Главная » Numpy

Функция np.correlate() в Python — что делает

Время чтения 3 мин.

Python numpy.correlate(v1,v2, mode) выполняет свертку массива v1 с обращением массива v2 и дает результат, обрезанный с использованием одного из трех указанных режимов.

Содержание
  1. Что такое функция np.correlate() в Python?
  2. Синтаксис
  3. Параметры
  4. Возвращаемое значение
  5. Примеры программ с функцией numpy.correlate()
  6. Пример 1
  7. Пример 2

Что такое функция np.correlate() в Python?

Метод numpy.correlate() в Python используется для поиска взаимной перекрестной корреляции между двумя одномерными векторами. Функция np.correlate(), которая вычисляет корреляцию, как обычно определено в тексте с одиночной обработкой, задается как: c_{v1v2} [k] = sum_n v1[n+k] * conj(v2[n]) с последовательностями v1 и v2, при необходимости дополняется нулями, а conj является сопряженным.

Синтаксис

1
numpy.correlate(v1, v2, mode,old_behaviour)

Параметры

Функция numpy.correlate() принимает не более четырех параметров:

  • v1: array_like, первый одномерный входной массив. Предположим, он имеет форму(M,)
  • v2: array_like, второй одномерный входной массив. Предположим, он имеет форму(N,)
  • mode: {‘valid’, ‘same’, ‘full’}. Это необязательный параметр, который имеет три различных режима, которые поясняются ниже:
  1. «valid»: это режим по умолчанию. Режим «действителен» возвращает вывод длины max(M, N) – min(M, N) + 1. Продукт свертки дается только тогда, когда v1 и v2 полностью перекрывают друг друга. Значения вне границы сигнала не влияют.
  2. «same»: возвращает выходные данные длины min(M, N). Пограничные эффекты все еще видны.
  3. «full»: это возвращает свертку в каждой точке перекрытия с выходной формой(M + N-1). В конечных точках свертки векторы v1 и v2 не перекрываются полностью, и могут наблюдаться граничные эффекты.
  • ‘old_behavior: bool, это логический параметр, который может принимать значения true или false.

В случае, если old_behavoiur принимает значение true из числового значения(correlate(v1, v2) == correct(v2, v1), сопряжение не берется для сложных массивов. В противном случае, если old_behavoiur принимает значение false из числового значения, тогда используется обычное определение обработки сигналов.

Возвращаемое значение

Метод numpy.correlate() возвращает взаимную корреляцию одномерных векторов v1 и v2.

Примеры программ с функцией numpy.correlate()

Пример 1

Программа для демонстрации работы метода numpy.correlate():

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# importing the numpy module
import numpy as np
 
# Making fist 1-D vector v1
v1 = np.array([1, 3, 5])
print("First vector sequence is: ", v1)
 
# Making second 1-D vector v2
v2 = np.array([0.5, 1.5, 2.5])
print("Second vector sequence is: ", v2)
 
print("\nprinting cross-correlation result between v1 and v2 using default 'valid' mode:")
print(np.correlate(v1, v2))
 
print("\nprinting cross-correlation result between v1 and v2 using 'full' mode:")
print(np.correlate(v1, v2, mode='full'))
 
# printing cross-correlation result between v1 and v2 using 'same' mode
print("\nprinting cross-correlation result between v1 and v2 using 'same' mode:")
print(np.correlate(v1, v2, mode='same'))

Выход

1
2
3
4
5
6
7
8
9
10
11
First vector sequence is:  [1 3 5]
Second vector sequence is:  [0.5 1.5 2.5]
 
printing cross-correlation result between v1 and v2 using default 'valid' mode:
[17.5]
 
printing cross-correlation result between v1 and v2 using 'full' mode:
[ 2.5  9.  17.5  9.   2.5]
 
printing cross-correlation result between v1 and v2 using 'same' mode:
[ 9.  17.5  9. ]

Объяснение.

Мы взяли два одномерных входных вектора с именами v1 и v2. Затем мы отобразили выходные данные, отобразив значение взаимной корреляции, используя каждый из трех различных режимов.

Пример 2

Посмотрим, как можно использовать метод np.correlate() для получения обращенного во времени комплексно-сопряженного результата, когда мы меняем порядок двух последовательностей:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import numpy as np
 
# Making fist 1-D vector v1
v1 = np.array([1, 3, 5])
print("First vector sequence is: ", v1)
# Making second 1-D vector v2
v2 = np.array([0.5, 1.5, 2.5])
print("Second vector sequence is: ", v2)
 
print("\nprinting cross-correlation result between v1 and v2 using 'full' mode:")
print(np.correlate(v1, v2, mode='full'))
 
# Changing order of sequence
# printing cross-correlation result between v2 and v1 using 'full' mode
print("\nAfter reversing the order of sequence and still using 'full' mode:")
print(np.correlate(v2, v1, mode='full'))
 
# printing cross-correlation result between v1 and v2 using 'same' mode
print("\nprinting cross-correlation result between v1 and v2 using 'same' mode:")
 
print(np.correlate(v1, v2, mode='same'))
 
# Changing order of sequence
# printing cross-correlation result between v2 and v1 using 'same' mode
print("\nAfter reversing the order of sequence and still using 'same' mode:")
print(np.correlate(v2, v1, mode='same'))

Выход

1
2
3
4
5
6
7
8
9
10
11
First vector sequence is:  [1 3 5]
Second vector sequence is:  [0.5 1.5 2.5]
 
printing cross-correlation result between v1 and v2 using default 'valid' mode:
[17.5]
 
printing cross-correlation result between v1 and v2 using 'full' mode:
[ 2.5  9.  17.5  9.   2.5]
 
printing cross-correlation result between v1 and v2 using 'same' mode:
[ 9.  17.5  9. ]

Объяснение.

После печати результата в исходной последовательности, а затем его печати после изменения порядка последовательности, мы можем убедиться, что метод np.correlate() можно использовать для получения комплексно-сопряженного результата с обращенным временем.

Результат может быть выражен с помощью функции как:

c_{v2v1} [k] = c^{*} {v1v2} [-k].

Оцените статью
К. Поляков

Автор статей и разработчик, делюсь знаниями.

Программирование на Python
Вам также будет полезно изучить
Что такое метод numpy.argwhere() в Python
Как преобразовать Numpy float в массив int в Python
Метод numpy.cbrt() в Python — как использовать
Метод Numpy.linalg.lstsq() в Python