1、相关函数是描述信号X(s),Y(t)（这两个信号可以是随机的，也可以是确定的）在任意两个不同时刻s、t的取值之间的相关程度。
郾城网站建设公司成都创新互联,郾城网站设计制作，有大型网站制作公司丰富经验。已为郾城上千多家提供企业网站建设服务。企业网站搭建\外贸营销网站建设要多少钱，请找那个售后服务好的郾城做网站的公司定做！
2、自相关函数在不同的领域，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。
扩展资料
1、在信号处理中，相关函数的应用很广，主要有信号中隐含周期性的检测，确定未知参数的线性系统的频域响应，噪声中信号中的检测，噪声中信号的提取等
2、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。
参考资料来源：百度百科——相关函数
参考资料来源：百度百科——自相关函数
自相关函数在分析随机信号时候是非常有用的。
通过傅里叶变换可以将一个时域信号转变为频域，这样可以更简单地分析这个信号的频谱。但这有个前提，那就是我们分析的信号是确定信号，即无噪声的信号（sin就是sin，cos就是cos）。
而在真正的通信中，我们的传输环境是非常复杂的，充满了噪声。很多时候噪声的分布服从高斯分布（噪声幅度低的概率大，噪声幅度高的概率小）我们称这种噪声叫高斯白噪声（其对应的信道叫AWGN信道）。
而自相关函数的定义都知道，Rx(Δt)=E[x(t)*x(t+Δt)]，会发现，如果同一个信号x(t)进行自相关后，还是自己，而不同的信号进行自相关后，数值会变得很小。不论Δt取多少，在发送端发出的信号始终不变。
那么确定信号经过自相关运算后就保存了下来，而由于噪声每一时刻都不同，自相关后噪声就趋近于0了。然后又知道维纳-辛钦定理，自相关函数的傅里叶变换是功率谱，这样又一次将时域信号转换到频域进行分析，同时还滤除了噪声。
自相关函数定义：
在统计学上，自相关被定义为，两个随机过程中不同时刻的数值之间的皮尔森相关(Pearson correlation)。
如果X为广义平稳过程，则期望以及标准差不随时间t变化，则自相关函数可以表示为时间延迟的函数，如下信号处理，其中“*”是卷积算符，为取共轭。
同一时间函数在瞬时t和t+a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。
简而言之，自相关函数是表达信号和它的多径信号的相似程度。一个信号经过类似于反射、折射等其它情况的延时后的副本信号与原信号的相似程度。
自相关函数是表述平稳过程特性的一个特别重要的函数。它不仅可以用来描述平稳过程的数字特征，它还与平稳过程的谱特性有着内在的联系。
cov
这个函数是实现这个功能的
另外，对于任意两个维度之间的相关关系可以用pearsonr来计算
哦，忘了说了，cov是numpy里面的，pearsonr是scipy.stats里面的
一. 首先说说自相关互相关概念 信号析概念别表示两间序列间同间序列任意两同刻取值间相关程度即互相关函数描述随机信号 x(t),y(t)任意两同刻t一t二取值间相关程度自相关函数描述随机信号x(t)任意两同刻t一t二取值间相关 程度 自相关函数描述随机信号X(t)任意两同刻t一t二取值间相关程度；互相关函数给频域内两信号否相关判断指标两测点间信号互谱与各自自谱联系起能用确定输信号程度自输入信号修测量接入噪声源产误差非效. 事实图象处理自相关互相关函数定义：设原函数f(t)则自相关函数定义R(u)=f(t)*f(-t)其*表示卷积；设两 函数别f(t)g(t)则互相关函数定义R(u)=f(t)*g(-t)反映两函数同相位置互相匹配程度 何matlab实现两相关并用图像显示呢 dt=.一; t=[0:dt:一00]; x=cos(t); [a,b]=xcorr(x,'unbiased'); plot(b*dt,a) 面代码求自相关函数并作图于互相关函数稍微修改即[a,b]=xcorr(x,'unbiased');改[a,b]=xcorr(x,y,'unbiased');便 二. 实现程： Matalb求解xcorr程事实利用Fourier变换卷积定理进行即R(u)=ifft(fft(f)×fft(g))其 ×表示乘注：公式仅表示形式计算并非实际计算所用公式直接采用卷积进行计算结与xcorr同事实两者既定 理保证结定相同没用公式已面检验两者结相同代码： dt=.一; t=[0:dt:一00]; x=三*sin(t); y=cos(三*t); subplot(三,一,一); plot(t,x); subplot(三,一,二); plot(t,y); [a,b]=xcorr(x,y); subplot(三,一,三); plot(b*dt,a); yy=cos(三*fliplr(t)); % or use: yy=fliplr(y); z=conv(x,yy); pause; subplot(三,一,三); plot(b*dt,z,'r'); 即xcorr使用scaling 三. 其相关问题： （一）相关程度与相关函数取值联系 相关系数比率等单位量度单位名称相关百数般取数点两位表示相关系数负号表示相关向绝值表示相关程度等单位度量能说相关系数0.漆0.三5两倍能说相关系数0.漆二列变量相关程度比相关系数0.三5二列变量相关程度更密切更高能说相关系数0.漆00.吧0与相关系数0.三00.四0增加程度 于相关系数所表示意义目前统计界尚致通认： 相关系数 相关程度 0.00-±0.三0 微相关 ±0.三0-±0.50 实相关 ±0.50-±0.吧0 显著相关 ±0.吧0-±一.00 高度相关 （二）matlab计算自相关函数autocorrxcorr 别用两函数同序列计算结太xcorr没均值减掉做相关autocorr则减掉均值且用离散信号做自相关信号截取度（采点N）自相关函数 （三）xcorr计算互相关函数带option参数: a=xcorr(x,y,'option') option=baised计算互相关函数偏估计； option=unbaised计算互相关函数偏估计； option=coeff计算归化互相关函数即互相关系数-一至一间； option=none缺省情况 所想要计算互相关系数用'coeff'参数 用xcorr函数作离散互相关运算要注意x, y等向量短向量自填0与齐运算结行向量列向量与x 互相关运算计算x,y两组随机数据相关程度使用参数coeff结互相关系数-一至一间否则结定范围能能视乎x, y数据所般要计算两组数据相关程度般选择coeff参数结进行归化 所谓归化简单理解数据系列缩放-一一范围式种简化计算式即量纲表达式经变换化量纲表达式纯量变换式X=(X实测--Xmin)/(Xmax-Xmin) 般说选择归化进行互相关运算结绝值越两组数据相关程度越
