利用互相關函數求兩時間序列的相位差,相當精確

2021-02-13 聲振之家


本程序是利用互相關函數的計算公式來求解兩個時間序列的相位差,求出來的結果相當精確。

具體的方法可以參考《基於虛擬儀器的相位測量算法研究》,發表於《電測與儀表》,白鵬等著!

方法一、利用互相關函數的性質:對於單頻信號而言,時移相當於相移,相關係數從初始值變成最大值的時候,說明相位差也從初始相位差變為零。


在實際處理中,總是把A(t)、B(t)進行離散化採集以方便計算機的處理,設


則相關函數為:


方法二、利用互相關函數的兩同頻正弦信號的互相關函數零時刻值與其相位差的餘弦值成正比的原理獲得相位差。


離散公式為:


式中k為採樣點。通過信號x和y的自相關與互相關函數的計算,可求得它們的相位差。


比較兩種方法可知:第二種方法的計算精度較高。可見如果只是簡單的求取互相關函數,用第一種方法即可( 直接調用xcorr),但是如果要求取延遲時間,則可以按照互相關的具體公式編寫函數!

 

具體程序如下:

n=512;

%設定每周期數據採集點數

T=5;

%採樣周期數

fen=60;

%將度轉化為分:1度=60分

hs=360/(2*pi);

%弧度轉化為度數

t=0:2*pi/(n-1):2*T*pi;

%採樣數

N=length(t);

%採樣長度

y1=4*sin(t);

%信號1

y2=4*sin(t+pi/(180*6));

%信號2

Cc=xcorr(y1);

%求互相關函數

%用互相關函數數學表達式求相位差:

%rm(n)=Rxy(n)/sqrt(Rxx(0)*Ryy(0))

C0=sum(y1.*y2);

%y1和y2互相關

A0=sum(y1.*y1);

%y1自相關

B0=sum(y2.*y2);

%y2自相關

a=sqrt(A0);

b=sqrt(B0);

zhunquezhi=(pi/(180*6))*hs*fen

jiaocha=acos(C0/(a*b))*hs*fen

%相位差計算公式

jdwucha=jiaocha-zhunquezhi

%絕對誤差

xdwucha=((jiaocha-zhunquezhi)/zhunquezhi)*100

%相對誤差

%用有效值計算比值差

youxiaoy1=sqrt((1/(N-1))*sum(y1.^2));

%計算y1有效值

youxiaoy2=sqrt((1/(N-1))*sum(y2.^2));

%計算y2有效值

bizhicha=abs((youxiaoy1-youxiaoy2)/youxiaoy1)*100;

%計算比值差

%作圖

m=(-N+1):(N-1);

subplot(311);

plot(t,y1);

grid;

subplot(312);

plot(t,y2);

grid;

subplot(313);

plot(m,Cc);

grid;

