9
9
http://www.cecill.info/licences/Licence_CeCILL_V2-en.txt
11
11
<refentry xmlns="http://docbook.org/ns/docbook" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:svg="http://www.w3.org/2000/svg" xmlns:ns3="http://www.w3.org/1999/xhtml" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:db="http://docbook.org/ns/docbook" version="5.0-subset Scilab" xml:id="xcorr" xml:lang="ja">
13
<refname>xcorr</refname>
14
<refpurpose>離散自己/相互相関を計算する</refpurpose>
18
<synopsis>[c [,lagindex]] = xcorr(x [,maxlags [,scaling]])
19
[c [,lagindex]] = xcorr(x,y [,maxlags [,scaling]])
28
<para>実数または複素浮動小数点数のベクトル.</para>
34
<para>実数または複素浮動小数点数のベクトル.
35
デフォルト値は <literal>x</literal>.
43
デフォルト値は <literal>n</literal>.
44
ただし,<literal>n</literal>は<literal>x</literal>,
45
<literal>y</literal>ベクトルの長さの大きい方です.
53
<literal>"biased"</literal>, <literal>"unbiased"</literal>,
54
<literal>"coeff"</literal>, <literal>"none"</literal>.
55
デフォルト値は <literal>"none"</literal>.
62
<para>実数または浮動小数点数のベクトルで,向きは
63
<literal>x</literal>と同じです.
71
行ベクトルで, <literal>c</literal>の値に
72
対応する添字(lag index)を有します.
82
<literal>c=xcorr(x)</literal>
84
は以下のように正規化しない離散自己共分散を計算します:
86
<latex>{\begin{matrix}C_k = \sum_{i=1}^{n-k}
87
{x_{i+k}*x^{*}_i}, k \geq 0 \\ C_k = C^{*}_{-k}, k \leq
91
そして,<literal>c</literal> を返します.
95
<latex>$C_k,k=-n:n$</latex>
99
<literal>x</literal>の長さです.
104
<literal>xcorr(x,y)</literal>
106
は正規化しない離散相互共分散を以下のように計算します:
108
<latex>{\begin{matrix}C_k = \sum_{i=1}^{n-k}
109
{x_{i+k}*y^{*}_i}, k \geq 0 \\ C_k = C^{*}_{-k}, k \leq
113
結果を<literal>c</literal>に返します.
118
<latex>$C_k,k=-n:n$</latex>となります.
119
ただし,<literal>n</literal>は
120
<literal>x</literal>および<literal>y</literal>
125
<literal>maxlags</literal> 引数が指定された場合,
126
<literal>xcorr</literal> は <literal>c</literal> を
127
返し,共分散の並びは <latex>$C_k,k=-maxlags:maxlags$</latex> と
129
<literal>maxlags</literal> が <literal>length(x)</literal>よりも
130
大きい場合, <literal>c</literal>の先頭と末尾の複数の値は
134
<literal>scaling</literal> 引数は,
135
<literal>c</literal>に結果を出力する前に
136
<latex>C(k)</latex>を正規化する方法を以下のように指定します:
139
<term>"biased"</term>:<literal>c=</literal><latex>$C$</latex><literal>/n</literal>.
142
<term>"unbiased"</term>:<literal>c=</literal><latex>$C$</latex><literal>./(n-(-maxlags:maxlags))</literal>.
145
<term>"coeff"</term>:<literal>c=</literal><latex>$C$</latex><literal>/(norm(x)*norm(y))</literal>.
155
<link linkend="corr">corr</link>
156
関数は<literal>x</literal>および<literal>y</literal>の
157
バイアス付き("biased")共分散を計算し,
158
<literal>c</literal>のみを返します.
159
自己共分散の並びは,<latex>$C_k,k \geq 0$</latex>となります.
163
<title>手法</title> この関数は,
164
<literal>ifft(fft(x).*conj(fft(y)))</literal>により
165
<latex>$C$</latex>を計算します.
