归一化自相关函数 Normalized Auto-Correlation based Step Counting (NASC)

简单总结一下归一化自相关函数，防止遗忘掉

上图，参考论文中的Normalized Auto-correlation based Step Counting.

自相关函数是函数与函数本身的相关性，如果进行归一化，会看的更清楚。互相关函数是两个函数之间的相关性，当两个函数具有相同周期分量时，他们的极大值同样能体现这种周期性。

自相关函数，当函数中本身有周期性的分量时，自相关性的极大值能够很好的体现这种周期性。采用归一化的自相关函数，当找到函数的周期性是，对应的自相关函数接近1.

如上图的公式：从数据中摘取一段a(m), a(m + 1), ... a(m + k + tao -1), a(m + k + tao), ||   a(m + k + tao + 1), ..., a(m + k + tao + tao - 1),  以||区分序列为两部分，计算前面一部分序列与后面一部分序列的自相关性。 其中u_m, sigma_m 为序列a(m + 1), a(m + 2), ... a(m + k + tao -1)的均值和方差，后面序列依次类推。

比如在一个序列为a(0) ...a(99)的序列中，tao= 20：50； 当tao==20时，前一段序列为x(0)， x(1),... x(19), 后一部分序列为x（20）, x(21),....x(39)； 计算这两部分的归一化方差，找到最大值； tao：20==>50， 找到最大值对应的tao,为最优的tao_opt，