信息处理 - 计算两个信号图之间的相似性 - 吾爱随笔录

信息处理相关性波形相似性

2021-12-22 20:25:24

我有两个图，每个图的 x 轴为频率，y 轴为增益。通过以一个数据集作为参考，我必须计算它们之间的相似性。

这些图在 x 轴上具有相同的值，并且在 x 轴上具有相同的范围

2D Correlation 或 Co-variance 可以做得不错吗？或者我应该选择 Fréchet 距离或 DWT，正如我在其他帖子中所读到的那样？

第一个图是参考图。

这里是情节：

参考图图 2

请帮忙！

3个回答

为什么不使用两者之间的相对“错误”之类的东西呢？

例如，如果您的频率幅度响应是和，则计算： $G_1$ $G_2$

E R R = \sum {| G_{1} (n) - G_{2} (n) |}^{2}

$ERR = \sum \left | G_1(n) - G_2(n) \right|^2$

然后针对参考进行归一化： $G_1$

N O R M A L I Z E D = \sum {| G_{1} (n) - G_{2} (n) |}^{2} / \sum {| G_{1} (n) |}^{2}

$NORMALIZED = \sum \left | G_1(n) - G_2(n) \right|^2 / \sum \left | G_1(n) \right|^2$

相关性也是一种方法，但它可能会显示某些情况下发生相同的形状，但频率非常不同......这可能不是你想要的。

我会对简单和小数据使用相关性。如果您的数据很大，我会考虑通过 ICA 或 PCA 分析使用特征提取，然后通过相关性比较特征。

相关性的问题是规模。查看以下 URL 中的图像：
相关示例

在我的想象中，80% 非常相似，但相对而言，它真的不是那么相似。所以，如果我是你，我会定义我自己的相似度等级，在相关等级上接近 95-100%。

我同意 lxop，因为 2 个 1D 信号之间的相关性就足够了，当然，假设每个连续的样本索引对应于两个信号中的相同 X 值（频率）。

正常的一维相关有什么问题？这就是它所发现的——两个信号之间的相似性 ( plots)，在一定的偏移范围内。

您的问题的另一个答案是：

其它你可能感兴趣的问题