Gtld crosscorr - История изменений

AlekseyCube: /* Результат */

2026-09-20T23:56:03Z

Результат

← Предыдущая версия		Версия от 23:56, 20 сентября 2026
Строка 15:		Строка 15:

	== Результат ==		== Результат ==
	:<code style="color: purple>~~__autocorr~~.~~avg~~</code> - ~~среднее значение модуля~~ коэффициента ~~автокорреляции~~;		:<code style="color: purple>__cross.calcCorr()</code> - вычисление коэффициента корреляции двух массивов;
	:<code style="color: purple>~~__autocorr~~.~~rms</code> - СКЗ коэффициента автокорреляции;~~		:<code style="color: purple>__cross.calcCross()</code> - получение кросс-корреляционной функции двух массивов для фиксированного сдвига;
	~~:<code style="color: purple>__autocorr.ampl~~</code> - ~~максимальное значение коэффициента автокорреляции после 1% формы сигнала;~~
	~~:<code style="color: purple>__autocorr.data</code>~~ - ~~массив значений коэффициента автокорреляции (~~для ~~построения графика)~~;

	== Содержание функции ==		== Содержание функции ==

AlekseyCube: /* Синтаксис */

2026-09-20T23:52:55Z

Синтаксис

← Предыдущая версия		Версия от 23:52, 20 сентября 2026
Строка 5:		Строка 5:
	Стандартная конструкция выглядит таким образом:		Стандартная конструкция выглядит таким образом:
	<pre style="color: purple>		<pre style="color: purple>
	var ~~__autocorr~~ = ~~getAutoCorr~~(		var __cross = new corrClass(
	{		{
	~~name~~: ~~"Correlation form"~~, //~~имя графика функции~~		x: array1, //первый массив
	~~src~~: ~~__max~~, //массив ~~данных пиковой формы сигнала~~		y: array2, //второй массив
	lag: ~~0.5, //коэффициент смещения сигнала~~		lag: 2, //величина сдвига (количество индексов)
	~~color: 0x6A5ACD~~, //~~цвет отрисовки графика в формате HEX~~
	~~time: 0.01, //цена деления оси времени, с~~
	~~canvas: canvas3 //координатная плоскость для отрисовки графика функции~~
	}		}
	);		);

AlekseyCube: /* Содержание функции */

2026-09-20T23:50:34Z

Содержание функции

← Предыдущая версия		Версия от 23:50, 20 сентября 2026
Строка 25:		Строка 25:
	== Содержание функции ==		== Содержание функции ==
	<pre>		<pre>
	~~function getAutoCorr(options)~~ {		class corrClass {
	~~let result =~~ {~~}; //результат~~		constructor(args) {
	~~let plot~~ = []; //массив ~~значений корреляции для графика~~		this.x = args.x; // массив данных X
	~~let arr = options~~.~~src;~~		this.y = args.y; // массив данных Y
	~~let arr2~~ = ~~arr~~.~~concat(arr)~~; //~~расширяем~~ массив данных		this.lag = args.lag; // величина сдвига (количество индексов)
	~~let~~ lag = ~~options~~.lag;		}

	~~let T~~ = ~~Math~~.~~floor~~(~~arr~~.length * lag); //~~определяем количество индексов (шагов) для смещения массива~~		// Вычисление коэффициента корреляции Пирсона
	~~let avg~~ = ~~arr~~.reduce((~~acc~~, ~~item~~) => ~~(acc~~ + ~~item)~~) / ~~arr~~.length; //~~среднее значение массива~~		calcCorr(x, y) {
	let X = 0; ~~//числитель функции~~		const meanX = x.reduce((sum, val) => sum + val, 0) / x.length; // вычисление среднего значения по массиву X
	let Y = ~~arr~~.~~reduce~~((~~acc, item~~) => (~~acc~~ + (~~item~~ - ~~avg~~) ** 2), 0); //~~рассчитываем знаменатель функции~~		const meanY = y.reduce((sum, val) => sum + val, 0) / y.length; // вычисление среднего значения по массиву Y
			let cov = 0, varX = 0, varY = 0;
			for (let i = 0; i < x.length; i++) {
			cov += (x[i] - meanX) * (y[i] - meanY); // ковариация
			varX += (x[i] - meanX) * (x[i] - meanX); // дисперсия первого массива (отклонение от среднего)
			varY += (y[i] - meanY) * (y[i] - meanY); // дисперсия второго массива (отклонение от среднего)
			}

