ACF

ACF

统计学自相关函数
自相关函数(Autocorrelation Function)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)。[1]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。
  • 中文名:自相关函数
  • 外文名:Autocorrelation Function
  • 适用领域:
  • 所属学科:
  • 属性:函数
  • 简称:ACF
  • 相关:统计学
  • 类型:数学名词
  • 等同于:自协方差

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R(i)=R(−i)。连续型自相关函数为偶函数.

当f为实函数时,有:

R_f(-tau)=R_f(tau)。

当f是复函数时,该自相关函数是厄米函数,满足:

R_f(-tau)=R_f^*(tau)。

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|R_f(tau)| leq R_f(0)。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τ=0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:

R(tau)=int_{-infty}^infty S(f) e^{j 2 pi f tau} , df。

S(f)=int_{-infty}^infty R(tau) e^{- j 2 pi f tau} , dtau。

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馀弦形式:

R(tau)=int_{-infty}^infty S(f) cos(2 pi f tau) , df。

S(f)=int_{-infty}^infty R(tau) cos(2 pi f tau) , dtau。

举例

白噪声的自相关函数为δ函数:

r_{nn}=mathbb{E} { n(t) n(t-tau) }=delta ( tau )。

相关词条

相关搜索

其它词条