自相关函数
自相关函数（Autocorrelation 函数）在不同的领域，定义不完全等效。在某些领域，自相关函数等同于自协方差(autocovariance)。
自相关（英语：Autocorrelation），也叫序列相关，是一个信号于其自身在不同时间点的互相关。非正式地来说，它就是两次观察之间的相似度对它们之间的时间差的函数。它是找出重复模式（如被噪声掩盖的周期信号），或识别隐含在信号谐波频率中消失的基频的数学工具。它常用于信号处理中，用来分析函数或一系列值，如时域信号。
定义
信号处理
其中“*”是卷积算符，为取共轭。
同一时间函数在瞬时t和的两个值相乘积的平均值作为延迟时间t的函数，它是信号与延迟后信号之间相似性的度量。延迟时间为零时，则成为信号的均方值，此时它的值最大。
性质
以下以一维自相关函数为例说明其性质，多维的情况可方便地从一维情况推广得到。
对称性：从定义显然可以看出。连续型自相关函数为偶函数
当f为实函数时，有：
当f是复函数时，该自相关函数是厄米函数，满足：,其中星号表示共轭。
连续型实自相关函数的峰值在原点取得，即对于任何延时 τ，均有。该结论可直接有柯西-施瓦兹不等式得到。离散型自相关函数亦有此结论。
周期函数的自相关函数是具有与原函数相同周期的函数。
两个相互无关的函数（即对于所有 τ，两函数的互相关均为0）之和的自相关函数等于各自自相关函数之和。
由于自相关函数是一种特殊的互相关函数，所以它具有后者的所有性质。
连续时间白噪声信号的自相关函数是一个δ函数，在除之外的所有点均为0。
维纳-辛钦定理（Wiener–Khinchin theorem）表明，自相关函数和功率谱密度函数是一对傅里叶变换对：
实值、对称的自相关函数具有实对称的变换函数，因此此时维纳-辛钦定理中的复指数项可以写成如下的余弦形式：
举例
白噪声的自相关函数为δ函数：
具有罗伦兹功率谱的色噪声的自相关函数为:
应用
信号处理中，自相关可以提供关于重复事件的信息，例如音乐节拍（例如，确定节奏）或脉冲星的频率（虽然它不能告诉我们节拍的位置）。另外，它也可以用来估计乐音的音高。
参考资料
Warning: Invalid argument supplied for foreach() in /www/wwwroot/newbaike.com/id.php on line 280