信號處理過程中
-
卷積的定義
卷積滿足交換律、分配律、結合律。也具有位移不變性以及縮放性質。 -
互相關的定義
替換變量後有:
上述兩式完全等價。
性質:
-
(1)互相關是兩個函數間存在相似性的量度。
-
(2)由上述(2)式可得:
-
(3)相關運算和卷積運算的區別:
對相關來說,f(x)要取複共軛,運算時f(x)不需摺疊。 -
(4)f(x)和g(x) 做相關 等於 f*(-x) 與 g(x) 做卷積。
-
(5)注意互相關不滿足交換律。
-
自相關
在信號分析當中通常將自相關函數稱之爲自協方差方程,定義如下:
自相關是互相關的一種特殊情況,就是一個序列和它本身做相關,主要用來衡量一個序列在不同時刻取值的相似程度。
數理統計中
- 相關:我們通常說的相關係數的學名是—皮爾遜積差係數(Pearson’s product moment coefficient),這種相關係數只對兩個變量的線性關係敏感。
Pearson 相關係數使用兩個變量的協方差和標準差來定義:
其中,cov 是協方差,sigma 是標準差。因爲 cov 可以寫作:
所以 Person 相關係數的定義式可以寫作:
- 自相關的定義式如下:
如果隨機過程是一個寬平穩過程,那麼均值和方差都不是時間的函數,所以,自相關定義式變爲:
在某些學科中,會去掉歸一化因子σ2,使用自協方差來代替自相關。但是歸一化因子可以讓自相關的取值在 [-1, 1] 之間,不會隨着序列的絕對大小而變化。
在信號處理中:
自相關的定義會去掉歸一化,即不用減去均值,也不用除以方差。當除以方差時,一般叫做另外一個名字:自相關係數(Autocorrelation coefficient)。
本文由博客 首發於蒲山牧的博客