我知道这可能是一个简单的问题，但我无法在任何地方找到令人满意的答案......

假设你有一个有限长度 N 的时间序列信号。称之为$y[n]$. 它可能看起来像一个正弦高斯，但有一些随机效应。均值为零，不存在趋势。

现在，假设你收到了这个信号$y[n]$，并且您有一组 K 个其他“候选”信号，$x_{1}[n], x_{2}[n], ...,x_{K}[n]$. 你想看看最有可能的候选人是什么。有没有办法做到这一点，并附加概率？例如，候选 1 有 20% 的出现概率，候选 2 有 15% 的出现概率，等等，使得百分比相加为 100%。

一些注意事项：

• 我希望幅度很重要。如果候选信号的幅度比$y[n]$，它应该比另一个完全相同但幅度更高的候选者更不可能出现。

• 信号中每个数据点的方差（$y[n]$要么$x[n]$) 未知。我们得到的只是上面提到的。我知道为了做类似的事情$\chi^{2}$拟合优度测试（已向我建议），必须了解信号中每个数据点的方差。

• 我发现最接近的是匹配过滤，但我如何计算上面提到的概率？还是像计算概率这样的问题的错误答案？

• 连贯性是相关的，但更多的是关于信号如何随时间变化（根据我的有限理解）。所有提到的信号都有一个有限的长度 N，并且这些信号已经在时间上匹配（我们只关心它们在特定时刻的相似程度）。它们之间的时间延迟无关紧要。

谢谢！！你们对此有任何想法将不胜感激！