python correlate_关于numpy互相关函数np.correlate的一点疑问

最近再做一个小作业，是关于寻找太平洋Nino3.4区和热带印度洋(TI)海温(SST)的最大超前滞后关系，不可避免需要求解互相关函数。其中numpy,scipy,statsmodels均有求解互相关的函数，最后选择numpy.correlate。但是我发现其中关于互相关的定义好像有点问题(或者函数其实并不完善)，其中问题如下：

先来看一下numpy.correlate计算定义：c_{av}[k] = sum_n a[n+k] * conj(v[n]) (其中conj为求解共轭，对于实数时间序列，不必考虑),简单来说numpy.correlate做的事情就是计算出两个序列之间的"错位点积"

a=[1,2,3]

b=[2,4,5]

那么当时滞为1(即a落后b一位)时，"错位点积"为2×2+3×4=16，当时滞为-1(即a超前b一位)，“错位点积”为1×4+2×5=14，其他情况也是以此类推。

那么问题就来了，函数中并没提供'unbiased'和'normalize'的选项，仅仅是求解了"错位点积"，这样就可以代表互相关函数吗？

在我查阅资料过程中，我翻到了知乎上的这篇文章：明天：卷积、互相关与自相关​zhuanlan.zhihu.com

似乎在信号处理中，定义的确是这样。但是类似功能的MATLAB函数xcorr提供了'unbiased'和'normalize'的选项，同时还有'maxlags'规定最大时滞的参数。statsmode