Question

我有两个相互关联的信号，并且由两个不同的测量设备同时捕获。由于两次测量不是时间同步的，因此我们想要计算它们之间的小时间延迟。另外，我需要知道哪个信号是主要信号。

可以假设以下内容：

没有或只有非常少的噪音
算法的速度不是问题，只是准确性和稳健性
以高采样率（> 10kHz）捕获信号几秒钟
预期时间延迟< 0.5秒

我为此目的使用 - 交叉相关。任何有关如何在Python中实现它的建议都非常感激。

如果我需要提供更多信息以便找到最合适的算法，请告诉我。

Answer 1

Numpy的功能correlate符合您的需求：https://docs.scipy.org/doc/numpy/reference/generated/numpy.correlate.html

Answer 2

A popular approach：时移是与最大互相关系数相对应的延迟。这是一个示例的工作方式：

import matplotlib.pyplot as plt
from scipy import signal
import numpy as np


def lag_finder(y1, y2, sr):
    n = len(y1)

    corr = signal.correlate(y2, y1, mode='same') / np.sqrt(signal.correlate(y1, y1, mode='same')[int(n/2)] * signal.correlate(y2, y2, mode='same')[int(n/2)])

    delay_arr = np.linspace(-0.5*n/sr, 0.5*n/sr, n)
    delay = delay_arr[np.argmax(corr)]
    print('y2 is ' + str(delay) + ' behind y1')

    plt.figure()
    plt.plot(delay_arr, corr)
    plt.title('Lag: ' + str(np.round(delay, 3)) + ' s')
    plt.xlabel('Lag')
    plt.ylabel('Correlation coeff')
    plt.show()

# Sine sample with some noise and copy to y1 and y2 with a 1-second lag
sr = 1024
y = np.linspace(0, 2*np.pi, sr)
y = np.tile(np.sin(y), 5)
y += np.random.normal(0, 5, y.shape)
y1 = y[sr:4*sr]
y2 = y[:3*sr]

lag_finder(y1, y2, sr)

对于有噪声的信号，通常首先应用带通滤波器。对于谐波噪声，可以通过识别和消除频谱中存在的频率尖峰来消除。

使用互相关查找两个信号的时移

2 个答案: