我正在调查NumPy correlation function
numpy.correlate(a, v, mode='valid')[source]
Cross-correlation of two 1-dimensional sequences.
此函数计算信号处理文本中通常定义的相关性：
c_{av}[k] = sum_n a[n+k] * conj(v[n])
然后举个例子：
a = [1, 2, 3]
v = [0, 1, 0.5]
np.correlate([1, 2, 3], [0, 1, 0.5], "full")
array([ 0.5, 2. , 3.5, 3. , 0. ])
因此，在此示例中，输出数组中的k为0到4。但是，我想知道在（n + k）> 2的情况下如何定义a [n + k]？
另外，如何定义conjugate（v（n））以及如何计算数组中的每个元素？
最佳答案
公式c_{av}[k] = sum_n a[n+k] * conj(v[n])有点误导，因为左侧的k不一定是输出数组的Python索引。在“完全”模式下，k的可能值是存在至少一个n从而定义了a[n+k] * conj(v[n])的值（即，n + k和n都位于相应数组的范围内） ）。
在您的示例中，sum_n a[n+k] * conj(v[n])中的k可以是-2，-1、0、1、2。它们生成您看到的5个值。例如，k为-2导致a[2-2]*conj(v[2])为0.5，依此类推。
通常，在“完全”模式下，k的范围是从1-len(a)到len(v)-1（包括两端）。因此，如果k确实被理解为Python索引，则公式应为c_{av}[k] = sum_n a[n+k+len(a)-1] * conj(v[n])