Враховуючи шаблон і сигнал, виникає питання про те, наскільки подібний сигнал до шаблону.
Традиційно використовується простий кореляційний підхід, при якому шаблон і сигнал перетинаються між собою, а потім весь результат нормалізується добутком обох їх норм. Це дає функцію перехресної кореляції, яка може становити від -1 до 1, а ступінь подібності задається як оцінка піку в ній.
- Як це порівнюється із прийняттям значення цього піку та діленням на середнє чи середнє значення функції перехресної кореляції?
- Що я замість цього заміряю?
До мого прикладу додається схема. 
Для того, щоб отримати найкращий показник їх подібності, мені цікаво, чи варто мені дивитись на:
Тільки пік нормалізованої перехресної кореляції, як показано тут?
Візьміть пік, але розділіть на середнє значення перехресного співвідношення?
Мої шаблони будуть періодичними квадратними хвилями з деяким робочим циклом, як ви бачите, - так чи я не повинен якось також використовувати інші два вершини, які ми бачимо тут?
- Що дало б найкращий показник подібності в цьому випадку?
Дякую!
EDIT для Dilip:
Я побудував наскрізну кореляційну квадратику VS перехресну кореляцію, яка не є квадратом, і це, безумовно, 'загострює' головну вершину над іншими, але я збентежений щодо того, який розрахунок я повинен використовувати для визначення схожості ...
Що я намагаюся з'ясувати:
Чи можу я / чи повинен використовувати інші вторинні вершини у своїх розрахунках подібності?
Зараз у нас є графік перехресної кореляції у квадраті, і це, безумовно, посилює головний пік, але як це допомагає у визначенні остаточної подібності?
Знову дякую.
EDIT для Dilip:
Менші вершини насправді не допомагають у розрахунках подібності; це головна вершина, яка має значення. Але менші вершини забезпечують гіпотезу, що сигнал є галасливою версією шаблону. "
- Спасибі Діліп, мене трохи збентежило це твердження - якщо менші вершини насправді забезпечують підтримку того, що сигнал є галасливою версією шаблону, то хіба це також не допомагає в мірі подібності?
Що мене бентежить, чи варто просто використовувати пік нормалізованої функції перехресної кореляції як мій єдиний і остаточний показник подібності, а "не байдуже", як виглядає / виглядає решта функції крос-корру, АБО, чи слід враховувати також пікове значення та деяку іншу_метрію крос-кор.
Якщо має значення лише пік, то як / навіщо допомогти квадратичній функції, оскільки вона просто збільшує основний пік щодо менших? (Більш захищений від шуму?)
Довгий і короткий: Чи повинен я піклуватися про пік функції перехресної кореляції лише як про останню міру подібності, чи я також повинен враховувати також і всю схему перехресної кореляції? (Звідси моя думка про перегляд її середнього значення).
Знову дякую,
PS Затримка часу в цьому випадку не є проблемою, тому що для цього додатка його "не хвилюють". PPS Я не маю контролю над шаблоном.