Skip to main content
 首页 » 编程设计

python之Numpy:如何使用非均匀样本计算信号 v(t) 的标准偏差

2025年02月15日9wuhuacong

假设我有两个 numpy 数组:

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

y(n) 表示信号在时间点 t(n) 的值。 现在,我想计算这个信号的统计量,比如标准偏差等。 如果以统一的时间间隔采集样本,我可以使用标准的 numpy 函数 std()。在我的例子中,样本不是在统一的时间间隔内采集的。也就是说,t2-t1 可能不等于 t3-t2。

我正在考虑创建一个新数组,它将通过对 y 的值进行插值来创建。

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

现在使用 g 代替 y 来计算 std 等。 我想知道是否有更好的方法来做到这一点。

请您参考如下方法:

插值和重新采样是一种方法,但使用非均匀时间间隔作为权重更容易。也就是说,要随时间取平均值,将每个值乘以相应的时间间隔;取总和;并除以经过的总时间。

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) 

对于 n 个样本,您最终得到 n-1 个时间间隔(在数组 dt 中),因此其中一个样本(最后一个)被丢弃,因为我们不知道它的时间段。这应该无关紧要,除非样本数量非常少。