主要内容

xcorr

互相关

所有的页面崩溃

语法

r = xcorr (x, y)
r = xcorr (x)
r = xcorr (___maxlag)
r = xcorr (___scaleopt)
(r,滞后)= xcorr (___)

描述

例子

r= xcorr (x,y)返回互相关两个离散时间序列。互相关测量向量之间的相似度x一个向量和转移(滞后)的副本y作为一个功能的滞后。如果x和y有不同的长度,该函数附加零的短向量具有相同的长度。

例子

r= xcorr (x)返回的自相关序列x。如果x是一个矩阵,然后呢r是一个矩阵的列包含的自相关和互相关序列组合的列x。

例子

r = xcorr (___,maxlag)限制了滞后的范围从-maxlag来maxlag无论是以前的语法。

例子

r = xcorr (___,scaleopt)还指定了一个归一化互相关或自相关选项。以外的任何选项“没有”(默认)x和y有相同的长度。

例子

(r,滞后)= xcorr (___)还返回的滞后相关性计算。

例子

全部折叠

打开生活的脚本

创建一个向量x和一个向量y它等于x通过5元素转移到右边。计算和绘制的互相关估计x和y。最大的峰值发生在滞后值的元素x和y完全匹配(5)。

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

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象。

打开生活的脚本

矢量的估计自相关计算和阴谋x。最大的峰值出现在零延迟,什么时候x比赛本身没错。

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

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象。

打开生活的脚本

向量的归一化互相关计算和阴谋x和y与统一峰值,并指定一个最大的滞后10。

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

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象。

输入参数

全部折叠

输入数组,指定为一个向量,矩阵,或多维数组。如果x是一个多维数组,那么xcorr操作列在所有维度和回报每一个自相关和互相关矩阵的列。

数据类型:单|双
复数的支持:金宝app是的

输入数组,指定为一个向量。

数据类型:单|双
复数的支持:金宝app是的

最大延迟,指定为一个整数标量。如果您指定maxlag,范围从返回的互相关序列-maxlag来maxlag。如果你不指定maxlag,延迟范围= 2N- 1,N更大的长度吗x和y。

数据类型:单|双

归一化选项,指定为以下之一。

  • “没有”——生们互相关。“没有”时是唯一有效的选项吗x和y有不同的长度。

  • “有偏见的”——互相关的偏差估计:

    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——可实现序列,以便自我零延迟= 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

全部折叠

互相关或自相关,作为一个向量或矩阵返回。

如果x是一个米×N矩阵,然后xcorr (x)返回一个(2米- 1)×N2的自我和互关联矩阵的列x。如果您指定maxlag,然后r大小(2×maxlag+ 1)×N2。

例如,如果年代有三个列, 年代 = ( x 1 x 2 x 3 ) ,然后的结果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 ) 。

滞后指标,作为一个向量返回。

更多关于

全部折叠

互相关和自相关

的结果xcorr可以解释为估计的两个随机序列之间的相关性或确定的两个确定性信号之间的相关性。

真正的互相关序列两个共同的平稳随机过程,xn和yn的话,是

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

在哪里−∞<n<∞星号表示复杂的结合,E是期望值算子。xcorr只能估计序列,因为在实践中,只有一个有限的无限长的随机过程的一个实现。

默认情况下,xcorr计算原始相关性没有归一化:

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元素的

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

一般而言,相关函数要求规范化产生一个准确的估计。你可以控制的标准化相关使用输入参数scaleopt。

引用

[1]巴克,约翰·R。,米ichael M. Daniel, and Andrew C. Singer.计算机探索使用MATLAB在信号与系统®。第二版。上台北:Prentice Hall出版社,2002年。

[2]斯托伊卡,那和伦道夫摩西的。光谱分析的信号。上台北:Prentice Hall出版社,2005年。

扩展功能

另请参阅

|||