本文讨论了在Python中尝试使用自相关函数去噪的方法，指出将数据分割和平均并不能有效减少自相关中的噪声。文章解释了这种方法的数学原理，并通过代码示例展示其效果，证实了该方法在实践中并未降低噪声。最后，提出自相关本身就是一种降噪手段，通过增加信号长度可以减少噪声影响，特别是对于高斯白噪声。
TL-DR:为了减少自相关函数中的噪声，增加信号长度x。在
在谱估计中对数据进行分割和平均是一个有趣的想法。我希望它能起作用。。。在
自相关定义为
假设我们将数据分为两个窗口。它们的自相关变成
请注意，它们只是在总和的范围内有所不同。基本上，我们把自相关的总和分成两部分。当我们把这些加在一起，我们又回到了原来的自相关！所以我们什么也没得到。在
结论是，在numpy/scipy中没有实现这样的东西，因为这样做没有意义。在
备注：我希望很容易看出这一点可以扩展到任何数量的分区。
为了简单起见，我省略了规范化。如果你用Rxx除以n，把部分的Rxx除以n/2得到Rxx / n == (Rxx1 * 2/n + Rxx2 * 2/n) / 2。一、 归一化部分自相关的平均值等于完全归一化自相关。</
最低0.47元/天 解锁文章
扫一扫
715
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
