我认为确定您的测量是否相似的最直接方法是计算每个测量的等待时间分布。

等待时间只是事件之间经过的时间，其中一个事件大概是 signal 等于。这将为您提供一系列等待时间。然后，您可以将它们绘制为分布（直方图）以获取频率。你用这些做什么？$1$

如果您的问题仅仅是“点过程的这些测量值是否相似”，那么等待时间分布是您可以检查的一件事。如果测量值相同，则它们的等待时间分布应该相同。显然，如果每次测量都非常短，那么您将不会得到很好的等待时间分布，并且很难确定它们是否相同。但是，对于足够多的事件，等待时间分布应该彼此收敛（如果测量值相等）。

等待时间分布的性质本身对您正在研究的过程非常有用，如果等待时间分布不同，则需要进行一些分析。如果点过程是“无记忆”的，即看到 1 对您何时看到下一个没有，那么等待时间分布预计呈指数分布。这称为泊松过程，是您可能观察到的最简单的过程。正如用户 11852 所暗示的那样，泊松过程只有一个参数来跟踪事件的平均速率。如果等待时间分布实际上是指数型的，平均等待时间是，那么$1$ $1$$\lambda$$4$$\lambda=1/4$。因此，如果您的点过程测量都具有指数分布的等待时间，您可以询问它们的参数有多相似。$\lambda$

我会尝试连贯性

另一个想法是应用haar 小波分析并比较频率空间中的测量值