Python中的GCC-PHAT互相关

我正在尝试用python实现GCC-PHAT

该方法类似于以下两个环节： 及

GCC-PHAT和使用FFT的正常互相关之间的唯一区别似乎是除以幅度

这是我的密码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.fftpack import rfft, irfft, fftfreq, fft, ifft

def xcorr_freq(s1,s2):
    pad1 = np.zeros(len(s1))
    pad2 = np.zeros(len(s2))
    s1 = np.hstack([s1,pad1])
    s2 = np.hstack([pad2,s2])
    f_s1 = fft(s1)
    f_s2 = fft(s2)
    f_s2c = np.conj(f_s2)
    f_s = f_s1 * f_s2c
    denom = abs(f_s)
    denom[denom < 1e-6] = 1e-6
    f_s = f_s / denom  # This line is the only difference between GCC-PHAT and normal cross correlation
    return np.abs(ifft(f_s))[1:]

以下是GCC-PHAT的结果：

以下是正常互相关的结果：

LENG = 500
a = np.array(np.random.rand(LENG))
b = np.array(np.random.rand(LENG))
plt.plot(xcorr_freq(a,b))
plt.figure()
plt.plot(np.correlate(s1,s2,'full'))

---

由于GCC-PHAT应该为宽带信号提供更好的互相关性能，我知道我的代码有问题。非常感谢您的帮助

不要只向GCC-PHAT提供噪声。给它一个信号+噪音。检查GCC-PHAT和未加权相关性在信噪比变化时的比较情况

可能会有更多具有相关专业知识的人。如果您重新发布，请删除此问题。为什么您的测试代码使用

a

和

b

（两个完全随机的信号）作为

xcorr\u freq

的输入，并使用

s1

和

s2

（可能是其他信号）作为

np.correlate

的输入，而不是通过对两种实现使用相同的输入来比较苹果和苹果？