Étape 2: autocorrélation
Ce que nous devons faire est de changer le signal original dans un autre celui qui met en évidence la périodicité du signal original. Donc si c’est en effet périodique, qui se distinguent dans le nouveau signal et puis nous pouvons mesurer qu’à l’accoutumée à l’aide de détection de pic ou zéro détection de passage.
Quel est l’algorithme magique qui fait cela ?
C’est l’autocorrélation.
Imaginez que votre signal est contenue dans une fenêtre ou un tampon. Maintenant l’image vous avez une copie exacte de cette fenêtre ou de tampon avec un temps de retard.
Que signifie autocorrélation consiste à mesurer la corrélation (ou la similitude) entre le signal et sa copie différée chaque fois que la copie est retardée par une période d’échantillonnage.
Voir le schéma. Lorsque le signal et la copie n’ont aucun retard, ils sont très similaires (c.-à-d. fortement corrélés) comme indiqué dans l’étape 1, et par conséquent l’autocorrélation valeur du retard = 0 est maximale.
Étape 2 montre que, lorsque la copie est retardée de façon significative, il ne semble semblable à l’original dans la zone de chevauchement. Par conséquent, la valeur de l’autocorrélation pour ce retard est faible.
Étape 3 montre que lorsque la copie est retardée encore plus le signal dans la zone de chevauchement est très semblable à l’original parce que le signal est périodique. Par conséquent, la valeur de l’autocorrélation pour ce retard montre un pic.
Nous pouvons voir que la distance temporelle entre le pic maximal au début et le premier pic par la suite doit être égale à la période fondamentale de l’onde.
Maintenant que nous avons souligné la périodicité du signal par autocorrélation nous avons juste besoin d’effectuer une détection de pic pour mesurer la période.
Techniquement, la « similarité » ou la corrélation entre le signal et sa copie différée est la somme du produit de deux signaux.
Pour la technique intéresse tous les détails de l’autocorrélation peuvent être trouvés ici : http://en.wikipedia.org/wiki/Autocorrelation
