Question

我得到了两个信号S1和S2（两个值的数组），我想知道S1是否与S2是相同的信号但发生了移位（S1和S2的图形表示相同，但是S1将移至左右）

问题是：我的算法包含插值scipy.interpolate.interp1d，并且此函数在数组中输入NaN值。

当我尝试将S1和S2与内部的NaN相关时，相关数组始终为[NaN, NaN, NaN, ... , NaN, NaN, NaN]

我的目的是： 1）检测S1和S2是否是同一信号（如果相关性高于某个阈值，我将认为它们是同一信号） 2）如果有，请检测它们之间的偏移，以便将其删除

为了说明我的算法，我创建了一个简单的代码

import numpy as np
from scipy.signal import correlate

norm = np.linalg.norm

x = np.array([np.nan,1,2,3,0,0,np.nan])
y = np.array([1,2,3,0,0,np.nan,np.nan,np.nan])

corr = correlate(x, y)

print(corr/(norm(x)*norm(y)))

此处的相关函数为scipy.signal.correlate，但我也尝试使用np.correlate，结果也相同

从stackoverflow帖子中，我尝试过这种方式：

x = np.array([np.nan,1,2,3,0,0,np.nan])
y = np.array([1,2,3,0,0,np.nan,np.nan,np.nan])

normx = norm(x[~np.isnan(x)])
normy = norm(y[~np.isnan(y)])

maskx = np.ma.array(x, mask=np.isnan(x))
masky = np.ma.array(y, mask=np.isnan(y))

corr = correlate(maskx, masky)

但是我仍然只有NaN值。

我做错了什么吗？

Answer 1

如果任何信号包含NaN，则复数将全部为NaN。

使用此方法首先删除nan，然后使用相关函数：

x = np.array([np.nan,1,2,3,0,0,np.nan])
y = np.array([1,2,3,0,0,np.nan,np.nan,np.nan])

x = x[~np.isnan(x)]
y = y[~np.isnan(y)]

corr = np.corrcoef(x, y)

#corrcoef returns the normalised covariance matrix so you want the [1,0] or [0,1] element of this matrix
print(corr[1,0])
#1.0

Python-内部具有NaN的两个信号的互相关

1 个答案: