numpy.correlate

numpy.correlate(a, v, mode='valid')    [source]

两个一维序列的互相关。

此函数计算信号处理文本中通常定义的相关性：

c_{av}[k] = sum_n a[n+k] * conj(v[n])

其中a和v序列在必要时进行zero-padded，而conj是共轭。

Notes

上面相关性的定义不是唯一的，有时相关性可以不同地定义。另一个常见的定义是：

c'_{av}[k] = sum_n a[n] conj(v[n+k])

通过c'_ {av}[k] = c_ {av}[-k]与c_ {av}[k]有关。

例子

>>> np.correlate([1, 2, 3], [0, 1, 0.5])
array([3.5])
>>> np.correlate([1, 2, 3], [0, 1, 0.5], "same")
array([2. ,  3.5,  3. ])
>>> np.correlate([1, 2, 3], [0, 1, 0.5], "full")
array([0.5,  2. ,  3.5,  3. ,  0. ])

使用复杂的序列：

>>> np.correlate([1+1j, 2, 3-1j], [0, 1, 0.5j], 'full')
array([ 0.5-0.5j,  1.0+0.j ,  1.5-1.5j,  3.0-1.j ,  0.0+0.j ])

请注意，当两个输入序列更改位置时，即c_ {va} [k] = c ^ {*} _ {av} [-k]，您将获得时间倒数，复杂的共轭结果：

>>> np.correlate([0, 1, 0.5j], [1+1j, 2, 3-1j], 'full')
array([ 0.0+0.j ,  3.0+1.j ,  1.5+1.5j,  1.0+0.j ,  0.5+0.5j])