Performance 在matlab中，加速互相关

我有一个很长的时间序列，其中有一些重复和类似的信号（不完全是周期性的）。时间序列的长度约为60000个样本。为了识别信号，我取出其中一个样本，长度约为1000个样本，并将其沿timeseries数据逐样本移动，然后计算互相关系数（在Matlab:corrcoef中）。如果此值高于某个阈值，则存在匹配。 但这是极其缓慢的（使用“for loop”移动窗口）。 有没有一种方法可以加速这个过程，或者Matlab中已经有了一些机制来实现这个过程

非常感谢

已编辑：添加了有关改用“xcorr”的信息：

如果我使用'xcorr'，或者至少是我使用它的方式，我会得到错误的图片。查看数据（第一个图），有两种类型的重复信号。一个由红色矩形标记，而另一个具有更大振幅（这是相干噪声）的由黑色矩形标记。我对第一种感兴趣。第二个图显示了我正在寻找的信号，放大了。 如果我使用'xcorr'，我会得到第三个图。正如你所看到的，'xcorr'给了我错误的信号（事实上，我的信号和相干噪声之间有很高的互相关）。 但是使用“corrcoef”并移动窗口，我得到了最后一个正确的图。 使用“xcorr”时可能会出现规范化问题，但我不知道

---

我可以想出两种方法来加快速度

1） 让你的模板长1024个元素。突然之间，可以使用FFT进行关联，这比DFT或每个位置的逐元素乘法要快得多

2） 问问自己，你真正关心的模板形状是什么。你真的需要非常高的频率，还是你真的想要较低的频率？如果你可以重新采样模板和信号，使其不再包含任何你不关心的频率，这将使处理速度大大加快。步骤采取的措施包括

• 确定您关心的最高频率
• 过滤数据，以阻止更高的频率
• 以较低的采样频率对结果数据重新采样

现在将其与大小为2的幂的模板组合

你可能会发现有趣的阅读

---

让我们知道上述任何一项是否有帮助！

您的问题似乎是一个教科书上的互相关示例。因此，除了使用

xcorr

之外，没有任何好的理由使用任何解决方案。一些技术评论：

xcorr假设平均值已从两个交叉相关信号中移除。此外，默认情况下，它不会缩放信号的标准偏差。这两个问题都可以通过对两个信号进行z评分来解决：

c=xcorr（zscore（longSig，1），zscore（shortSig，1））；c=c/n；

其中

n

是较短信号的长度，应产生与滑动窗口方法相同的结果

xcorr的输出是根据滞后来排序的，滞后可以在第二个输出参数（

[c，lags]=xcorr（..

）中获得。始终通过

绘图（lags，c）

）来绘制xcorr结果。我建议尝试使用合成信号来验证您是否理解如何解释此图表

xcorr的实现已经使用了Discere Fourier变换，因此，除非您有异常情况，否则重新编码频域互相关将是浪费时间

---

最后，对术语进行评论：将两个信号之间的对应时间点关联起来就是简单的相关性。

corrcoef

就是这样做的（它的名字代表相关系数，这里没有“互相关”）。互相关是移动其中一个信号并计算每个滞后的相关系数的结果。

为什么不

xcorr

？或

conv

？这些函数会自动移动窗口。但是，结果不会像

corrcoef

那样标准化。但是您可以对此进行纠正。您是否尝试使用

normxcorr2

？它用于2D数据，但我认为它也适用于时间序列。谢谢。好的方面。Matlab是否使用FFT进行互相关？我不知道。感谢澄清。虽然我不知道ZSCORE，但我已经对数据进行了去趋势处理，并将数据除以其标准偏差。感兴趣的信号和co相干噪声是由移动源产生的。因此，两者的长度随着时间的推移而变化。源越远，信号就越拉长。我知道“xcorr”的“滞后”输出。在这种情况下，我认为这无助于解决问题。