169
<programlisting role="example">t = linspace(0, 100, 2000);
170
y = 0.8 * sin(t) + 0.8 * sin(2 * t);
171
[c, ind] = xcorr(y, "biased");
177
<simplelist type="inline">
179
<link linkend="xcov">xcov</link>
182
<link linkend="corr">corr</link>
185
<link linkend="fft">fft</link>
191
<simplelist type="vert">
192
<member>Serge Steer, INRIA</member>
195
<title>使用される関数</title>
197
<link linkend="fft">fft</link>
204
<revnumber>5.4.0</revnumber>
205
<revremark>xcorr追加.</revremark>
13
<refname>xcorr</refname>
14
<refpurpose>離散自己/相互相関を計算する</refpurpose>
18
<synopsis>[c [,lagindex]] = xcorr(x [,maxlags [,scaling]])
19
[c [,lagindex]] = xcorr(x,y [,maxlags [,scaling]])
28
<para>実数または複素浮動小数点数のベクトル.</para>
34
<para>実数または複素浮動小数点数のベクトル.
35
デフォルト値は <literal>x</literal>.
43
デフォルト値は <literal>n</literal>.
44
ただし,<literal>n</literal>は<literal>x</literal>,
45
<literal>y</literal>ベクトルの長さの大きい方です.
53
<literal>"biased"</literal>, <literal>"unbiased"</literal>,
54
<literal>"coeff"</literal>, <literal>"none"</literal>.
55
デフォルト値は <literal>"none"</literal>.
62
<para>実数または浮動小数点数のベクトルで,向きは
63
<literal>x</literal>と同じです.
71
行ベクトルで, <literal>c</literal>の値に
72
対応する添字(lag index)を有します.
82
<literal>c=xcorr(x)</literal>
84
は以下のように正規化しない離散自己共分散を計算します:
86
<latex>{\begin{matrix}C_k = \sum_{i=1}^{n-k}
87
{x_{i+k}*x^{*}_i}, k \geq 0 \\ C_k = C^{*}_{-k}, k \leq
91
そして,<literal>c</literal> を返します.
95
<latex>$C_k,k=-n:n$</latex>
99
<literal>x</literal>の長さです.
104
<literal>xcorr(x,y)</literal>
106
は正規化しない離散相互共分散を以下のように計算します:
108
<latex>{\begin{matrix}C_k = \sum_{i=1}^{n-k}
109
{x_{i+k}*y^{*}_i}, k \geq 0 \\ C_k = C^{*}_{-k}, k \leq
113
結果を<literal>c</literal>に返します.
118
<latex>$C_k,k=-n:n$</latex>となります.
119
ただし,<literal>n</literal>は
120
<literal>x</literal>および<literal>y</literal>
125
<literal>maxlags</literal> 引数が指定された場合,
126
<literal>xcorr</literal> は <literal>c</literal> を
127
返し,共分散の並びは <latex>$C_k,k=-maxlags:maxlags$</latex> と
129
<literal>maxlags</literal> が <literal>length(x)</literal>よりも
130
大きい場合, <literal>c</literal>の先頭と末尾の複数の値は
134
<literal>scaling</literal> 引数は,
135
<literal>c</literal>に結果を出力する前に
136
<latex>C(k)</latex>を正規化する方法を以下のように指定します:
139
<term>"biased"</term>:<literal>c=</literal><latex>$C$</latex><literal>/n</literal>.
142
<term>"unbiased"</term>:<literal>c=</literal><latex>$C$</latex><literal>./(n-(-maxlags:maxlags))</literal>.
145
<term>"coeff"</term>:<literal>c=</literal><latex>$C$</latex><literal>/(norm(x)*norm(y))</literal>.
155
<link linkend="corr">corr</link>
156
関数は<literal>x</literal>および<literal>y</literal>の
157
バイアス付き("biased")共分散を計算し,
158
<literal>c</literal>のみを返します.
159
自己共分散の並びは,<latex>$C_k,k \geq 0$</latex>となります.
163
<title>手法</title> この関数は,
164
<literal>ifft(fft(x).*conj(fft(y)))</literal>により
165
<latex>$C$</latex>を計算します.
169
<programlisting role="example">t = linspace(0, 100, 2000);
170
y = 0.8 * sin(t) + 0.8 * sin(2 * t);
171
[c, ind] = xcorr(y, "biased");
177
<simplelist type="inline">
179
<link linkend="xcov">xcov</link>
182
<link linkend="corr">corr</link>
185
<link linkend="fft">fft</link>
191
<simplelist type="vert">
192
<member>Serge Steer, INRIA</member>
195
<title>使用される関数</title>
197
<link linkend="fft">fft</link>
204
<revnumber>5.4.0</revnumber>
205
<revremark>xcorr追加.</revremark>