聲明:本文由聲振論壇會員jgh530520原創,版權歸原作者所有,轉載請聯繫原作者授權,並註明:來自@聲振之家。

相關焦點

  • 自相關和互相關函數計算方法總結及心得體會
    這個是信號分析裡的概念,他們分別表示的是兩個時間序列之間和同一個時間序列在任意兩個不同時刻的取值之間的相關程度,即互相關函數是描述隨機信號
  • 互相關(cross-correlation)中的一些概念及其實現
    循環互相關(Circular Cross-Correlation)是表徵兩組等長的周期性數據之間相似性的操作,其與線性互相關的區別也正由「等長」和「周期性」這個兩特點產生。在循環互相關中,被處理的原始數據是等長的,即:
  • 利用深度學習進行時間序列預測
    介紹長期以來,我聽說時間序列問題只能用統計方法(AR[1],AM[2],ARMA[3],ARIMA[4])。這些技術通常被數學家使用,他們試圖不斷改進這些技術來約束平穩和非平穩的時間序列。幾個月前,我的一個朋友(數學家、統計學教授、非平穩時間序列專家)提出讓我研究如何驗證和改進重建恆星光照曲線的技術。
  • 歐拉函數φ(m) | 互素 | 容斥原理
    每周推送兩到三篇內容上有份量的數學文章,但在行文上力爭做到深入淺出。幾分鐘便可讀完,輕鬆學數學。 今天我們來講一講如何求小於某正整數且與這個正整數互素的正整數的個數。當m為素數時,小於m的正整數都與m互素,這樣的數一共有m-1個,即φ(m)=m-1。這時的歐拉定理就成為費馬小定理。歐拉函數很重要,我們必須會求它的值。這個函數的表達式如下:
  • r語言檢驗序列相關 - CSDN
    時間序列概述按照時間的順序把隨機事件變化發展的過程記錄下來就構成了一個時間序列對時間序列進行觀察、研究,找尋它變化發展的規律,預測它將來的走勢就是時間序列分析時間序列建模基本步驟:,則進行模式識別畫自相關圖和非自相關圖,根據兩圖的結尾性和拖尾性進行AR、MA、ARMA的模式識別對識別後模式中的位置參數進行參數估計arima()模型檢驗分為:①殘差的白噪聲檢驗;②過度擬合檢驗pt()模型檢驗通過則進行模型優化,否則重新進行模式識別模型優化中得到AIC和BIC值,進行模型的優化然後進行預測與控制2.
  • 如何利用導數求含有參數的函數的零點個數,高中數學疑難答疑
    如何利用導數求含有參數的函數的零點個數,高中數學疑難答疑精選。昨天晚上試行開放疑難答疑的信息發出後,這是第一位提出數學疑問的學生,從他(她)提出的問題來看,應該是一位高三學生,問題提得很好,這個問題也是高考數學考察的熱點,所以我毫不猶豫地決定答疑這位同學。
  • 中考函數重點講解,如何求一次函數與反比例函數綜合問題
    初中數學也就學習一次函數、反比例函數、二次函數這三大函數,每一種函數在中考數學中都佔據著重要的位置。每年一些考生在中考數學中失去一些分數,往往都是栽在函數相關的問題上面。平常我們講了一些函數與幾何相關的知識內容、方法技巧等,今天我們就一起來講講一次函數與反比例函數相關的問題。
  • 歐拉函數求法與應用
    根據性質2,我們可以在O(sqrt(n))的時間內求出一個數的歐拉函數值.如果我們要求1000000以內所有數的歐拉函數,怎麼辦.上面的方法複雜度將高達O(N*sqrt(N)).我們來看看線性篩法的程序:它在O(N)的時間內遍歷了所有的數,並且有很多的附加信息,那麼我們是不是能在篩素數的同時求出所有數的歐拉函數呢.答案是可以.φ(n)=n*(1-1/p1)(1-1/p2)....(1-1/pk),其中p1、p2…pk為n的所有素因子。
  • 零基礎入門Excel數據分析「函數篇」:8個常用的時間序列類函數
    在數據分析中,日期時間類型的數據很常見,所以Excel中有專門的函數用於處理日期時間類型的數據,這些函數被歸為時間序列類。1、yearyear可以提取日期中的年份,例如,給定日期:2019/11/26,要獲取其中的年份,用year函數即可,如下圖所示。
  • 「相關」與「卷積」的理解和使用
