Python中的GCC-PHAT互相关答案

【问题标题】：GCC-PHAT cross correlation in PythonPython中的GCC-PHAT互相关
【发布时间】：2014-09-02 20:34:05
【问题描述】：

我正在尝试在 python 中实现 GCC-PHAT。

做法类似于下面两个链接： link1 和 link2

似乎 GCC-PHAT 和使用 FFT 的正常互相关之间的唯一区别是除以幅度。

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.fftpack import rfft, irfft, fftfreq, fft, ifft

def xcorr_freq(s1,s2):
    pad1 = np.zeros(len(s1))
    pad2 = np.zeros(len(s2))
    s1 = np.hstack([s1,pad1])
    s2 = np.hstack([pad2,s2])
    f_s1 = fft(s1)
    f_s2 = fft(s2)
    f_s2c = np.conj(f_s2)
    f_s = f_s1 * f_s2c
    denom = abs(f_s)
    denom[denom < 1e-6] = 1e-6
    f_s = f_s / denom  # This line is the only difference between GCC-PHAT and normal cross correlation
    return np.abs(ifft(f_s))[1:]

我通过注释掉fs = fs / denom 进行了检查，该函数产生的结果与宽带信号的正常互相关相同。

这是一个示例测试代码，显示上面的 GCC-PHAT 代码的性能比正常的互相关差：

LENG = 500
a = np.array(np.random.rand(LENG))
b = np.array(np.random.rand(LENG))
plt.plot(xcorr_freq(a,b))
plt.figure()
plt.plot(np.correlate(s1,s2,'full'))

这是 GCC-PHAT 的结果：

这是正常互相关的结果：

由于 GCC-PHAT 应该为宽带信号提供更好的互相关性能，我知道我的代码有问题。非常感谢任何帮助！

【问题讨论】：

scicomp.stackexchange.com 可能会有更多具有相关专业知识的人。如果您在此处转发此问题，请删除此问题。
为什么您的测试代码使用a 和b（两个完全随机的信号）作为xcorr_freq 的输入，并使用s1 和s2（可能是其他一些信号）作为输入到np.correlate，而不是通过对两个实现使用相同的输入来比较苹果和苹果？

标签： python algorithm numpy signal-processing cross-correlation

【解决方案1】：

不要只用噪音喂食 GCC-PHAT。给它一个信号+噪音。检查 GCC-PHAT 和未加权相关如何随着信噪比的变化而比较。

【讨论】：