两段重复动作的采样曲线看起来相似，却可能从不同阶段开始。把其中一段按不同位数循环移动，并计算对齐后的相关值，可以比较哪个偏移让整体变化最相近。
规则与边界
本例两序列长度均为十二，按循环信号处理。先分别减去各自平均值，再对每个偏移k求所有位置上第一序列与第二序列第i加k位置的乘积之和，索引对十二取余。取相关值最大的偏移，相同取较小编号。
本例记录
第一序列[-4, -5, 8, 6, -3, 6, -5, 3, 3, 4, 7, -5]；第二序列[-10, -1, -3, -1, 1, -10, -8, -10, 3, 2, -8, 1]；两序列均值分别为5/4和-11/3。
偏移 | 中心化相关值 0 | -27 1 | 144 2 | -110 3 | -89 4 | -27 5 | -43 6 | 294 7 | -48 8 | -32 9 | -119 10 | -89 11 | 146 最佳偏移6，平方误差和59/12。 位置 | 第一序列中心化值 | 对齐后第二序列中心化值 | 差 0 | -21/4 | -13/3 | -11/12 1 | -25/4 | -19/3 | 1/12 2 | 27/4 | 20/3 | 1/12 3 | 19/4 | 17/3 | -11/12 4 | -17/4 | -13/3 | 1/12 5 | 19/4 | 14/3 | 1/12 6 | -25/4 | -19/3 | 1/12 7 | 7/4 | 8/3 | -11/12 8 | 7/4 | 2/3 | 13/12 9 | 11/4 | 8/3 | 1/12 10 | 23/4 | 14/3 | 13/12 11 | -25/4 | -19/3 | 1/12
表中编号只标记本例对象，不表示排名或另一组数据中的身份。先确认输入单位与边界约定，再逐步核对中间值。零、空结果和不存在是不同状态，不能因为显示相近就互相替代；分数用精确形式保留，便于重新演算。
复核方法
循环移动不会改变第二序列的平方和，所以在这个固定长度模型中，相关值最大也等价于中心化后的平方误差最小。不能把不同偏移只截取部分重叠样本再直接比较，样本数量改变后就不是同一评分了。
表格列出全部十二个候选分数，并展开最佳偏移的逐点差异。输入中额外的固定高度偏移会被减均值处理消除，但幅度缩放仍会改变分数大小。若两个序列都接近常量，任何偏移都可能缺乏辨别信息，应明确报告这种局限。
能说明什么
这不是任意录音或动作的通用识别器。重复子模式可能让多个相位同样合理，噪声也可能改变最佳偏移；结果是这些样本下的对齐建议，不保证还原真实记录起点。
这份记录用于理解明确规则下的游戏机制。改变输入后，结果也应随之重新计算；若操作规则不同，应先把新规则写清再比较。可以从一两个步骤手算开始，找出第一处差异，而不是只对照最后一个数值。全部中间记录都属于当前案例，不能直接当成其他场景的固定答案。