1、相關(guān)函數(shù)是描述信號(hào)X(s),Y(t)(這兩個(gè)信號(hào)可以是隨機(jī)的,也可以是確定的)在任意兩個(gè)不同時(shí)刻s、t的取值之間的相關(guān)程度。
創(chuàng)新互聯(lián)公司主營(yíng)連城網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營(yíng)網(wǎng)站建設(shè)方案,成都App定制開(kāi)發(fā),連城h5微信小程序開(kāi)發(fā)搭建,連城網(wǎng)站營(yíng)銷(xiāo)推廣歡迎連城等地區(qū)企業(yè)咨詢
2、自相關(guān)函數(shù)在不同的領(lǐng)域,定義不完全等效。在某些領(lǐng)域,自相關(guān)函數(shù)等同于自協(xié)方差(autocovariance)。自相關(guān)也叫序列相關(guān),是一個(gè)信號(hào)于其自身在不同時(shí)間點(diǎn)的互相關(guān)。非正式地來(lái)說(shuō),它就是兩次觀察之間的相似度對(duì)它們之間的時(shí)間差的函數(shù)。
擴(kuò)展資料
1、在信號(hào)處理中,相關(guān)函數(shù)的應(yīng)用很廣,主要有信號(hào)中隱含周期性的檢測(cè),確定未知參數(shù)的線性系統(tǒng)的頻域響應(yīng),噪聲中信號(hào)中的檢測(cè),噪聲中信號(hào)的提取等
2、信號(hào)處理中,自相關(guān)可以提供關(guān)于重復(fù)事件的信息,例如音樂(lè)節(jié)拍(例如,確定節(jié)奏)或脈沖星的頻率(雖然它不能告訴我們節(jié)拍的位置)。另外,它也可以用來(lái)估計(jì)樂(lè)音的音高。
參考資料來(lái)源:百度百科——相關(guān)函數(shù)
參考資料來(lái)源:百度百科——自相關(guān)函數(shù)
main()中r[m]?=?Autocorrelation(data[25],N);改
r[m]?=?Autocorrelation(data,N);?可解決語(yǔ)法錯(cuò)誤
printf("%d\n",r[m]);應(yīng)改為
printf("%f\n",r[m]);
因?yàn)閒loat?r[15];
#includestdio.h
float?data[25]={1,2,3,4,5,6,7,8,9,10,1,1,2,2,3,3,4,4,5,5,6,6,7,7,8};
float?r[15];
int?N=10;
int?i,m;
float?Autocorrelation(float?data[],?int?N)
{for?(m=0;m5;m++){r[m]=0;}
for(?m=0;mN;m++)for(?i=1;?i=N;?i++)r[m]+=?data[i]?*?data[i+m];
return?r[N-1];}
void?main()
{for(m=0;m5;m++)
{r[m]?=?Autocorrelation(data,N);
printf("%f\n",r[m]);}
getch();
}
在datacamp網(wǎng)站上學(xué)習(xí)“ Time Series with R ”track
“Introduction to Time Series Analysis”課程 做的對(duì)應(yīng)筆記。
學(xué)識(shí)有限,錯(cuò)誤難免,還請(qǐng)不吝賜教。
如無(wú)特殊說(shuō)明,筆記中所使用數(shù)據(jù)均來(lái)自datacamp課程
自相關(guān)(autocorrelation or lagged correlation)用于評(píng)估時(shí)間序列數(shù)據(jù)是否依賴于其過(guò)去的數(shù)據(jù)。
假設(shè)時(shí)間序列是弱平穩(wěn)的: 之間的相關(guān)系數(shù)記為 ,函數(shù)ρ稱(chēng)為自相關(guān)函數(shù)(autocorrelation function, ACF)
與之類(lèi)似,自協(xié)方差函數(shù)用 表示
設(shè) 滿足弱平穩(wěn)過(guò)程。
設(shè)有例數(shù)為n的時(shí)間序列數(shù)據(jù)x,按照自相關(guān)函數(shù)的定義,以計(jì)算 為例,我們可以手動(dòng)構(gòu)造計(jì)算自相關(guān)系數(shù)的成對(duì)數(shù)據(jù),x_t0 x_t1對(duì)應(yīng)x[t],x[t-1],然后用cor()函數(shù)計(jì)算 ,本例中n=150:
cor(x_t0, x_t1)輸出為:0.7630314
acf(..., lag.max =1, plot = FALSE)函數(shù)可以用來(lái)計(jì)算lag為1的自相關(guān)系數(shù):
acf()函數(shù)輸出中l(wèi)ag為1的自相關(guān)系數(shù)為0.758
可以看出我們手動(dòng)計(jì)算的結(jié)果和acf()函數(shù)計(jì)算的結(jié)果略有不同。這是因?yàn)閍cf()使用的是用n作為分母的計(jì)算版本而手動(dòng)計(jì)算利用cov()函數(shù)使用的是用n-h(這里h=1)作為分母的計(jì)算版本。
acf()函數(shù)以n作為分母的計(jì)算方法算出的自相關(guān)系數(shù)是有偏的,但是在時(shí)間序列分析中更常用(preferred)。
驗(yàn)證兩種計(jì)算方法相差一個(gè)因子:(n-h)/n
cor(x_t1, x_t0) * (n-1)/n輸出結(jié)果為0.7579445.
acf(x, lag.max = 1, plot = F)[1][[1]]輸出結(jié)果為0.7579761
看來(lái)除了課程中提到的計(jì)算版本分母不同以外這兩種計(jì)算方法還有其他的差異導(dǎo)致計(jì)算結(jié)果在考慮到分母問(wèn)題以后仍然有一點(diǎn)點(diǎn)微小的不同。
acf(..., lag.max = ..., plot = FALSE)函數(shù)會(huì)計(jì)算h=0,1,2...直到lag.max參數(shù)指定值對(duì)應(yīng)的自相關(guān)系數(shù)。
此外,acf()函數(shù)的plot選項(xiàng)默認(rèn)為T(mén)RUE,可以生成自相關(guān)圖,自相關(guān)圖會(huì)顯示各lag值對(duì)應(yīng)的自相關(guān)系數(shù),并用藍(lán)色水平虛線表示自相關(guān)系數(shù)為0的95%置信區(qū)間邊界線,如果自相關(guān)系數(shù)在兩條虛線以內(nèi)則表明自相關(guān)系數(shù)沒(méi)有統(tǒng)計(jì)學(xué)意義。
例子數(shù)據(jù):x顯示出強(qiáng)持續(xù)性(persistence),即時(shí)間序列的值與前一測(cè)量值呈現(xiàn)出強(qiáng)相關(guān)性;y具有周期性,周期大約為4;z則沒(méi)有明確的模式。
對(duì)上面三個(gè)時(shí)間序列使用acf()函數(shù):
本文題目:自相關(guān)函數(shù)的c語(yǔ)言 自相關(guān)函數(shù)a2cosωt
文章轉(zhuǎn)載:http://muchs.cn/article48/ddiiehp.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供Google、品牌網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)公司、網(wǎng)站建設(shè)、域名注冊(cè)、網(wǎng)站營(yíng)銷(xiāo)
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源: 創(chuàng)新互聯(lián)