相关性和卷积

PySPT提供了一系列相关性和卷积函数，用于检测信号相似性。确定周期性，找到隐藏在长数据记录中的感兴趣的信号，并测量信号之间的延迟以同步它们。计算线性时不变 (LTI) 系统对输入信号的响应，执行多项式乘法，并执行循环卷积。

python函数

---

网址：https://docs.scipy.org/doc/scipy/reference/signal.html#module-scipy.signal

描述：scipy.signal

卷积函数

序号	函数名	功能描述
1	scipy.signal.convolve	两个 N 维数组卷积
2	scipy.signal.correlate	两个 N 维数组互相关
3	scipy.signal.fftconvolve	使用 FFT 对两个 N 维数组进行卷积
4	scipy.signal.oaconvolve	使用重叠相加方法对两个 N 维数组进行卷积

Matlab函数

---

序号	函数名	功能描述
1	corrmtx	自相关矩阵估计的数据矩阵
2	xcorr2	二维互相关
3	cconv	循环卷积
4	convmtx	卷积矩阵
5	alignsignals	通过延迟最早的信号来对齐两个信号
6	dtw	使用动态时间扭曲的信号之间的距离
7	edr	编辑真实信号的距离
8	finddelay	估计信号之间的延迟
9	findsignal	使用相似性搜索查找信号位置

主题

---

常见应用

• -在测量中找到一个信号——确定一个信号是否与嘈杂的较长数据流的一段相匹配。
• 对齐两个简单信号——学习使用互相关对齐不同长度的信号。
• 将信号与不同开始时间对齐——同步不同传感器在不同时刻采集的数据。
• 使用互相关性对齐信号——使用互相关性融合异步数据。
• 使用自相关求周期性——验证含噪信号中是否存在周期，并确定其持续时间。
• 回声消除——使用自相关过滤语音记录中的回声。

自相关和互相关

• 多通道输入的互相关——计算一个多通道信号的自相关和互相关
• 样本自相关的置信区间——为白噪声过程的自相关序列创建置信区间
• 指数序列的自相关函数——计算指数序列的自相关，并将其与分析结果进行比较。
• 两个指数序列的互相关——计算两个指数序列的互相关，并将其与分析结果进行比较。
• 移动平均过程的自相关——使用滤波将自相关引入白噪声过程。
• 两个移动平均过程的互相关——找到并绘制两个移动平均过程之间的互相关序列。
• 噪声中延迟信号的互相关——使用互相关序列检测噪声损坏序列中的时间延迟。
• 相位滞后正弦波的互相关——使用互相关序列估计两个正弦波之间的相位滞后。
• 线性和循环卷积——建立线性卷积和循环卷积之间的等效关系。