poster
2019-12-10, 20:48
我已经读过一些解释，说明如何使用信号的fft，将实部乘以复共轭（傅立叶域），然后使用逆fft来更有效地计算自相关，但是我在Matlab中实现这一点遇到了麻烦因为在详细的层次上。
回答：
就像您所说的那样，将fft乘以它的复共轭逐点相乘，然后使用反fft（或者在两个信号互相关的情况下： Corr(x,y) FFT(x)FFT(y)* ）
x = rand(100,1); len = length(x); %# autocorrelation nfft = 2^nextpow2(2*len-1); r = ifft( fft(x,nfft) .* conj(fft(x,nfft)) ); %# rearrange and keep values corresponding to lags: -(len-1):+(len-1) r = [r(end-len+2:end) ; r(1:len)]; %# compare with MATLAB's XCORR output all( (xcorr(x)-r) < 1e-10 ) 实际上，如果您看一下xcorr.m的代码，这就是它的作用（仅它必须处理填充，规范化，向量/矩阵输入等的所有情况）。
更多&回答... (https://stackoverflow.com/questions/3949324)
回答：
就像您所说的那样，将fft乘以它的复共轭逐点相乘，然后使用反fft（或者在两个信号互相关的情况下： Corr(x,y) FFT(x)FFT(y)* ）
x = rand(100,1); len = length(x); %# autocorrelation nfft = 2^nextpow2(2*len-1); r = ifft( fft(x,nfft) .* conj(fft(x,nfft)) ); %# rearrange and keep values corresponding to lags: -(len-1):+(len-1) r = [r(end-len+2:end) ; r(1:len)]; %# compare with MATLAB's XCORR output all( (xcorr(x)-r) < 1e-10 ) 实际上，如果您看一下xcorr.m的代码，这就是它的作用（仅它必须处理填充，规范化，向量/矩阵输入等的所有情况）。
更多&回答... (https://stackoverflow.com/questions/3949324)