Numpy 将平滑信号与输入信号进行比较

我使用下面描述的算法平滑一系列数据点：

如何将平滑后的信号与输入信号进行比较？我希望我能得到一个标量来描述输出与输入的“接近程度”。有什么标准的方法可以做到这一点吗？我可以找一些术语吗

---

我甚至不知道该找什么。谢谢

假设对信号进行平滑处理以去除噪声，最自然的优点是信噪比

比如：

mean((smoothed[n] - original[n])^2) / mean( (smoothed[n])^2 )

---

以上假设信号的平均值为~0。

假设对信号进行平滑处理以去除噪声，最自然的优点是信噪比

比如：

mean((smoothed[n] - original[n])^2) / mean( (smoothed[n])^2 )

---

以上假设信号的平均值为~0。

I使用。这给了我一个介于0和1之间的数字。这个数字越大，两个数据系列之间的距离就越远。0表示信号和平滑信号之间的完美匹配。

我使用了。这给了我一个介于0和1之间的数字。这个数字越大，两个数据系列之间的距离就越远。0表示信号和平滑信号之间的完美匹配。

离散相关是在噪声背景中检测已知波形的一种方法。只要找出两个信号之间的相关性。离散相关性只是矢量点积：

for n in range(N):
   y[n] = sum( [x1[i]*x2[i+n] for i in range(N)] )

在纯Python中，或者：

y = xcorr(x1,x2);

在Matlab中，或：

y = correlate(x1,x2) 

在Python+Scipy中

---

相关性是衡量两个信号相似性的非常敏感的指标。当两个信号在频率内容上相似且彼此同相时，其最大化。

离散相关是在噪声背景中检测已知波形的一种方法。只要找出两个信号之间的相关性。离散相关性只是矢量点积：

for n in range(N):
   y[n] = sum( [x1[i]*x2[i+n] for i in range(N)] )

在纯Python中，或者：

y = xcorr(x1,x2);

在Matlab中，或：

y = correlate(x1,x2) 

在Python+Scipy中

---

相关性是衡量两个信号相似性的非常敏感的指标。当两个信号在频率内容上相似且彼此同相时，它会最大化。

I平滑信号以接近它。我有一系列的数据点（测量值），但是1）我没有我感兴趣的每个点的值，2）测量值可能有小误差。我绘制了一条很好的曲线，它代表了近似的信号以及测量值的散点图。散射让我知道了近似值有多远，但我想得到一个可以比较的数字。信号的平均值不是0。我平滑信号以使其近似。我有一系列的数据点（测量值），但是1）我没有我感兴趣的每个点的值，2）测量值可能有小误差。我绘制了一条很好的曲线，它代表了近似的信号以及测量值的散点图。散射让我知道了近似值有多远，但我想得到一个可以比较的数字。信号的平均值不是0。