cross-correlation相关内容
我在(Python)statsmodels库中的ccf()方法遇到了一些问题。等效操作在R中运行良好 ccf在我的示例中产生两个变量A和B之间的互相关函数。我有兴趣了解A在多大程度上是B的领先指标。 我正在使用以下内容: import pandas as pd import numpy as np import statsmodels.tsa.stattools as smt
..
我尝试从上面的方程式实现空间谱(附后) 其中Kx,Ky是k空间中的网格点, C(w,r)-第i和第j个传感器之间的交叉谱密度(这里是大小为ns*ns>;no.传感器的数量)。 x,y是传感器之间的距离。(Kx,Ky的NK网格密度) 我寻找上述等式的合适的python实现。我有34个传感器,它们产生[row*column]=[n*34]大小的数据。首先,我在每个传感器的数据中找出了的交叉
..
我在 Matlab 的傅立叶域中为模板匹配而苦苦挣扎.这是我的图片(艺术家是 DeviantArt 上的 RamalamaCreatures): 我的目标是在负鼠的耳朵周围放置一个边界框,就像这个例子(我使用 normxcorr2 执行模板匹配): 这是我使用的 Matlab 代码: 清除所有;关闭所有;模板 = rgb2gray(imread('possum_ear.jpg'));
..
我想在 R 中使用 ccf 来计算两组时间序列数据的互相关.我的问题是如何知道图中的任何相关系数是否落在蓝色虚线之外,而无需手动查看?因为我有数万组时间序列数据要处理.提前致谢! 解决方案 这里是计算置信区间的方法: res 然而,help(plot.acf) 警告: plot.acf 中绘制的置信区间基于不相关的系列,应适当谨慎对待.使用 ci.type = "ma" 可能不
..
scipy 互相关函数根本不适用于特定的一维数组,我不知道为什么.下面的代码演示了这个问题,只需尝试使用一个跟踪而不是另一个. 这个问题与交叉相关和Python 互相关未返回正确的移位 #!/usr/bin/python3将 numpy 导入为 np从 scipy 导入信号导入 matplotlib.pyplot 作为 pltdef_main():"""跟踪= np.array([0.00
..
我想要一个更快的归一化互相关,通过它我可以计算两个图像之间的相似度.我想知道除 scipy.signal.correlate2d()和matplotlib xcorr()之外,是否有任何内置函数可以找到两个图像之间的相关性.如果这两个函数都在工作,谁能告诉我一个例子来找到两个图像之间的相关性. path1 ='D:/image/cat1.jpg'path2='D:/image/cat2.jpg
..
我有两个信号,我希望一个信号响应另一个信号,但有一定的相移. 现在,我想计算相干或归一化的交叉频谱密度,以估计输入和输出之间是否存在因果关系,以找出该相干出现在哪些频率上. 例如参见这张图片(来自这里),它似乎在频率10:
..
我查看了这个问题,但是它并没有真正给我任何答案. 本质上,如何使用 np.correlate 确定是否存在强相关性?我希望我能理解的输出与从Matlab的 xcorr 和带有 coeff 选项的输出相同(1是滞后 l 的强相关性,滞后 l 时0是不相关的),但是即使输入矢量已在0到1之间进行归一化, np.correlate 也会产生大于1的值. 示例输入 将numpy导入为npx
..
我有一系列信号长度n = 36,000,需要对其进行互相关.目前,我在numpy中执行cpu有点慢.我听说Pytorch可以大大加快张量操作,并提供了一种在GPU上并行执行计算的方法.我想探索这个选项,但是我不太确定如何使用框架来完成此操作. 由于这些信号的长度,我宁愿在频域中执行互相关运算. 通常使用numpy来执行以下操作: 将numpy导入为npsignal_length =
..
我想使用 AForge 2.2.5 计算2个声音样本的相关系数. 我从 参考: https://dsp.stackexchange.com/questions/741/为什么要在进行傅立叶变换之前先将i-zero-pad-a-signal https://dsp.stackexchange.com/questions/1919/ficiently-calculating-aut
..
我有两个相互关联的信号,并同时被两个不同的测量设备捕获. 由于这两个测量值不是时间同步的,因此我要计算它们之间的时间延迟很小.另外,我需要知道哪个信号是领先信号. 可以假定以下内容: 没有噪音或只有很少的噪音 算法的速度不是问题,只有准确性和鲁棒性 以高采样率(> 10 kHz)捕获信号几秒钟 预期时间延迟为
..
尝试显示两个卷之间的互相关,先谢谢了. Traceback (most recent call last): File "C:\Users\User\AppData\Local\Programs\Python\Python37\lib\tkinter\__init__.py", line 1705, in __call__ return self.func(*args) Fi
..
我正在尝试使用相关性来跟踪对象。我正在逐帧显示较大图像中的较小补丁。为此,我正在寻找补丁的变化,并且在相关性最大的地方,使用新补丁更新补丁。 我的代码是: cv :: Mat im_float_2,imagePart_out; cv :: Mat im_floatBig; cv :: Scalar im1_Mean,im1_Std,im2_Mean,im2_Std;
..
我正在尝试使用Python查看天文光谱,并且正在使用numpy.correlate尝试查找径向速度偏移。我正在将每个光谱与一个模板光谱进行比较。我遇到的问题是,无论我使用哪种光谱,numpy.correlate都指出相关函数的最大值随零像素的偏移而发生,即光谱已经对齐,这显然是不正确的。以下是一些相关代码: corr = np.correlate(temp_data,imag_data,m
..
我想在我的脚本中包含一个循环,该循环查找数据的每种可能组合的相关性.可以通过以下代码手动完成此操作: clear all %generate fake data LName={'Name1','Name2','Name3'}; Data={rand(12,1),rand(12,1),rand(12,1)}; %place in a structure d = [LName;Data]; Da
..
我有一个15天的5位时间序列数据(以日格式),存储为matrix.数据的结构是 meter_daywise
..
我正在尝试使用Wikipedia( http://en.wikipedia.org/wiki/Phase_correlation ),以便跟踪2张图片之间的运动.这些图像(帧)是通过相机在风中摇晃而捕获的,最终目的是消除这些帧和后续帧中的晃动.以下是两个示例图像和R代码: ## we will need the tiff library library(tiff) ## read in
..
如何才能以分布式方式计算大型(> 10TB)数据集的皮尔逊互相关矩阵?任何有效的分布式算法建议都会受到赞赏。 更新: 我阅读了apache spark mlib相关性的实现 Pearson计算: / home / d066537 / codespark / spark / mllib / src / main / scala / org / apache / spark / ml
..
我的老板和我不同意matchTemplate()的CV_TM_CCORR_NORMED方法发生了什么;在openCV中. 能否请您解释这里发生的情况,特别是该方程的平方根方面. 解决方案 相关性是两个信号,向量等的相似性.假设您有向量 template=[0 1 0 0 1 0 ] A=[0 1 1 1 0 0] B =[ 1 0 0 0 0 1] 如果在向量和模
..
我正在尝试在python中实现GCC-PHAT. 该方法类似于以下两个链接: link1 和 link2 似乎GCC-PHAT和使用FFT的正常互相关之间的唯一区别是幅度的除法. 这是我的代码: import numpy as np import matplotlib.pyplot as plt from scipy.fftpack import rfft, irfft,
..