文件帮助中心文件
交叉协方差
c = Xcov(x,y)
c = Xcov(x)
c = xcov(___,maxlag)
c = xcov(___,scaleopt)
[c,滞后] = Xcov(___)
例子
C= Xcov(X那y)返回交叉协方差两个离散时间序列。交叉协方差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。
C= Xcov(X那y)
C
X
y
C= Xcov(X)返回自电权力量序列X。如果X是一个矩阵,然后C是一个矩阵,其列包含用于所有组合的自电转换和交叉协方差序列X。
C= Xcov(X)
C= Xcov(___那Maxlag.)设置滞后范围-maxlag.至Maxlag.对于前一个语法中的任何一个。
C= Xcov(___
Maxlag.
-maxlag.
C= Xcov(___那ScaleOpt.)还指定交叉协方差或自动权力的归一化选项。除了以外的任何选择'没有任何'(默认值)需要输入X和y具有相同的长度。
ScaleOpt.
'没有任何'
[C那滞后] = Xcov(___)还返回计算协方差的滞后。
[C那滞后] = Xcov(___
滞后
全部收缩
创建随机数的向量X和一个矢量y那是等于的X向右移动3个元素。计算和绘制估计的交叉协方差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(-3)。
RNG.默认x =兰特(20,1);Y = Cirsprift(X,3);[c,滞后] = Xcov(x,y);茎(滞后,C)
创建一个20×1个随机向量,然后计算并绘制估计的自动重变。最大的尖峰发生在零滞后,其中载体完全等于自身。
RNG.默认x =兰特(20,1);[C,LAG] = Xcov(x);茎(滞后,C)
计算和绘制白高斯噪声的估计自电胞变量, C ( m ) , 为了 - 1 0. ≤. m ≤. 1 0. 。归一化序列,使其在零滞后处于Unity。
RNG.默认X = RANDN(1000,1);maxlag = 10;[c,lags] = xcov(x,maxlag,'标准化');茎(滞后,C)
创建由两个信号组成的信号,该信号由50个样本彼此圆周移动。
RNG.默认SHFT = 50;s1 = rand(150,1);S2 = Cirsprift(S1,[SHFT 0]);x = [S1 S2];
计算和绘制自动控制性和相互交叉协方差序列的偏置估计。输出矩阵C组织为四个列向量,使其如此 C = ( C S. 1 S. 1 C S. 1 S. 2 C S. 2 S. 1 C S. 2 S. 2 ) 。 C S. 1 S. 2 在-50和+100和+ 100 +上有最大值 C S. 2 S. 1 由于圆周转移,在+50和-100处具有最大值。
[c,滞后] = xcov(x,'偏见');情节(滞后,c)传说('c_ {s_1s_1}'那'c_ {s_1s_2}'那'c_ {s_2s_1}'那'c_ {s_2s_2}')
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XCOV.在所有维度上运行列,并将每个自动转换和交叉协方差返回为矩阵的列。
XCOV.
数据类型:单身的|双倍的复数支持:万博1manbetx是的
单身的
双倍的
输入数组,指定为向量。
最大滞后,指定为整数标量。如果您指定Maxlag.,返回的交叉协方差序列范围来自-maxlag.至Maxlag.。默认情况下,滞后范围等于2N- 1,在哪里N输入的长度越大X和y。
数据类型:单身的|双倍的
'偏见'
“无偏见”
'标准化'
'coeff'
归一化选项,指定为以下之一。
'没有任何'- 原始,未加工的交叉协方差。'没有任何'输入时是唯一有效的选项X和y有不同的长度。
'偏见'- 偏见横跨协方差的估计。
“无偏见”- 对交叉协方差的无偏见估计。
'标准化'或者'coeff'- 归一化序列,使自动援助处于零滞后等于1。
交叉协方差或自动权力,作为向量或矩阵返回。
如果X是一个m×N矩阵,然后Xcov(x)返回A.(2m- 1)×N2矩阵与自动统计学和跨可协方差的列X。如果您指定最大滞后Maxlag.,然后输出C有尺寸(2×Maxlag.+ 1)×N2。
Xcov(x)
例如,如果S.有三列, S. = ( X 1 X 2 X 3. ) ,那是结果c = Xcov(s)组织为
S.
c = Xcov(s)
C = ( C X 1 X 1 C X 1 X 2 C X 1 X 3. C X 2 X 1 C X 2 X 2 C X 2 X 3. C X 3. X 1 C X 3. X 2 C X 3. X 3. ) 。
滞后指数,作为向量返回。
XCOV.计算其输入的平均值,减去平均值,然后呼叫XCorr.。
XCorr.
的结果XCOV.可以解释为两个随机序列之间的协方差的估计,或者是两个确定性信号之间的确定性协方差。
两个共同固定式随机过程的真正交叉协方差序列,XN和yN,是平均序列的互相关,
φ. X y ( m ) = E. { ( X N + m - μ. X ) ( y N - μ. y ) * ) } 那
在哪里μ.X和μ.y是两个固定式随机过程的平均值,星号表示复合缀合,和E.是预期的价值运算符。XCOV.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,XCOV.计算未经规范化的原始协方差:
C X y ( m ) = { σ. N = 0. N - m - 1 ( X N + m - 1 N σ. 一世 = 0. N - 1 X 一世 ) ( y N * - 1 N σ. 一世 = 0. N - 1 y 一世 * ) 那 m ≥ 0. 那 C y X * ( - m ) 那 m < 0。
输出矢量C有元素给出
厘米) = C X y ( m - N ) 那 m = 1 那 ...... 那 2 N - 1。
协方差函数需要归一化以正确估计函数。您可以使用输入参数来控制相关性的归一化ScaleOpt.。
[1] Orfanidis,Sophocles J.最佳信号处理:介绍。第2版。纽约:McGraw-Hill,1996。
[2] Larsen,Jan.“相关函数和功率谱”。2009年11月。https://www2.imm.dtu.dk/pubdb/edoc/imm4932.pdf.
https://www2.imm.dtu.dk/pubdb/edoc/imm4932.pdf.
使用说明和限制:
这X输入必须是高级列向量。
这y输入必须是非高大的向量。
语法Xcov(x)不受支持。万博1manbetx
这ScaleOpt.不支持选项。万博1manbetx
如果您指定Maxlag.然后它必须满足maxlag <= max(numel(x),numel(y)) - 1。
maxlag <= max(numel(x),numel(y)) - 1
这滞后输出作为高列向量返回。
有关更多信息,请参阅高阵列。
此功能完全支持GPU阵列。万博1manbetx有关更多信息,请参阅在GPU上运行matlab函数(并行计算工具箱)。
例如,创建一个GPUArray.来自信号的对象X并计算估计的自动权力。
GPUArray.
T = 0:0.001:10-0.001;x = cos(2 * pi * 10 * t)+ Randn(尺寸(t));x = gpuarray(x);[c,滞后] = Xcov(x,200);c =聚集(c);
conv|Corlcoef.|COV.|XCorr.
conv
Corlcoef.
COV.
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室