1

我正在尝试执行互相关，但注意到以两种不同的方式执行此操作会导致结果略有不同。

我有一个带有一些尖峰（'dual_spikes'）的向量，我想将它与'dips'交叉关联（在Matlab中使用xcorr）。

当我以两种不同的方式执行此操作时，我注意到了不同之处：

  • 使用“dual_spikes”正常执行 xcorr
  • 对每个单独的尖峰执行 xcorr，将它们加在一起，然后标准化。

我不知道为什么应该有区别。使用下面的函数进行说明。

function [] = xcorr_fault()

dual_spikes = [zeros(1,200),ones(1,200),zeros(1,400),ones(1,100),zeros(1,100)];

dips = 1-[zeros(1,400),ones(1,1),zeros(1,599)];
plot(dips)

single_spike_1 = [zeros(1,200),ones(1,200),zeros(1,600)];
single_spike_2 = [zeros(1,800),ones(1,100),zeros(1,100)];

xcorr_dual = xcorr_div(dual_spikes,dips);
xcorr_single1 = xcorr_div(single_spike_1,dips);
xcorr_single2 = xcorr_div(single_spike_2,dips);

xcorr_single_all = (xcorr_single1+xcorr_single2)/max(xcorr_single1+xcorr_single2);
xcorr_dual_norm = xcorr_dual/max(xcorr_dual);

figure(1)
clf
hold all
plot(xcorr_dual_norm)
plot(xcorr_single_all)
legend('Single xcorr','xcorr with individual spikes')


function [xcorr_norm] = xcorr_div(lines,signal)
    xcorr_signal = xcorr(signal,lines,'none');
    xcorr_signal(xcorr_signal<1e-13) = NaN;
    xcorr_bg = xcorr(ones(1,length(signal)),lines,'none');
    xcorr_norm = xcorr_signal ./ xcorr_bg;
    xcorr_norm(isnan(xcorr_norm)) = 1;

请注意，xcorr 信号必须有一个“背景”（bg）划分，因此只能找到下降。这发生在“xcorr_div”中。

IMG

4

1 回答 1

3

您的函数 xcorr_div 计算互相关，然后将结果除以具有均匀信号的相关性。结果是某种非线性的归一化互相关（不是标准定义）。因此，您不应期望结果的总和是总和的结果。

如果您希望能够以两种方式获得相同的结果，请同时输出xcorr_signal和xcorr_normfrom xcorr_div，然后对这两个输出进行求和，然后除以。

于 2014-07-11T14:39:14.543 回答