×
该方法易于在FPGA上实现相关算法，比直接用相乘来得简单，而且但相关点数越多计算量相对而言比直接求解减少
仿真程序如下：
%步骤：
%（1） x，y都在高位补M（数据长度）个零
%（2） 求2M点FFT，X（K），Y（K）
%（3） 求乘积，Rxy（K）=X（K）*Y‘（K） 注：Y（K）取共轭
%（4） 求2M点IFFT， rxy= IFFT（Rxy（K））
clc;close all;clear all;
x1=load（‘D:My DocumentsMATLABdens_flow_ejieRF1.txt’）; %导入数据
y1=load（‘D:My DocumentsMATLABdens_flow_ejieRF2.txt’）; %导入数据
xcorr_size=512; %定义互相关的长度
xk=zeros（1，2*xcorr_size）;
yk=zeros（1，2*xcorr_size）;
label_x=zeros（1，2*xcorr_size）;
velo= zeros（1，2*xcorr_size）;
xk（1:xcorr_size）=x1（1:xcorr_size）; %以下为对比实验，将用fft相关算法和XCORR实现进行对比，发现不用使用反折方法也能实现相关
yk（1:xcorr_size）=y1（1:xcorr_size）; %实现效果非常好
XK_FFT=fft（xk）;
YK_FFT=conj（fft（yk））; %求共轭，只是在复数乘法之前加了一个 取共轭操作
ZK= XK_FFT.*YK_FFT;
rxy=fftshift（ifft（ZK））; %用取实部的操作一样
figure;
plot（rxy）;
title（‘fft算法实现线性相关’）;
rxy2=xcorr（xk（1:xcorr_size），yk（1:xcorr_size））;
figure;
plot（rxy2）;
title（‘matlab自带相关函数xcorr结果’）;
『本文转载自网络,版权归原作者所有,如有侵权请联系删除』
热门文章
更多
机器视觉可用的不同电缆和连接器类型以及相关利弊分析
APP下载
登录
