Xcorr Acorr 데모

소개

이 랩의 목적은 Python Matplotlib 라이브러리를 사용하여 상호 상관 (cross-correlation) 및 자기 상관 (auto-correlation) 플롯의 사용법을 시연하는 것입니다. 상호 상관과 자기 상관은 두 신호 간의 유사성을 측정하는 데 사용되는 수학적 도구입니다. 상호 상관은 서로 다른 두 신호 간의 유사성을 측정하는 반면, 자기 상관은 신호와 시간 지연된 자체 버전 간의 유사성을 측정합니다. 이러한 도구는 신호 처리, 이미지 분석 및 시계열 분석에 일반적으로 사용됩니다.

VM 팁

VM 시작이 완료되면, 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 접근하십시오.

때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화될 수 없습니다.

학습 중 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 즉시 해결해 드리겠습니다.

라이브러리 임포트

먼저, 필요한 라이브러리를 임포트해야 합니다. 이 랩에서는 NumPy 와 Matplotlib 을 사용합니다.

import matplotlib.pyplot as plt
import numpy as np

랜덤 데이터 생성

다음으로, NumPy 를 사용하여 두 개의 랜덤 데이터 배열을 생성합니다. 이 배열을 사용하여 상호 상관 (cross-correlation) 과 자기 상관 (auto-correlation) 을 시연합니다.

np.random.seed(19680801)
x, y = np.random.randn(2, 100)

상호 상관 관계 플롯

이제 Matplotlib 의 xcorr 함수를 사용하여 두 배열 간의 상호 상관 관계를 플롯합니다.

fig, ax = plt.subplots()
ax.xcorr(x, y, usevlines=True, maxlags=50, normed=True, lw=2)
ax.grid(True)
plt.show()

xcorr 함수는 다음과 같은 매개변수를 사용합니다:

• x: 첫 번째 데이터 배열
• y: 두 번째 데이터 배열
• usevlines: 부울 (boolean), 상관 값에서 수직선을 그릴지 여부
• maxlags: 정수, 상관 관계를 계산할 최대 래그 (lag) 수
• normed: 부울, 상관 값을 정규화할지 여부
• lw: 정수, 플롯의 선 너비

자기 상관 관계 플롯

이제 Matplotlib 의 acorr 함수를 사용하여 x 배열의 자기 상관 관계를 플롯합니다.

fig, ax = plt.subplots()
ax.acorr(x, usevlines=True, normed=True, maxlags=50, lw=2)
ax.grid(True)
plt.show()

acorr 함수는 다음과 같은 매개변수를 사용합니다:

• x: 자기 상관 관계를 계산할 데이터 배열
• usevlines: 부울 (boolean), 상관 값에서 수직선을 그릴지 여부
• normed: 부울, 상관 값을 정규화할지 여부
• maxlags: 정수, 상관 관계를 계산할 최대 래그 (lag) 수
• lw: 정수, 플롯의 선 너비

요약

이 랩에서는 Python Matplotlib 에서 상호 상관 관계 및 자기 상관 관계 플롯을 사용하는 방법을 배웠습니다. 먼저 필요한 라이브러리를 가져온 다음 NumPy 를 사용하여 임의의 데이터를 생성했습니다. 그런 다음 Matplotlib 의 xcorr 및 acorr 함수를 사용하여 데이터의 상호 상관 관계와 자기 상관 관계를 플롯했습니다. 이러한 도구는 두 신호 간의 유사성을 측정하는 데 유용하며 신호 처리, 이미지 분석 및 시계열 분석에 일반적으로 사용됩니다.