    信號的相關相關特性是表徵兩個信號之間(互相關)或者一個信號相隔一定時間的兩點之間
  • 數學之美:判定兩個隨機信號序列的相似度
    什麼是互相關函數? 在統計學中,相關是描述兩個隨機變量序列或二元數據之間的統計關係,無論是否具有因果關係。廣義上講,相關性是統計上的關聯程度,它通常指的是兩個變量的線性相關的程度。比如商品的價格和消費者購買願意數量之間的關係,也即所謂的需求曲線。
  • r語言檢驗時間序列平穩性_r中時間序列平穩怎麼檢驗 - CSDN
    讀時間序列數據您要分析時間序列數據的第一件事就是將其讀入R,並繪製時間序列。您可以使用scan()函數將數據讀入R,該函數假定連續時間點的數據位於包含一列的簡單文本文件中。一旦將時間序列數據讀入R,下一步就是將數據存儲在R中的時間序列對象中,這樣就可以使用R的許多函數來分析時間序列數據。要將數據存儲在時間序列對象中,我們使用R中的ts()函數。
  • 使用Pandas的resample函數處理時間序列數據的技巧
    時間序列數據在數據科學項目中很常見。 通常,可能會對將時序數據重新採樣到要分析數據的頻率或從數據中汲取更多見解的頻率感興趣。在本文中,我們將介紹一些使用Pandas resample()函數對時間序列數據進行重採樣的示例。 我們將介紹以下常見問題,並應幫助您開始使用時序數據操作。
  • 複合函數單調性的求法
    關鍵詞:複合函數,單調性複合函數的單調性口訣:同增異減其具體含義為:內外函數的單調性相同(同),則複合函數為增函數(增);內外函數的單調性相反(異),則複合函數為減函數(減)。關鍵:因為外函數的定義域是內函數的值域,所以判斷外函數的單調性時,判斷的是外函數在內函數的值域上的單調性。
  • Excel函數公式:Excel常用序列函數,直接套用
    實際的工作中,填寫序列號的地方非常的多,如果手動去處理,非常的麻煩,是否可以用函數公式來解決了?一、字母序列。目的:生成字母序列(大寫、小寫)。解讀:1、大寫字母A的ASCII碼為65,利用函數ROW函數獲取單元格A65的行號,及字母A的ASCII碼,然後利用函數CHAR轉為為對應的字母。2、利用ROW函數獲取行號的目的在於變量為動態值。便於填充。二、星期序列(中文、英文)。目的:根據日期快速的填充星期。
  • 時間序列的LSTM模型預測——基於Keras
    一、問題背景    現實生活中,在一系列時間點上觀測數據是司空見慣的活動,在農業、商業、氣象軍事和醫療等研究領域都包含大量的時間序列數據。時間序列的預測指的是基於序列的歷史數據,以及可能對結果產生影響的其他相關序列,對序列未來的可能取值做出預測。
  • 邏輯函數中利用IF函數判斷是與不是,利用NOT函數對參數值求反
    函數定義: IF函數一般是指Excel中的IF函數,根據指定的條件來判斷其「真」(TRUE)、「假」(FALSE),根據邏輯計算的真假值,從而返回相應的內容。可以使用函數 IF 對數值和公式進行條件檢測。
  • 說說自相關函數,功率譜與白噪聲
    所以,當知道一個信號的傅立葉變換時,也可以直接求出該信號的功率譜。至於維納辛欽定理是怎麼來的。知道當然 是好的,但是不知道也不要緊。重要的是理解功率譜的意義,並且會使用維納辛欽定理計算功率譜。比如在圖像處理裡,將圖像函數看做一個信號函數,對圖像某一區塊其進行上述標準化互相關函數中講到的亮度和對比度不變性處理後,進行傅立葉變換,並最後算出圖像功率譜,於是就有了一個很好的以頻率表達的可用於模板匹配的模板屬性。這就是圖像處理中所說的,把對圖像處理的時空域內思考,轉化到頻域。可以使一些在時空域較難處理的問題,在頻域裡找到直觀簡便的解決方案。
  • 求動點軌跡問題,利用函數求解法,高考必會題目
    求動點軌跡的問題一直以來都是一個十分重要的板塊,並且這類題目常常有很多的圖形變換形式,要我們求圓上或者圓內外各個動點的運動軌跡的題目更是屢見不鮮,這類型題目十分綜合,難度也非常大,常常還可以作為載體,穿插著考我們一些三角函數和解析幾何的知識,所以這塊內容常常是高考的熱門考點,這類型題目的計算量也比較大