可以在 Python 中计算多元信号的相干矩阵而不诉诸循环吗？

Question

给定两个信号向量 x 和 y，命令

f, Cxy = signal.coherence(Signal[:,i],Signal[:,j], fs) 

在 scipy 工具箱中可用，生成 f 中列出的相应频率处的信号 x 和 y 之间的相干值。

是否有内置的 python 命令用于为多元信号创建相干矩阵，或者我必须诉诸使用循环？换句话说，如果 X 是大小为 N×C 的信号矩阵，其中 N 是时间点的数量，C 是通道的数量，是否有内置命令来计算 f,S，其中 f 是频率列表，S 的大小为 C×C×len(f)，具有以下属性

S[i,j,k] 表示 f 中第 k 个频率处的通道 i 和 j 之间的相干性？

我似乎记得Matlab中有这样一个命令（mscohere？），但我在Python中找不到。如果可能的话，我宁愿不诉诸嵌套循环。

Answer 1

晚了三年多，但以防万一其他人遇到这个问题......

您可以通过添加新的信号数组来改变信号数组的形状，计算多变量信号的形状为

(len(f), C, C)

的相干连接矩阵（其中

C

是通道或信号的数量，

len(f)

是频率的数量）。轴。

使用

numpy.newaxis

功能将新轴添加到信号数组的偏移位置：

    f, Cxy = signal.coherence(x=Signal[:, :, np.newaxis], y=Signal[:, np.newaxis, :], fs=fs, axis=0)

这应该返回一个分配给形状为

Cxy

的变量

(len(f), C, C)

的数组。我没有检查过，但我想以这种方式计算相干连接矩阵会比使用循环更快，因为您只调用

spicy.signal.coherence

函数一次，而不是

C x C

次。