中等大小阵列的互相关

我有16个1D数组，每个数组大约有10-11百万个双精度元素。我需要在它们之间执行互相关，即，1与2,1与3，...，1与16,2与3,2与4，...，2与16等等。这在我的MacBook Intel Core 2 duo 2.4 GHz，4GB内存上无法高效完成。我的问题是，什么是典型的方法，即使不是蛮力（更快的处理器，更多的RAM），人们用来克服这个问题，还是像它这样的问题？谢谢！中等大小阵列的互相关

来源

2012-04-04 Phillip Cloud

如果计算每个阵列的傅里叶变换，您应该使用可以使用变换后的阵列来高效计算每对原始输入阵列之间的cross-correlation。请参阅维基百科文章的“属性”部分，我链接到要使用的身份。

来源

2012-04-04 22:43:56

我知道这个身份。我使用NumPy，它直接计算互相关。用这个标识来计算互相关是否会显着加快计算速度，即足够让我不必在一夜之间运行它？ – 2012-04-04 22:48:59

@cpcloud：我不是Python专家，但我搜索了一下，发现SO上的其他地方有答案，声称NumPy没有使用FFT技术。（所以如果一个阵列比另一个阵列小得多，但是对于你所关心的情况来说速度会很慢）。计算一千万点阵列的FFT不应该花太长时间，如果您使用傅立叶身份实施互相关程序，则期望看到显着的加速。 – 2012-04-04 23:08:30

谢谢！你能发布一个链接到你找到这些信息的地方吗？非常感激！ – 2012-04-04 23:18:46

numpy中的互相关函数是慢得可笑的。 openCV库有一个numpy友好的互相关函数可用。即使您尝试实现频域方法，您也不会击败openCV库，因为有更多技巧可用于加速互相关计算。我张贴了关于在此之前：

Computing cross-correlation function?

我相信代码是基于下面的文件中详述的招数：在视觉接口，1995

JP刘易斯，“快速模板匹配”，第一卷。 95，第120-123页。

来源

2012-04-10 20:51:42 ncRubert

中等大小阵列的互相关

回答

相关问题