Gtld crosscorr

Краткое описание

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

Стандартная конструкция выглядит таким образом:

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
    }
); 

Результат

__autocorr.avg - среднее значение модуля коэффициента автокорреляции;

__autocorr.rms - СКЗ коэффициента автокорреляции;

__autocorr.ampl - максимальное значение коэффициента автокорреляции после 1% формы сигнала;

__autocorr.data - массив значений коэффициента автокорреляции (для построения графика);

Содержание функции

class corrClass {
    constructor(args) {
        this.x = args.x; // массив данных X
        this.y = args.y; // массив данных Y
        this.lag = args.lag; // величина сдвига (количество индексов)
    }

    // Вычисление коэффициента корреляции Пирсона
    calcCorr(x, y) {
        const meanX = x.reduce((sum, val) => sum + val, 0) / x.length; // вычисление среднего значения по массиву X
        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)
        }

        if (varX === 0 || varY === 0) return 0; // изменчивости нет — корреляцию посчитать нельзя. Возвращаем 0 
        return cov / Math.sqrt(varX * varY)
    }

    // Вычисление кросс-корреляции (коэффициент Пирсона)
    calcCross(x, y, lag) {
        const n = x.length; // длина массива
        const outLen = 2 * lag + 1;
        const result = new Float64Array(outLen); // массив результатов расчета корреляции (кросс корреляционная функция)

        // Добавляем lag нулей в начало и lag нулей в конец
        const zeros = Array(lag).fill(0); // нулевой массив
        const xArr = [...zeros, ...x, ...zeros]; // расширяем массив x

        for (let i = 0; i < outLen; i++) {
            const start = i; // при i=0 берем окно с lag нулей слева
            const xWin = xArr.slice(start, start + n); // вырезаем из массива окно, равной длины
            result[i] = this.__calcCorr(xWin, y); // вычисляем корреляцию
        }

        return result
    }
}