主要内容

xcov

Cross-covariance

所有的页面崩溃

语法

c = xcov (x, y)
c = xcov (x)
c = xcov (<年代pan class="argument_placeholder">___maxlag)
c = xcov (<年代pan class="argument_placeholder">___scaleopt)
[c,滞后]= xcov (<年代pan class="argument_placeholder">___)

描述

例子

c= xcov (x,y)返回cross-covariance两个离散时间序列。Cross-covariance措施一个向量之间的相似度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

c= xcov (x)返回自协方差的序列x。如果x是一个矩阵,然后呢c矩阵的列包含的自协方差和cross-covariance序列组合的列x。

例子

c= xcov (<年代pan class="argument_placeholder">___,maxlag)设置滞后的范围从-maxlag来maxlag无论是以前的语法。

例子

c= xcov (<年代pan class="argument_placeholder">___,scaleopt)还指定了一个标准化的选择cross-covariance或自协方差。以外的任何选项“没有”(默认)需要输入x和y有相同的长度。

例子

(c,滞后)= xcov (<年代pan class="argument_placeholder">___)还返回滞后协方差的计算。

例子

全部折叠

打开生活的脚本

创建一个向量随机的数字x和一个向量y它等于x向右移3元素。计算的估计cross-covariance和情节x和y。最大的峰值发生在滞后值的元素x和y完全匹配(3)。

rng<年代pan style="color:#A020F0">默认的1 x =兰特(20日);y = circshift (x, 3);[c,滞后]= xcov (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

创建一个20-by-1随机向量,然后计算和绘制自协方差估计。最大的峰值发生在零延迟,向量正好等于本身。

rng<年代pan style="color:#A020F0">默认的1 x =兰特(20日);[c,滞后]= xcov (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

计算和情节估计自协方差的高斯白噪声,<年代pan class="inlineequation"> c ( 米 ) ,因为<年代pan class="inlineequation"> - - - - - - 1 0 ≤ 米 ≤ 1 0 。正常序列,以便它是团结在零延迟。

rng<年代pan style="color:#A020F0">默认的x = randn (1000 1);maxlag = 10;[c,滞后]= xcov (x, maxlag<年代pan style="color:#A020F0">“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。

打开生活的脚本

创建一个信号的两个信号50圆互相转移的样本。

rng<年代pan style="color:#A020F0">默认的shft = 50;s1 =兰德(150 1);(s1, s2 = circshift [shft 0]);x = (s1 s2);

计算和情节有偏见的估计自协方差和相互cross-covariance序列。输出矩阵c组织等四个列向量<年代pan class="inlineequation"> c = ( c 年代 1 年代 1 c 年代 1 年代 2 c 年代 2 年代 1 c 年代 2 年代 2 ) 。<年代pan class="inlineequation"> c 年代 1 年代 2 最大值在-50和+ 100<年代pan class="inlineequation"> c 年代 2 年代 1 最大值在+ 50和-100的圆形转变。

[c,滞后]= xcov (x,<年代pan style="color:#A020F0">“有偏见的”);情节(滞后,c)传说(<年代pan style="color:#A020F0">“c_ {s_1s_1}’,<年代pan style="color:#A020F0">“c_ {s_1s_2}’,<年代pan style="color:#A020F0">“c_ {s_2s_1}’,<年代pan style="color:#A020F0">“c_ {s_2s_2}’)

图包含一个坐标轴对象。坐标轴对象包含4线类型的对象。这些对象代表c_ {s_1s_1}, c_ {s_1s_2}, c_ {s_2s_1}, c_ {s_2s_2}。

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xcov操作列在所有维度和返回的每个自协方差和cross-covariance列矩阵。

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,返回cross-covariance范围从序列-maxlag来maxlag。默认情况下,延迟范围= 2N- 1,N更大的输入的长度吗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cross-covariance。“没有”当输入是唯一有效的选项x和y有不同的长度。

  • “有偏见的”——cross-covariance的偏差估计。

  • “公正”——cross-covariance的无偏估计。

  • “归一化”或多项式系数的——规范化序列的自协方差的零延迟等于1。

输出参数

全部折叠

Cross-covariance或自协方差,作为一个向量或矩阵返回。

如果x是一个<年代pan class="inlineequation">米×N矩阵,然后xcov (x)返回一个<年代pan class="inlineequation">(2米- 1)×N2矩阵的自协方差和cross-covariances列x。如果你指定一个最大滞后maxlag,然后输出c大小(2×maxlag+ 1)×<年代pan class="inlineequation">N2。

例如,如果年代有三个列,<年代pan class="inlineequation"> 年代 = ( x 1 x 2 x 3 ) ,然后的结果C = xcov (S)被组织为

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 ) 。

滞后指标,作为一个向量返回。

更多关于

全部折叠

Cross-Covariance和自协方差

xcov计算的意思是输入,减去均值,然后调用xcorr。

的结果xcov可以解释为两个随机序列之间的协方差估计或者确定的两个确定性信号之间的协方差。

两个共同的真正cross-covariance序列平稳随机过程,x<年代ub>n和y<年代ub>nmean-removed序列的互相关,

ϕ x y ( 米 ) = E { ( x n + 米 − μ x ) ( y n − μ y ) ∗ ) } ,

在哪里μ<年代ub>x和μ<年代ub>y的平均值是平稳随机过程,两个星号表示复杂的结合,然后呢E是期望值算子。xcov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,xcov没有计算生协方差归一化:

c x y ( 米 ) = { ∑ n = 0 N − 米 − 1 ( x n + 米 − 1 N ∑ 我 = 0 N − 1 x 我 ) ( y n ∗ − 1 N ∑ 我 = 0 N − 1 y 我 ∗ ) , 米 ≥ 0 , c y x ∗ ( − 米 ) , 米 < 0。

输出向量c有元素的

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

协方差函数要求规范化估计正常运转。你可以控制的标准化相关使用输入参数scaleopt。

引用

[1]Orfanidis,索福克勒斯J。最优信号处理:介绍。第二版。纽约:麦格劳-希尔,1996年。

1月”[2]拉森,相关函数和功率谱。2009年11月,”。https://www2.imm.dtu.dk/pubdb/edoc/imm4932.pdf

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

另请参阅

|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">

MATLAB的文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书