主要内容

XCorr.

交叉相关

页面上倒塌

句法

r = xcorr（x，y）
r = xcorr（x）
r = xcorr（___，maxlag）
r = xcorr（___，scaleopt）
[r，lags] = xcorr（___）

描述

例子

R.= Xcorr（X那y）返回交叉相关两个离散时间序列。互相关测量矢量之间的相似性X并转移（滞后）矢量副本y作为滞后的函数。如果X和y具有不同的长度，该函数将零点附加到较短的向量的末端，因此它与另一个相同的长度。

例子

R.= Xcorr（X）返回自相关序列X。如果X是一个矩阵，然后R.是一个矩阵，其列包含用于所有组合的自相关和交互相关序列X。

例子

r = xcorr（___那Maxlag.）限制滞后范围-maxlag.至Maxlag.对于前一个语法中的任何一个。

例子

r = xcorr（___那ScaleOpt.）还指定跨关联或自相关的归一化选项。除了以外的任何选择'没有任何'（默认）需要X和y具有相同的长度。

例子

[R.那滞后] = Xcorr（___）还返回计算相关联的滞后。

例子

全部收缩

打开直播脚本

创建矢量X和一个矢量y那是等于的X向右移动5个元素。计算和绘制估计的互相关X和y。当元素的元素时，最大的尖峰发生在滞后值X和y匹配完全（-5）。

n = 0:15;x = 0.84。^ n;Y = Cirsprift（X，5）;[c，滞后] = Xcorr（x，y）;茎（滞后，C）

图包含轴。轴包含型杆的物体。

打开直播脚本

计算和绘制载体的估计自相关X。最大的尖峰发生在零滞后，当时X完全匹配自己。

n = 0:15;x = 0.84。^ n;[c，滞后] = xcorr（x）;茎（滞后，C）

图包含轴。轴包含型杆的物体。

打开直播脚本

计算和绘制载体的标准化交叉相关性X和y使用Unity Peak，并指定最大滞后10.。

n = 0:15;x = 0.84。^ n;Y = Cirsprift（X，5）;[c，滞后] = xcorr（x，y，10，'标准化'）;茎（滞后，C）

图包含轴。轴包含型杆的物体。

输入参数

全部收缩

输入数组，指定为向量，矩阵或多维数组。如果X那是一个多维数组XCorr.在所有维度上运行列，并将每个自相关和互相关作为矩阵的列。

数据类型：单身的|双倍的
复数支持：万博1manbetx是的

输入数组，指定为向量。

数据类型：单身的|双倍的
复数支持：万博1manbetx是的

最大滞后，指定为整数标量。如果您指定Maxlag.，返回的互相关序列范围-maxlag.至Maxlag.。如果您未指定Maxlag.，滞后范围等于2N- 1，在哪里N是大的长度X和y。

数据类型：单身的|双倍的

归一化选项，指定为以下之一。

  • '没有任何'- 原始，未加工的互相关。'没有任何'是唯一有效的选择X和y有不同的长度。

  • '偏见'- 偏见的互相关估计：

    R. ^ X y 那 偏见 （ m ） = 1 N R. ^ X y （ m ） 。

  • “无偏见”- 对互相关的无偏见估计值：

    R. ^ X y 那 无偏见 （ m ） = 1 N - | m | R. ^ X y （ m ） 。

  • '标准化'或者'coeff'- 归一化序列，使自相关零滞后等于1：

    R. ^ X y 那 COEFF. （ m ） = 1 R. ^ X X （ 0. ） R. ^ y y （ 0. ） R. ^ X y （ m ） 。

输出参数

全部收缩

互相关或自相关，作为向量或矩阵返回。

如果X是一个m×N矩阵，然后Xcorr（x）返回A.（2m- 1）×N2具有自相关的矩阵和列的互相关X。如果您指定Maxlag.， 然后R.有尺寸（2×Maxlag.+ 1）×N2。

例如，如果S.有三列， S. = （ X 1 X 2 X 3. ） ，那是结果r = xcorr（s）组织为

R. = （ R. X 1 X 1 R. X 1 X 2 R. X 1 X 3. R. X 2 X 1 R. X 2 X 2 R. X 2 X 3. R. X 3. X 1 R. X 3. X 2 R. X 3. X 3. ） 。

滞后指数，作为向量返回。

更多关于

全部收缩

交叉相关和自相关

的结果XCorr.可以解释为两个随机序列之间的相关性的估计，或者是两个确定性信号之间的确定性相关性。

两个共同固定式随机过程的真正互相关序列，XN和yN， 是（谁）给的

R. X y （ m ） = E. { X N + m y N * } = E. { X N y N - m * } 那

在哪里-∞<N<∞，星号表示复杂共轭，E.是预期的价值运算符。XCorr.只能估计序列，因为在实践中，只有一个有限段的一个实现无限长度随机过程。

默认，XCorr.计算没有归一化的原始相关性：

R. ^ X y （ m ） = { σ. N = 0. N - m - 1 X N + m y N * 那 m ≥ 0. 那 R. ^ y X * （ - m ） 那 m < 0。

输出矢量，C，有元素由

C （ m ） = R. ^ X y （ m - N ） 那 m = 1 那 2 那 ...... 那 2 N - 1。

通常，相关函数需要归一化以产生准确的估计。您可以使用输入参数来控制相关性的归一化ScaleOpt.。

参考

[1]巴克，约翰·罗，迈克尔·丹尼尔和安德鲁C.歌手。使用MATLAB的信号和系统的计算机探索®。第2版​​。上鞍河，新泽西：Prentice Hall，2002。

[2] Stoica，Betre和Randolph摩西。信号的光谱分析。上部马鞍河，NJ：Prentice Hall，2005。

扩展能力

也可以看看

|||

MATLAB文件

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书