优化一种相关性计算答案

【问题标题】：Optimizing a kind-of-correlation computation优化一种相关性计算
【发布时间】：2013-12-03 07:32:55
【问题描述】：

我现在有一些代码：

data = repmat(1:10, 1, 2);
N = 6;
period = 10;

result = NaN * zeros(1, period);
for i=1:period
    range_indices = i:i+N;
    temp_data = data(range_indices);
    result(i) = sum( temp_data .* fliplr(temp_data));
end

我正在尝试加快速度（对于较大的数据集，例如 period = 2000 和 N = 1600），但我无法将其转换为矩阵运算的形式（例如通过使用 conv 或 xcorr） .

【问题讨论】：

标签： matlab correlation

【解决方案1】：

您应该能够完全线性化它。首先，考虑range_indices。它们具有以下形式：

1 -> N
2 -> N+1
...
P -> N+P

其中 P 是周期。我们可以像这样设置这些值的矩阵：

range_indices = bsxfun(@plus,1:N,(1:period)'-1);

我们可以使用这些直接获取数据，如下所示：

temp_data = data(range_indices);

那么完成这个功能就相当简单了：

result = sum(temp_data.*fliplr(temp_data));

最后，这与问题无关，只是我想我要指出的一点 - 将来如果您需要生成 NaN 值的矩阵，您应该改用 nan(1,period)。

【讨论】：

bsxfun 太有趣了！
当然，谢谢.. 我在 bsxfun 调用中需要 sum(.. , 2) 和 1:period+1，然后结果相同（而且速度更快）。