Блог

Я пытаюсь использовать ffdiag (pybss) из следующей функции :

 def ffdiag(X, max_lag = 10, eps = 1.0e-10, max_iter = 100):
    '''
    Blind source separation using FFDIAG.  This version does not require that
    the estimated mixing matrix be orthogonal.

    INPUT:
    ------
    X : array, required
        N_sig x t matrix of signal mixtures

    max_lag : int, optional
        maximum lag (in samples) for covariance matrix calculation

    eps : double, optional
        convergence criterion for matrix updates

    max_iter : int, optional
        maximum number of iterations/updates
    '''
    R_tau = linalg.lagged_covariance(X,max_lag)
    dim = len(R_tau[0])
    n_lags = len(R_tau.keys())
    W = zeros((dim,dim))
    V = eye(dim)
    C = R_tau
    niter = 0
    theta = 0.9
    iter_eps = 1.0
 

с lagged_covariance определением :

 def lagged_covariance(X, max_lag):
    '''
    Generates a dictionary of lagged covariance matrices of matrix X, for
    lags 0,1,2,...,max_lag.

    INPUT:
    ------
    X : array, required
        N x t data matrix

    max_lag : integer, required
        covariance matrices will be computed for lags 0,1,...,max_lag

    OUTPUT:
    ------
    R_tau : dictionary, keyed on the lag, with values equal to the lagged
        covariance of X with the lagged version of itself.
    '''
    R_tau = {}
    t = X.shape[1]
    dim = X.shape[0]
    R_tau[0] = cov(X,X)[0:dim,dim::]
    for tau in range(1,max_lag 1):
        for i in range(tau,t):
            # create X(t) and X(t-tau)
            X_t = X[:,0:t-tau]
 

Я получаю следующую ошибку :

 /Users/henry/pybss/linalg.py", line 92, in lagged_covariance
    R_tau[0] = cov(X,X)[0:dim,dim::]
  File "<__array_function__ internals>", line 6, in cov
  File "/opt/intel/intelpython3/lib/python3.7/site-packages/numpy/lib/function_base.py", line 2371, in cov
    raise ValueError("m has more than 2 dimensions")
ValueError: m has more than 2 dimensions
 

В моем скрипте я вызываю ffdiag так :

 # dimension
m=7
# number of matrices
n=2

# Load spectro and WL GCph XC
FISH_GCsp = np.loadtxt('Fisher_GCsp_flat.txt')
FISH_XC = np.loadtxt('Fisher_XC_GCph_WL_flat.txt')

# Marginalizing over uncommon parameters between the two matrices
COV_GCsp_first = np.linalg.inv(FISH_GCsp)
COV_XC_first = np.linalg.inv(FISH_XC)
COV_GCsp = COV_GCsp_first[0:m,0:m]
COV_XC = COV_XC_first[0:m,0:m]
# Invert to get Fisher matrix
FISH_sp = np.linalg.inv(COV_GCsp)
FISH_xc = np.linalg.inv(COV_XC)
# Drawing a random set of commuting matrices
C=np.zeros((n,m,m));
B=np.zeros((n,m,m));
C[0,:,:] = np.array(FISH_sp)
C[1,:,:] = np.array(FISH_xc)

[invV, B, ut] = ffdiag(C, 10, 1.0e-10, 100)
 

но я не знаю C , правильно ли определен массив: в любом случае мне нужно передать 2 матрицы размером 7×7, но в каком порядке :

 # dimension
m=7
# number of matrices
n=2

C=np.zeros((n,m,m));
B=np.zeros((n,m,m));
 

или

 C=np.zeros((m,m,n));
B=np.zeros((m,m,n));
 

или что-то еще, поскольку оба вышеперечисленных, похоже, не работают.

Как вы можете видеть в определении ffdiag, это замечено :

 INPUT:
        ------
        X : array, required
            N_sig x t matrix of signal mixtures
 

Но я не могу догадаться, какая структура X array .