	~~const arrDiff~~ = ~~arr.map(value~~ =~~> value - avg); //разница от avg~~		if (varX === 0 \|\| varY === 0) return 0; // изменчивости нет — корреляцию посчитать нельзя. Возвращаем 0
	~~for (let i~~ = 0~~; i < T; i++) {~~		return cov / Math.sqrt(varX * varY)
	X = 0;		}
	~~for (let j~~ = 0~~; j < arr.length; j++~~) ~~{ X += arrDiff[j] * (arr2[j + i] - avg) }~~; //~~рассчитываем числитель функции~~
	~~plot~~.~~push~~(~~X / Y~~)~~; //записываем значение в массив коэффициентов~~
	}~~; //смещение массива~~

	~~let plot0 = plot.slice(Math.floor~~(~~0.01 * plot.length)~~);		// Вычисление кросс-корреляции (коэффициент Пирсона)
	~~let akf_avg = plot0.reduce~~(~~(acc~~, ~~item~~) =~~> (acc + Math.abs(item)), 0) / plot0~~.length; //~~среднее значение коэффициента~~		calcCross(x, y, lag) {
	~~let akf_sqr~~ = ~~plot0.reduce((acc, item) => (acc~~ + ~~item ** 2), 0)~~; ~~//сумма квадратов значений~~		const n = x.length; // длина массива
	~~let akf_rms~~ = ~~Math.sqrt~~(~~akf_sqr / plot0.length~~); //~~СКЗ коэффициента~~		const outLen = 2 * lag + 1;
	~~let akf_max = Math.max~~(~~...plot0~~)~~; //определяем максимальное значение коэффициента~~		const result = new Float64Array(outLen); // массив результатов расчета корреляции (кросс корреляционная функция)

	~~result["avg"] = akf_avg;~~		// Добавляем lag нулей в начало и lag нулей в конец
	~~result["rms"]~~ = ~~akf_rms~~;		const zeros = Array(lag).fill(0); // нулевой массив
	~~result["ampl"]~~ = ~~akf_max;~~		const xArr = [...zeros, ...x, ...zeros]; // расширяем массив x
	~~result~~[~~"data"~~] ~~= plot~~;

	~~//отрисовка графика на plot~~		for (let i = 0; i < outLen; i++) {
	if (~~options.canvas !~~= ~~undefined~~) {		const start = i; // при i=0 берем окно с lag нулей слева
	~~options.canvas.add(~~		const xWin = xArr.slice(start, start + n); // вырезаем из массива окно, равной длины
	{		result[i] = this.__calcCorr(xWin, y); // вычисляем корреляцию
	~~color: options~~.~~color~~,		}
	~~name: options.name~~,
	~~x: options~~.~~time~~,
	y~~: plot~~
	}
	);
	};

	return result;		return result
	}~~; //рассчет автокорреляции~~		}
			}
	</pre>		</pre>

AlekseyCube: /* Краткое описание */

2026-09-18T01:21:57Z

Краткое описание

← Предыдущая версия		Версия от 01:21, 18 сентября 2026
Строка 1:		Строка 1:
	== Краткое описание ==		== Краткое описание ==
	Функция предназначена для проведения кросс корреляционного анализа сигнала на предмет наличия линейной связи двух массивов (степень похожести). В результате работы функции возвращается объект с параметрами расчетов.		Функция предназначена для проведения кросс корреляционного анализа сигнала с фиксированным сдвигом на предмет наличия линейной связи двух массивов (степень похожести). В результате работы функции возвращается объект с параметрами расчетов.

