如何衡量两个样本量不同的分布或波形数据的相似度？

针对你提到的两个样本量不同的波形数据，可根据你需要的相似性维度，选择以下适用的计算方案：

无需预先对齐长度的方案 #

• 动态时间规整（DTW）
  这是专门为不等长时间序列/波形设计的相似度计算方法，会自动计算两个序列点之间的最优匹配路径，输出的距离值越小，代表两个波形的时序形态相似度越高。
  常用实现：Python环境可直接调用dtw-python、tslearn库的DTW接口，输入原始不等长列表即可直接得到结果。
• KS检验（柯尔莫哥洛夫-斯米尔诺夫检验）
  如果你只需要判断两个波形的数值分布是否相似，不关注时序先后顺序，可直接用KS检验。输入原始不等长数值列表即可得到p值，通常p>0.05即可认为两个数据的分布没有显著差异。

先对齐长度再计算的方案 #

你可以先通过重采样操作把两个波形对齐到相同样本数：比如通过线性插值、三次样条插值的方式，将1016个样本的波形下采样到512个点，或者将两个波形都统一重采样到1024个点，对齐后即可用常规的相似度指标计算：

• 皮尔逊相关系数：取值范围为[-1,1]，越接近1说明两个波形的变化趋势一致性越高
• 余弦相似度：取值范围为[-1,1]，越接近1说明波形的整体形态越相似
• 欧氏距离：数值越小说明两个波形对应点的数值差异越小

内容的提问来源于stack exchange，提问作者V S