Python中的规范化互相关

最近几天，我一直在努力计算两对向量（x和y）的自由度，参考Chelton（1983），即：

我找不到一个合适的方法来计算归一化互相关函数， 我总是得到一个不在-1，1之间的输出

---

为了计算两个向量的自由度，有没有简单的方法来归一化互相关函数？

好问题。没有直接的方法，但您可以在使用

np之前“规范化”输入向量。像这样关联
，合理的值将在[-1,1]范围内返回：

在这里，我定义了信号处理教科书中通常定义的相关性

c'_{ab}[k] = sum_n a[n] conj(b[n+k])

代码：如果a和b是矢量：

a = (a - np.mean(a)) / (np.std(a) * len(a))
b = (b - np.mean(b)) / (np.std(b))
c = np.correlate(a, b, 'full')

参考资料：



a=np.dot（abs（var1），abs（var2），“full”）

b=np.correlate（var1，var2，'full'）

c=b/a

这是我的想法：但它会将其标准化为0-1
关于该主题的文章所有链接都在那里。这里有一个很好的答案：我尝试过它，但现在它得到的值一直到2，不会停留。你能在评论中发布一个这样的例子吗？@makis，你为什么要在你的代码示例中将标准偏差乘以len（a）？@RonU
len（a）
表示或的
N
相当于
max（len（a），len（b））
。因此，
c=np.correlate（归一化a，归一化b，'full'）/max（len（a），len（b））
可能更容易理解。