【重要】独立性和自相关性

1. 当 $R_n(\tau )=0$ 时，意味着信号在时刻 $t$ 和 $t+\tau$ 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。
2. 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 $R_n(\tau )$ 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 $\tau$ 下的统计相关性。

  对于一个随机过程 $n(t)$，它的自相关函数定义为：
  $$R_n(\tau )=E[n(t)n(t+\tau )]$$
  其中，$E[\cdot ]$ 表示期望值，$\tau$ 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 $R_n(\tau )>0$ 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 $R_n(\tau )=0$ 时，信号在这两个时刻是不相关的，即没有统计相关性。
• 当 $R_n(\tau )<0$ 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：
$$R_n(\tau )=\frac{N_0}{2}\delta (\tau )$$

• 冲激函数 $\delta (\tau )$ 在 $\tau =0$ 时为无限大，而在 $\tau \ne 0$ 时为零。
• 因此，白噪声的自相关函数表示的就是，只有当 $\tau =0$ 时（即在同一个时刻上），信号的相关性才存在；在 $\tau \ne 0$ 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 $X(t)$ 和 $X(t+\tau )$，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 $X$ 和 $Y$，它们的期望值满足：
  $$E[XY]=E[X]E[Y]$$

• 自相关函数为零：当 $R_X(\tau )=E[X(t)X(t+\tau )]=0$，这意味着信号在两个时刻 $t$ 和 $t+\tau$ 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 $X^{\prime }(t)=X(t)-\mu$，其自相关函数在 $\tau =\infty$ 时将会为 0：

$$R_{X^{\prime }}(\infty )=E[(X(t)-\mu )(X(t+\infty )-\mu )]=0$$

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 $E[X(t)X(t+\infty )]=E[X(t)]E[X(t+\infty )]={\mu }^2$（如果信号均值为 $\mu$）。
• 自相关函数在 $\tau =\infty$ 时等于 ${\mu }^2$，这是因为信号的均值仍然存在，且信号在 $\tau =\infty$ 时变得独立。
• 如果信号有非零均值，即使信号在 $\tau =\infty$ 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 $\tau =\infty$ 时应该是 0，表示没有任何相关性。