论文部分内容阅读
测量两个信号的关联程度在信号分析等多个领域内是一个十分重要且有意义的工作。而相关系数则是一种常用的测量方式。其中我们最为熟悉的就是皮尔逊积矩相关系数。皮尔逊积矩相关系数是用以表征两个随机变量之间相关关系密切程度的统计常用的重要指标,被广泛运用于很多科学与技术领域,尤其是信号处理领域。当一个随机变量Y随着另一个随机变量X的增大(减小)而增大(减小)时,则X和Y满足正相关关系;反之,当Y随着X的增大(减小)而减小(增大)时,则X和Y满足负相关关系;除此之外,则X和Y无明显相关关系。 但皮尔逊积矩相关系数是一种线性相关系数,主要用于测量两个线性关联信号之间的先关联程度。如果两个信号间存在非线性映射关系,即使两个信号时强关联的,但皮尔逊相关系数却无法准确表示两个信号之间的关联程度。所以在本篇文章中,我们提出一种基于皮尔逊相关系数和次序统计的新相关系数。这种相关系数即要满足作为相关系数的基本性质,还要拥有皮尔逊相关系数的一些优点,并且能很好的测量两个存在非线性对应关系的时间序列或信号之间的相关程度,用于弥补皮尔逊相关系数的不足。 我们将会从理论上讨论新相关系数的一些基本性质,分析它在测量满足二元标准正态联合分布的双通道信号时的数学期望和方差,并且使用4个模型(包含线性和非线性模型)进行仿真实验,观测新相关系数在噪音环境、线性环境和非线性环境下的表现、对信号延时的检测并和皮尔逊相关系数作对比。在这些仿真实验中,我们还会使用一些真实和模拟的医学信号作实验,这样更能体现其使用性。 最后的理论推导表明我们的新相关系数拥有和皮尔逊相关系数一样的基础性质。另外,基于4个模型和5种医学信号的实验研究表明,我们的新相关系数有更好的抗噪声鲁棒性、小偏差、精准的时间延时检测检测能力和有更强的鲁棒性。尤其在测量非线性的相关度上我们的新相关系数表象得比皮尔逊相关系数好。所以当我们无法事先与测所要测量的信号是否含有非线性时,使用新相关系数来测量时比较稳妥的。