AnyMath 文档

相关性

两个输入的互相关函数。

blockType: Correlation

图书馆路径:

/Signal Operations/Statistics/Correlation

资料描述

座 *相关性*计算维度的两个输入数组的互相关函数 沿着第一维度。 该计算可以在时域或频域中执行。

在时域中,块对第一输入信号进行卷积 与第二输入信号的时间反向复共轭 .

在频域中,要计算互相关,块:

  1. 执行两个输入信号的傅立叶变换 .

  2. 乘数 ,在哪里 -复杂的耦合。

  3. 计算乘积的傅立叶逆变换。

港口

输入

# IN_1 — 第一个数据输入
向量资料 | 矩阵

Details

块接受具有实数或复数值的多通道和多维输入数据。 当一个或两个输入信号是复数时,输出信号也是复数。

数据类型

漂浮物16, 漂浮物32, 漂浮64, Int8, Int16, Int32, Int64, Int128, UInt8, UInt16, UInt32, UInt64, UInt128, 固定

复数支持

是的

# IN_2 — 第二数据输入
向量资料 | 矩阵

Details

块接受具有实数或复数值的多通道和多维输入数据。 当一个或两个输入信号是复数时,输出信号也是复数。

数据类型

漂浮物16, 漂浮物32, 漂浮64, Int8, Int16, Int32, Int64, Int128, UInt8, UInt16, UInt32, UInt64, UInt128, 固定

复数支持

是的

输出

# OUT_1 — 互相关输出信号
向量资料 | 矩阵

Details

两个输入信号的互相关输出。

当输入数据是多维数组时,块输出多维数组,其中除第一维外的所有维都与输入数组匹配。 例如:

*当输入信号 有尺寸 因此,块 *相关性*输出大小数组 .

*当输入信号 有尺寸 ,块输出大小的矩阵 .

如果一个输入信号是列向量而另一个输入信号是多维数组,则块 *相关性*计算向量与多维数组中每列的互相关。 例如:

*当输入信号为 表示长度的列向量 ,而 -大小矩阵 ,块输出大小的矩阵 .

*同样,当 它们是具有长度的列向量 因此,块执行矢量互相关。

数据类型

漂浮64

复数支持

是的

此外

互相关函数

Details

互相关函数是两个离散时间序列相似性的度量,取决于一个相对于另一个的延迟。

对于长度的两个确定性输入数据 或联合静止大范围随机过程(WSS)的实现, ,使用以下关系式计算互相关:

哪里

* -延迟; * -复杂的耦合。

如果输入数据是共享静止随机过程的实现, 它是理论互相关的不规则估计:

哪里 -数学期望运算符。

算法

时域中的计算

Details

输入信号可以是时域中的定点信号。

两个二维数组的相关

当输入数据为两个二维数组时, -输出数据的第列, ,包含以下元素:



哪里

* -复杂耦合;

* -输入矩阵 ;

* -输入矩阵 ;

* -矩阵 .

输入数据 如果它们在其可接受范围之外进行索引,则等于零。

列向量与二维数组的相关性_

当一个输入信号是列向量而另一个输入信号是二维阵列时,算法独立地将输入向量与二维阵列的每一列互相关。, -输出数据的第列 包含以下元素:



哪里

* -复杂耦合; * -输入矩阵 ; * -输入矩阵 ; * -矩阵 .

输入数据 如果它们在其可接受范围之外进行索引,则等于零。

两个列向量的相关

当输入数据为两列向量时, -输出数据的第列 包含以下元素:



哪里

* -复杂耦合; * -输入矩阵 . * -输入矩阵 ; * -矩阵 .

输入数据 如果它们在其可接受范围之外进行索引,则等于零。

频域中的计算

Details

为了计算互相关,算法:

  1. 接受两个输入信号的傅立叶变换 .

  2. 乘数 ,在哪里 -复杂的耦合。

  3. 计算乘积的傅立叶逆变换。

在该区域中,取决于输入数据的长度,算法可能需要更少的计算。