Учитывая шаблон и сигнал, возникает вопрос о том, насколько сигнал похож на шаблон.
Традиционно используется простой корреляционный подход, при котором шаблон и сигнал взаимно коррелируются, а затем весь результат нормализуется произведением обеих их норм. Это дает функцию взаимной корреляции, которая может варьироваться от -1 до 1, и степень сходства дается как оценка пика в ней.
- Как это соотносится с принятием значения этого пика и делением на среднее или среднее значение функции взаимной корреляции?
- Что я измеряю здесь вместо этого?
Прилагается схема в качестве моего примера. 
Чтобы получить наилучшую оценку их сходства, мне интересно, стоит ли мне смотреть на:
Просто пик нормализованной взаимной корреляции, как показано здесь?
Взять пик, но разделить на среднее значение графика взаимной корреляции?
Мои шаблоны будут представлять собой периодические прямоугольные волны с некоторым рабочим циклом, как вы можете видеть - поэтому я не должен также как-то использовать другие два пика, которые мы здесь видим?
- Что даст лучшую меру сходства в этом случае?
Спасибо!
РЕДАКТИРОВАТЬ Для Dilip:
Я построил график кросс-корреляции VS для кросс-корреляции, которая не является квадратом, и она, безусловно, «обостряет» основной пик по сравнению с другими, но я не совсем понимаю, какой расчет следует использовать для определения сходства ...
То, что я пытаюсь выяснить, это:
Могу ли я использовать другие вторичные пики в моих расчетах сходства?
Сейчас у нас есть квадрат взаимной корреляционной зависимости, и он, безусловно, обостряет основной пик, но как это помогает определить окончательное сходство?
Еще раз спасибо.
РЕДАКТИРОВАТЬ Для Dilip:
Меньшие пики действительно не помогают в вычислениях подобия; это главный пик, который имеет значение. Но меньшие пики действительно поддерживают гипотезу о том, что сигнал является зашумленной версией шаблона. "
- Спасибо, Дилип, я немного смущен этим утверждением - если меньшие пики действительно обеспечивают поддержку того, что сигнал является шумной версией шаблона, то разве это также не помогает в некоторой степени подобия?
Что меня смущает, так это то, должен ли я просто использовать пик нормализованной функции взаимной корреляции как свою единственную и последнюю меру сходства и «не заботиться» о том, как выглядит и выглядит остальная функция перекрестной корреляции, ИЛИ, Должен ли я принять во внимание пиковое значение и some_other_metric кросс-кор.
Если имеет значение только пик, то как / почему бы помогло возведение в квадрат функции, поскольку она просто увеличивает основной пик относительно меньших? (Больше помехоустойчивости?)
Длинный и короткий: должен ли я заботиться о пике функции взаимной корреляции только как о моей последней мере подобия, или я должен также принимать во внимание весь график взаимной корреляции? (Отсюда и моя мысль о том, чтобы посмотреть на ее смысл).
Еще раз спасибо,
PS Задержка по времени в этом случае не является проблемой, в этом она «не заботится» об этом приложении. PPS У меня нет контроля над шаблоном.