- 当 R n ( τ ) = 0 R_n(\tau) = 0 Rn(τ)=0 时,意味着信号在时刻 t t t 和 t + τ t + \tau t+τ 之间没有相关性,也就是说在这两个时间点采样的值是统计独立的。换句话说,当自相关函数为零时,信号在这两个时刻的采样值不相关,彼此不影响。
- 两个信号完全独立一定代表着不相关,虽然相关函数的结果受到均值的影响可能不是0.但是两个信号的相关函数结果为0的时候,只是代表着线性不相关,也可能两个信号不独立,存在着非线性的关系。
1. 自相关函数和相关性
-
自相关函数 R n ( τ ) R_n(\tau) Rn(τ) 描述的是信号在两个不同时间点之间的相似程度。具体来说,它衡量的是信号在不同时间滞后 τ \tau τ 下的统计相关性。
对于一个随机过程 n ( t ) n(t) n(t),它的自相关函数定义为:
R n ( τ ) = E [ n ( t ) n ( t + τ ) ] R_n(\tau) = E[n(t) n(t + \tau)] Rn(τ)=E[n(t)n(t+τ)]
其中, E [ ⋅ ] E[\cdot] E[⋅] 表示期望值, τ \tau τ 是时间滞后。
自相关函数的值衡量了两个时间点的相关性:
- 当 R n ( τ ) > 0 R_n(\tau) > 0 Rn(τ)>0 时,信号在这两个时刻是正相关的,意味着它们具有相似的趋势。
- 当 R n ( τ ) = 0 R_n(\tau) = 0 Rn(τ)=0 时,信号在这两个时刻是不相关的,即没有统计相关性。
- 当 R n ( τ ) < 0 R_n(\tau) < 0 Rn(τ)<0 时,信号在这两个时刻是负相关的,意味着它们具有相反的趋势。
2. 白噪声的自相关函数
对于白噪声,其自相关函数是一个冲激函数,即:
R
n
(
τ
)
=
N
0
2
δ
(
τ
)
R_n(\tau) = \frac{N_0}{2} \delta(\tau)
Rn(τ)=2N0δ(τ)
- 冲激函数 δ ( τ ) \delta(\tau) δ(τ) 在 τ = 0 \tau = 0 τ=0 时为无限大,而在 τ ≠ 0 \tau \neq 0 τ=0 时为零。
- 因此,白噪声的自相关函数表示的就是,只有当 τ = 0 \tau = 0 τ=0 时(即在同一个时刻上),信号的相关性才存在;在 τ ≠ 0 \tau \neq 0 τ=0 时(即不同时刻),信号之间是完全不相关的。
3. 独立性与自相关函数的关系
-
独立性:对于两个随机变量 X ( t ) X(t) X(t) 和 X ( t + τ ) X(t + \tau) X(t+τ),如果它们是独立的,这意味着一个变量的值不会提供关于另一个变量值的任何信息。对于独立的随机变量 X X X 和 Y Y Y,它们的期望值满足:
E [ X Y ] = E [ X ] E [ Y ] E[X Y] = E[X] E[Y] E[XY]=E[X]E[Y] -
自相关函数为零:当 R X ( τ ) = E [ X ( t ) X ( t + τ ) ] = 0 R_X(\tau) = E[X(t) X(t + \tau)] = 0 RX(τ)=E[X(t)X(t+τ)]=0,这意味着信号在两个时刻 t t t 和 t + τ t + \tau t+τ 之间没有相关性。也就是说,两个时刻的信号值之间没有线性关系。
独立性并不一定总是导致自相关函数为零,只有在信号的均值为零时,独立性才会直接导致自相关函数为零。这是因为自相关函数不仅依赖于信号的波动部分,还包括了信号的均值部分。
但自相关函数为零不一定表示完全独立,它只表示线性不相关。
4. 中心化信号的自相关性
如果我们关心信号的波动部分(去掉均值的部分),可以通过对信号进行中心化来消除均值的影响。对于中心化的信号 X ′ ( t ) = X ( t ) − μ X'(t) = X(t) - \mu X′(t)=X(t)−μ,其自相关函数在 τ = ∞ \tau = \infty τ=∞ 时将会为 0:
R X ′ ( ∞ ) = E [ ( X ( t ) − μ ) ( X ( t + ∞ ) − μ ) ] = 0 R_{X'}(\infty) = E[(X(t) - \mu)(X(t + \infty) - \mu)] = 0 RX′(∞)=E[(X(t)−μ)(X(t+∞)−μ)]=0
因为去掉均值后,两个时间点的波动部分是完全不相关的(独立)。
5. 总结
- 独立性的确意味着 E [ X ( t ) X ( t + ∞ ) ] = E [ X ( t ) ] E [ X ( t + ∞ ) ] = μ 2 E[X(t) X(t + \infty)] = E[X(t)] E[X(t + \infty)] = \mu^2 E[X(t)X(t+∞)]=E[X(t)]E[X(t+∞)]=μ2(如果信号均值为 μ \mu μ)。
- 自相关函数在 τ = ∞ \tau = \infty τ=∞ 时等于 μ 2 \mu^2 μ2,这是因为信号的均值仍然存在,且信号在 τ = ∞ \tau = \infty τ=∞ 时变得独立。
- 如果信号有非零均值,即使信号在 τ = ∞ \tau = \infty τ=∞ 时独立,自相关函数也可能不为零,但这主要是因为均值的贡献,而非实际的“相关性”。
- 如果我们关注的是信号的波动部分(即去掉均值后的信号),那么自相关函数在 τ = ∞ \tau = \infty τ=∞ 时应该是 0,表示没有任何相关性。