相关和卷积

本文详细介绍了相关函数与卷积的概念,包括自相关和互相关的定义及性质,强调了两者在数学表达上的区别。相关函数用于衡量信号间的相似程度,而卷积在信号处理中有重要应用,其物理意义与相关函数不同。卷积满足交换律,可通过傅里叶变换简化计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

相关和卷积的笔记

相关函数
概念
相关函数是描述二个信号X(s),Y(t)在任意两个不同时刻s、t的取值之间的相关程度。两个信号之间的相似性大小用相关系数来衡量。定义:

COV是协方差,D是方差。得到的值为变量 X 和 Y 的相关系数。若相关系数 = 0,则称 X与Y 不相关。相关系数越大,相关性越大,但肯定小于或者等于1。
相关函数分为自相关和互相关
1.自相关
自相关是互相关的一种特殊情况。自相关函数是描述随机信号 x(t) 在任意不同时刻 t1,t2的取值之间的相关程度。定义式:
R(s,t)=E(X(s)*X(t))

主要性质如下:
(1)自相关函数为偶函数,其图形对称于纵轴。
(2)当s=t 时,自相关函数具有最大值,且等于信号的均方值,即
(3)周期信号的自相关函数仍为同频率的周期信号。

2.互相关
互相关是用来度量两个信号在某个时刻的相似程度,对于机器视觉领域来说就是指两个图像patch的互相匹配的程度。互相关函数是描述随机信号 x(t)、y(t) 在任意两个不同时刻s,t的取值之间的相关程度,其定义为:
R(s,t)=E(X(s)*Y(t))
对于连续函数,定义为

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值