计算输入序列X和Y的互相关。通过连线数据至X和Y输入端可确定要使用的多态实例，也可手动选择实例。


icon

输入/输出

  • c1dcdb.png X —

    X是第一个复数输入序列。

  • c1dcdb.png Y —

    Y是第二个复数输入序列。

  • cenum.png 算法 —

    算法指定使用的相关方法。算法的值为direct时，VI使用线性卷积的direct方法计算互相关。如算法为frequency domain，VI使用基于FFT的方法计算互相关。

    如果 X 和 Y 较小， direct 方法通常更快。如果 X 和 Y 较大， frequency domain 方法通常更快。此外，两个方法数值上存在微小的差异。

    0
    direct
    1
    frequency domain
    （默认）
  • cenum.png 归一化 —

    归一化指定用于计算X和Y的互相关的归一化方法。

    0
    none
    （默认）
    1
    unbiased
    2
    biased
  • i1dcdb.png Rxy —

    Rxy是X和Y的互相关。

  • ii32.png 错误 —

    错误返回VI的任何错误或警告。将错误连接至错误代码至错误簇转换VI，可将错误代码或警告转换为错误簇。

    • 一维互相关

    序列x(t)和y(t)的互相关Rxy(t)由以下等式定义：

    其中符号⊗表示相关。

    互相关的离散实现如下。h代表序列，其索引可以为负，N是输入序列X的元素个数，M是序列Y中元素的个数，并假设超出序列X和Y的索引元素等于零，如下列等式所示：

    xj = 0, j < 0 或 j ≥ N

    且

    yj = 0， j <0或 j ≥ M。

    该VI使用下列等式获取h的元素。

    j = –(N–1), –(N–2), … , –1, 0, 1, … , (M–2), (M–1)

    输出序列Rxy的元素与序列h中的元素

    Rxyi = hi – (N–1)

    i = 0, 1, 2, … , N+M–2。

    不能使用负数索引LabVIEW数组，t = 0位置对应的互相关值是输出序列Rxy的第N个元素。因此，Rxy代表互该VI移位N次索引后的相关值。

    下列程序框图为索引该VI的一种方法。

    下图是以上程序框图的运行结果。

    如需使互相关计算更精确，在某些情况下需归一化。该VI提供偏差和无偏差两种归一化。

    1. 有偏见的归一化

      如果 归一化 是 有偏差的，LabVIEW会按以下方式应用有偏差的归一化：

      Rxy(偏差)j =

      对于 j =0，1，2，...， M+ N-2

      其中 Rxy 是 x 和 y 之间的交叉相关，没有归一化。

    2. 无偏的归一化

      如果 归一化 是 无偏的，则LabVIEW应用无偏的归一化，如下所示：

      Rxy(无偏差)j =

      对于 j =0，1，2，...， M+ N-2

      其中 Rxy 是 x 和 y 之间的交叉相关，没有归一化。 f(j )是：