为什么在信号处理领域使用自相关而不进行归一化?

信息处理 相关性 统计数据
2022-02-15 19:51:20

根据维基百科(链接),自相关有两个定义。

在统计学中,时间的自相关定义如下: st

R(s,t)=E[(Xtμt)(Xsμs]σtσs


然而,在信号处理中,上述定义经常在没有归一化的情况下使用。

根据 Bernard Sklar 所写的数字通信,

Rx(τ)=x(t)x(t+τ)du

RX(τ)=E{X(t)X(t+τ)}

其中

τ is the difference between t and s.x(t) is real-valued energy signal.X(t) is a random process. 

2个回答

自相关(有时也称为自协方差)通常用于固定时间信号的上下文中。因为是“相等的”。由于自相关是对称的并且在处达到峰值,(如 @robert bristow-johnson 所述)通常被视为自然参考。在许多应用中,人们主要关注它的尺度变化特性:作为信号块看起来相似程度的度量,或者对其衰减进行建模,或者通过它拟合一个线性模型。σtσsτ=0Rx(τ)

有时,为了区分归一化版本,它被称为自相关系数函数

在处理非平稳信号时,人为地将其平稳化是不自然的。例如,Wigner-Ville 分布基于非归一化非平稳自相关函数的傅里叶变换。

通常这种操作是作为“过滤”技术来提高信噪比的。在给定一定的误报率的情况下,设置一个阈值以得出检测概率。这两个概率不受两个信号缩放的影响——因此也不需要归一化,并且保存了与之相关的处理。