主要内容

xcorr

互相关

折叠所有页面

语法

r=xcorr（x，y）
r = xcorr (x)
r = xcorr (＿＿＿，maxlag）
r = xcorr (＿＿＿，scalept）
(r,滞后)= xcorr (＿＿＿）

描述

例子

r= xcorr (x，y）返回互相关指两个离散时间序列。互相关度量向量之间的相似性x以及移动(滞后)的矢量拷贝y作为滞后的函数。如果x和y有不同长度的向量时，函数会在较短的向量后面加0，这样它和另一个向量的长度相同。

例子

r= xcorr (x）的自相关序列x．如果x那么，这是一个矩阵r是一个矩阵，其列包含所有列组合的自相关和互相关序列x．

例子

r = xcorr (＿＿＿，maxlag）限制滞后范围从-maxlag来maxlag对于前面的任何一个语法。

例子

r = xcorr (＿＿＿，鳞片）还为相互关系或自相关指定规范化选项。除了“没有”(默认)x和y有相同的长度

例子

［r，滞后]=xcorr(＿＿＿）还返回计算相关性时的滞后时间。

例子

全部崩溃

打开实时脚本

创建一个向量x和一个向量y那等于x向右移动5个元素。计算并绘制估计的相互关系x和y. 当x和y完全匹配(5)。

n=0:15；x=0.84。^n；y=circshift（x，5）；[c，lags]=xcorr（x，y）；stem（lags，c）

图中包含一个轴对象。axis对象包含一个类型为stem的对象。

打开实时脚本

计算和绘图估计自相关的一个向量x．最大的峰值出现在零延迟，当x比赛本身没错。

n=0:15；x=0.84.^n；[c，滞后]=xcorr（x）；阀杆（滞后，c）

图中包含一个轴对象。axis对象包含一个类型为stem的对象。

打开实时脚本

计算并绘制矢量的标准化互相关x和y具有单位峰值，并指定最大滞后10．

n=0:15；x=0.84。^n；y=circshift（x，5）；[c，lags]=xcorr（x，y，10，“归一化”)；阀杆（滞后，c）

图中包含一个轴对象。axis对象包含一个类型为stem的对象。

输入参数

全部崩溃

输入数组，指定为向量、矩阵或多维数组。如果x是一个多维数组，那么xcorr跨所有维度按列操作，并将每个自相关和互相关作为矩阵的列返回。

数据类型:单|双重的
复数的支持:金宝app是的

输入数组，指定为向量。

数据类型:单|双重的
复数的支持:金宝app是的

最大滞后，指定为整数标量。如果您指定maxlag，返回的互相关序列的范围为-maxlag来maxlag。如果您没有指定maxlag，滞后范围等于2N–1，其中N是长度中的较大值x和y．

数据类型:单|双重的

正常化选项，指定为下列选项之一。

  • “没有”-未标度的原始互相关。“没有”是在以下情况下唯一有效的选项：x和y有不同的长度。

  • “有偏见的”-互相关的有偏估计：

    R ＾ x y ， 有偏见的 （ 米 ） ＝ 1 N R ＾ x y （ 米 ） ．

  • “公正”-互相关的无偏估计：

    R ＾ x y ， 无偏见的 （ 米 ） ＝ 1 N − | 米 | R ＾ x y （ 米 ） ．

  • “归一化”或多项式系数的-将序列归一化，使零滞后时的自相关性等于1:

    R ＾ x y ， 多项式系数 （ 米 ） ＝ 1 R ＾ x x （ 0 ） R ＾ y y （ 0 ） R ＾ x y （ 米 ） ．

输出参数

全部崩溃

互相关或自关，以向量或矩阵的形式返回。

如果x是一个米×N矩阵，那么xcorr (x)返回一个（2米– 1) ×N2列的自相关和互相关矩阵x。如果你指定maxlag,然后r尺寸(2 ×maxlag+ 1)×N2．

例如,如果年代有三列,， 年代 ＝ （ x 1 x 2 x 3. ） ，然后是结果R = xcorr (S)被组织为

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

全部崩溃

互相关和自相关

结果xcorr可以解释为两个随机序列之间的相关性的估计或两个确定性信号之间的确定性相关性。

两个联合平稳随机过程的真实互相关序列，xn和yn，由

R x y （ 米 ） ＝ E ｛ x n + 米 y n ＊ ｝ ＝ E ｛ x n y n − 米 ＊ ｝ ，

在哪里−∞<n<∞，星号表示复杂的共轭E是期望值运算符。xcorr只能估计序列，因为在实践中，只有有限段的一个无限长的随机过程的实现是可用的。

默认情况下，xcorr计算未归一化的原始关联:

R ＾ x y （ 米 ） ＝ ｛ ∑ n ＝ 0 N − 米 − 1 x n + 米 y n ∗ ， 米 ≥ 0 ， R ＾ y x ＊ （ − 米 ） ， 米 < 0

输出向量，c的元素

c （ 米 ） ＝ R ＾ x y （ 米 − N ） ， 米 ＝ 1 ， 2 ， ．.. ， 2 N − 1.

一般来说，相关函数需要归一化来产生准确的估计。您可以使用输入参数来控制相关性的规范化鳞片．

工具书类

巴克、约翰·R·巴克、迈克尔·m·丹尼尔和安德鲁·c·辛格。使用MATLAB的信号与系统计算机探索®. 第二版。上鞍河，新泽西州：普伦蒂斯大厅，2002年。

斯托伊卡，彼得和伦道夫·摩西。信号的频谱分析. 上鞍河，新泽西州：普伦蒂斯大厅，2005年。

扩展功能

另请参阅

|||

MATLAB文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书