numpy的：

如何計算一個信號v（t）的具有非均勻樣品的標準偏差可以說，我有兩個numpy的數組：numpy的：

y(n) = [y1, y2, y3...] 
t(n) = [t1, t2, t3...]

y(n)表示信號在時間點t(n)的值。現在，我想計算這個信號的標準偏差等統計量。如果以統一的時間間隔取樣，我可以使用標準numpy函數std()。在我的情況下，樣本不是統一的時間間隔。也就是說，t2-t1可能不等於t3-t2。

我想創建一個新的數組，它將通過插值y的值創建。

g = [g1, g2, g3...] where 
ts = np.min(np.diff(t)) # new sample size 
g(n) = numpy.interp(n*ts, t, y) # interpolate

現在使用g代替y計算std等我想知道是否有更好的方法來做到這一點。

來源

2016-12-30 Suresh

信號的標準偏差是在假設y（n）是從相同概率分佈取得的獨立隨機變量的情況下計算的。如果採樣時間分佈與信號相關，採用非均勻採樣這種假設可能並非如此。網絡搜索指向最近的一篇論文，其中計算來自非均勻採樣信號的統計信息詳見http://liu.diva-portal.org/smash/get/diva2:23251/FULLTEXT01.pdf –

在我的情況中，它是不是一個隨機變量。這是從特定時間點的物理事件觀察到的一系列值。這在理想情況下應該是一個常數。標準差用於衡量它與理想情況的差距。感謝您的鏈接。我會檢查是否可以從那裏利用任何見解。 – Suresh

插值和重採樣是一種方法，但使用非均勻時間間隔作爲權重更容易。也就是說，隨着時間的推移平均一些東西，將每個值乘以相應的時間間隔;拿總和併除以總時間。

dt = np.diff(t) 
total_time = t[-1] - t[0] 
mean = np.dot(y[:-1], dt)/total_time 
std = np.sqrt(np.dot((y[:-1]-mean)**2, dt)/total_time)

隨着你結束了n-1個時間間隔n個樣本（在數組DT），樣品使一個（最後一個）被丟棄，因爲我們不知道它的時間段。除非樣本數量非常小，否則這應該不重要。

來源

2016-12-30 17:19:08 FTP

回答

相關問題