时域中样本信号x[n]的协方差矩阵与自相关矩阵关系:经标准化的样本数据的协方差矩阵就是原始样本数据的相关矩阵。这里所说的标准化指正态化,即将原始数据处理成均值为0,方差为1的标准数据。
cov相关 即为不反转的卷积 对应的协方差矩阵X[n]卷积x[-n]^T/变量数在频域中即为X(w)乘以X(w)的共轭转置/除以变量数。
实际推导使用先让样本矩阵中心化,即每一维度减去该维度的均值,使每一维度上的均值为0,然后直接用新的到的样本矩阵乘 上它的转置,然后除以(N-1)即可。其实这种方法也是由前面的公式通道而来,只不过理解起来不是很直观,但在抽象的公式推导时还是很常用的! Matlab代码实现:
X = MySample – repmat(mean(MySample),10,1); % 中心化样本矩阵,使各维度均值为0
C = (X’*X)./(size(X,1)-1)
实际更常使用Matlab的cov函数。
对于阵列信号,阵元M个,快拍数N,则时域信号为S(t)|(M*N),协方差信号S(t)卷积S(-t)^T (左右翻转,转置)/N。频域则为S(w)|(M*N) *S(w)'|(共轭转置M*N)/N.
有的除以N有的N-1。。。