相关疑难解决方法(0)

在参考Chelton(1983)后,我一直在努力计算两对向量(x和y)的自由度,这是:

根据切尔顿(1983)的自由度

并且我找不到使用np.correlate计算归一化互相关函数的正确方法,我总是得到一个不在-1,1之间的输出.

为了计算两个向量的自由度,有没有简单的方法来对互相关函数进行归一化？

我看过这个问题,但它并没有给我任何答案.

基本上,我如何确定是否存在强相关np.correlate？我期望得到与matlab相同的输出,我可以理解xcorr的coeff选项(1是滞后的强相关,l0是滞后没有相关l),但np.correlate产生大于1的值,即使输入向量已经归一化0和1.

示例输入

import numpy as np
x = np.random.rand(10)
y = np.random.rand(10)

np.correlate(x, y, 'full')

这给出了以下输出:

array([ 0.15711279,  0.24562736,  0.48078652,  0.69477838,  1.07376669,
    1.28020871,  1.39717118,  1.78545567,  1.85084435,  1.89776181,
    1.92940874,  2.05102884,  1.35671247,  1.54329503,  0.8892999 ,
    0.67574802,  0.90464743,  0.20475408,  0.33001517])

如果我不知道最大可能的相关值是什么,我怎么能分辨出什么是强相关性以及什么是弱相关？

另一个例子:

In [10]: x = [0,1,2,1,0,0]

In [11]: y = [0,0,1,2,1,0]

In [12]: np.correlate(x, y, 'full')
Out[12]: array([0, 0, 1, 4, 6, 4, 1, 0, 0, 0, …

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，相关函数的最大值出现在零像素偏移处，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, mode='same')
ax1.plot(delta_data, corr, c='g')
ax1.plot(delta_data, 100*temp_data, c='b')
ax1.plot(delta_data, 100*imag_data, c='r')

此代码的输出如下所示：

是）我有的

请注意，尽管模板（蓝色）和观察到的（红色）光谱清楚地显示了偏移，但互相关函数在零像素偏移处仍达到峰值。我希望看到的有点像（尽管不完全一样；这只是我可以产生的最接近的表示形式）：

我想要的是

在这里，我在模板数据中引入了50个像素的人为偏移，现在它们或多或少地排列在一起。我想要的是，在这样的情况下，峰值出现在50个像素的偏移处而不是零处（我不在乎底部的光谱是否排列整齐；这仅仅是为了视觉表示） 。但是，尽管经过数小时的工作和在线研究，但我找不到找到描述此问题的人，更不用说解决方案了。我尝试使用ScyPy的相关函数和MatLib的xcorr，并且bot展示了同样的东西（尽管我被认为是本质上相同的功能）。

为什么互相关不按我期望的方式运行，如何使它以有用的方式运行？