	== Синтаксис ==		== Синтаксис ==

AlekseyCube: /* Краткое описание */

2026-09-18T00:04:02Z

Краткое описание

← Предыдущая версия		Версия от 00:04, 18 сентября 2026
Строка 1:		Строка 1:
	== Краткое описание ==		== Краткое описание ==
	Функция предназначена для проведения ~~автокорреляционного~~ анализа сигнала на предмет наличия ~~периодических составляющих. В качестве основного источника подается массив данных пиковой формы сигнала~~. В результате работы функции возвращается объект с параметрами расчетов.		Функция предназначена для проведения кросс корреляционного анализа сигнала на предмет наличия линейной связи двух массивов (степень похожести). В результате работы функции возвращается объект с параметрами расчетов.

	== Синтаксис ==		== Синтаксис ==

AlekseyCube: Новая страница: «== Краткое описание == Функция предназначена для проведения автокорреляционного анализа сигнала на предмет наличия периодических составляющих. В качестве основного источника подается массив данных пиковой формы сигнала. В результате работы функции в...»

2026-09-18T00:02:40Z

Новая страница: «== Краткое описание == Функция предназначена для проведения автокорреляционного анализа сигнала на предмет наличия периодических составляющих. В качестве основного источника подается массив данных пиковой формы сигнала. В результате работы функции в...»

Новая страница

== Краткое описание ==
Функция предназначена для проведения автокорреляционного анализа сигнала на предмет наличия периодических составляющих. В качестве основного источника подается массив данных пиковой формы сигнала. В результате работы функции возвращается объект с параметрами расчетов.

== Синтаксис ==
Стандартная конструкция выглядит таким образом:
<pre style="color: purple>
var __autocorr = getAutoCorr(
{
name: "Correlation form", //имя графика функции
src: __max, //массив данных пиковой формы сигнала
lag: 0.5, //коэффициент смещения сигнала
color: 0x6A5ACD, //цвет отрисовки графика в формате HEX
time: 0.01, //цена деления оси времени, с
canvas: canvas3 //координатная плоскость для отрисовки графика функции
}
);
</pre>

== Результат ==
:<code style="color: purple>__autocorr.avg</code> - среднее значение модуля коэффициента автокорреляции;
:<code style="color: purple>__autocorr.rms</code> - СКЗ коэффициента автокорреляции;
:<code style="color: purple>__autocorr.ampl</code> - максимальное значение коэффициента автокорреляции после 1% формы сигнала;
:<code style="color: purple>__autocorr.data</code> - массив значений коэффициента автокорреляции (для построения графика);

== Содержание функции ==
<pre>
function getAutoCorr(options) {
let result = {}; //результат
let plot = []; //массив значений корреляции для графика
let arr = options.src;
let arr2 = arr.concat(arr); //расширяем массив данных
let lag = options.lag;

let T = Math.floor(arr.length * lag); //определяем количество индексов (шагов) для смещения массива
let avg = arr.reduce((acc, item) => (acc + item)) / arr.length; //среднее значение массива
let X = 0; //числитель функции
let Y = arr.reduce((acc, item) => (acc + (item - avg) ** 2), 0); //рассчитываем знаменатель функции

const arrDiff = arr.map(value => value - avg); //разница от avg
for (let i = 0; i < T; i++) {
X = 0;
for (let j = 0; j < arr.length; j++) { X += arrDiff[j] * (arr2[j + i] - avg) }; //рассчитываем числитель функции
plot.push(X / Y); //записываем значение в массив коэффициентов
}; //смещение массива

let plot0 = plot.slice(Math.floor(0.01 * plot.length));
let akf_avg = plot0.reduce((acc, item) => (acc + Math.abs(item)), 0) / plot0.length; //среднее значение коэффициента
let akf_sqr = plot0.reduce((acc, item) => (acc + item ** 2), 0); //сумма квадратов значений
let akf_rms = Math.sqrt(akf_sqr / plot0.length); //СКЗ коэффициента
let akf_max = Math.max(...plot0); //определяем максимальное значение коэффициента

result["avg"] = akf_avg;
result["rms"] = akf_rms;
result["ampl"] = akf_max;
result["data"] = plot;

//отрисовка графика на plot
if (options.canvas != undefined) {
options.canvas.add(
{
color: options.color,
name: options.name,
x: options.time,
y: plot
}
);
};

return result;
}; //рассчет автокорреляции
</pre>