接收峰值，您必须除以总和元素的数量。使用求和但不除以长度的 numpy/scipy 函数很容易忽略这一点。

from scipy.signal import correlate

corr = correlate(x1, x2, 'same')
norm_arr = np.concatenate((np.arange(x1.size / 2)[::-1], np.arange(x1.size / 2)))
corrected_corr = corr / (samples.size - norm_arr)/(np.std(x1)*np.std(x2))

【讨论】：

关于该实现我有几个问题：假设数组 x1 和 x2 的大小分别为 (600,)。然后，由于 [x1.size / 2:]，corr 将是 (300,)。正确的？另外，samples.size (300,) 也一样吗？
是的。你说的对。它取自自相关实现并且仅支持正时移。我已经编辑过了。希望能让你满意。