Я пытаюсь вычислить автокорреляционную функцию сигнала, для которого я знаю только спектр мощности.
Чтобы проверить мой подход, я хотел опробовать его на спектре шума $ 1 / f ^ 2 $, для которого известна автокорреляция (медленно уменьшающаяся). вот мой тестовый код
import scipy as sp
import colorednoise as cn
def plot_acf(length, avg):
fig, ax1 = plt.subplots(1,1)
# get 1/f^2 noise.
data = cn.powerlaw_psd_gaussian(2, length)
# getting the power-spectrum. scipy.welch returns the power-spectrum, with
# positive frequencies first and then negative frequencies.
f, pxx = sp.welch(data, nperseg = avg, window = "hanning", return_onesided = False)
# remove the spurious imaginary part of the inverse fourier transform.
acf = np.real_if_close(np.fft.ifft(pxx))
ax1.plot(acf[:int(avg/2)])
Но он выдает графики, которые выглядят так:
Что явно не так: Сила корреляции слишком слабая и слишком быстро уменьшается для шумового сигнала $ 1 / f ^ 2 $.
Вы знаете, откуда может возникнуть проблема?