scipy.signal.correlate与Matlab xcorr功能是否一致？

我想确认scipy.signal.correlate是否和Matlab的xcorr功能一致，以下是我分别实现的代码，但两者生成的图像完全不同，恳请帮助排查问题。

Matlab 实现代码 #

Fs_=40175;
t_max=10;
t0_=0:(1/Fs_):t_max;
s0_=chirp(t0_, 400, t_max, 10000)
B_ = xcorr(y,s0_) %y是从加载文件中读取的列向量
t_B = 0:(1/Fs_):(1/Fs_)*(length(B_)-1)
t_B = t_B - mean(t_B)
plot(t_B, B_)

Python 实现代码 #

import numpy as np
from scipy.signal import chirp, correlate
import matplotlib.pyplot as plt

Fs_=40175
t_max=10
t0_new=np.arange(0, t_max, 1/Fs_)
s0_new=chirp(t0_new, f0=400, t1=t_max, f1=10000)
B_new = correlate(data['y'], s0_, mode='full')
t_B_new = np.arange(0, (1/Fs)*(B_new.shape[0]), (1/Fs))
t_b_new = t_B_new - np.mean(t_B_new)

plt.figure(figsize=(12, 8))
plt.plot(t_b_new[0:B_new.shape[0]], B_new)
plt.xlabel('counts')
plt.ylabel('level')
plt.title('signals')
plt.legend()
plt.show()

问题现象 #

Python生成的图像与Matlab生成的图像呈现完全不同的形态。

问题排查与修正建议 #

两者核心功能一致（均用于计算信号互相关），结果差异源于代码细节错误，具体问题及修正方案如下：

1. 信号长度不匹配
   Matlab的t0_=0:(1/Fs_):t_max会生成包含t_max的数组，总长度为Fs_*t_max + 1；而Python的np.arange(0, t_max, 1/Fs_)不包含t_max，长度为Fs_*t_max，导致扫频信号长度不一致，直接影响互相关结果。
   修正：Python中改用linspace生成匹配长度的时间轴：

   t0_new = np.linspace(0, t_max, int(Fs_ * t_max) + 1)
   

2. 变量名引用错误
   Python代码中correlate(data['y'], s0_, mode='full')引用了未定义的s0_，实际应使用定义好的s0_new：

   B_new = correlate(data['y'], s0_new, mode='full')
   

3. 时间轴计算错误

   • 误用未定义的Fs，需统一使用Fs_；
   • 通过均值偏移时间轴易引入浮点误差，建议直接生成对称时间轴：

     n = len(B_new)
     t_B_new = np.arange(-(n-1)/(2*Fs_), (n-1)/(2*Fs_) + 1/Fs_, 1/Fs_)
     

4. 绘图细节优化

   • t_b_new长度与B_new一致，无需切片；
   • 图例需指定标签，避免空图例：

     plt.plot(t_B_new, B_new, label='Cross-correlation')
     plt.legend()
     

修正后的Python代码示例 #

import numpy as np
from scipy.signal import chirp, correlate
import matplotlib.pyplot as plt

Fs_ = 40175
t_max = 10
# 生成与Matlab长度一致的时间轴
t0_new = np.linspace(0, t_max, int(Fs_ * t_max) + 1)
s0_new = chirp(t0_new, f0=400, t1=t_max, f1=10000)
# 使用正确的信号变量计算互相关
B_new = correlate(data['y'], s0_new, mode='full')
# 生成对称的时间轴
n = len(B_new)
t_B_new = np.arange(-(n-1)/(2*Fs_), (n-1)/(2*Fs_) + 1/Fs_, 1/Fs_)

plt.figure(figsize=(12, 8))
plt.plot(t_B_new, B_new, label='Cross-correlation')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.title('Cross-correlation of Signals')
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者catauggie