自相关理解

    最近在学习自相关技术在医学上的应用，为了方便以后复习方便，就随手记录下来了。
    由于工程实际中的信号，不可避免地要受到各种干扰，严重的时候会完全淹没真正有用的数据。而自相关技术可以处理这种数据，可以发现隐藏在杂乱信号中的有用信息。找出重复信息（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，它常用于时域信号的分析。
    自相关函数是描述随机信号 x(t) 在 任意不同时刻 t,s的取值之间的相关程度。定义式：
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/7a59582ae26743b9bd68b1664482cba6.png#pic_center)

主要性质如下：
（1）自相关函数为偶函数，其图形对称于纵轴。
（2）当s=t 时，自相关函数具有最大值，且等于信号的均方值，即
（3）周期信号的自相关函数仍为同频率的周期信号。
互相关函数是描述两个随机信号 x(t)、y(t) 在任意两个不同时刻s，t的取值之间的相关程度,其定义为：

接下来使用Matlab实现自相关函数的运用：
输入的是一个简单一维序列x=[1，2，3]

第一：缺省注释项，[a,b]=xcorr(x),通过该命令计算的结果为：a=3 8 14 8 3;b=-2 -1 0 1 2.

下面介绍一下，该过程计算机是如何计算的，首先讲b的计算，设一维序列的长度为N，则序列中任意两个数据序号相减，最小值为1-N，最大值为N-1，且能取遍两者之间的所有整数，将这些数从小到大排列得到的就是b；然后讲a的计算，在缺省注释项的情况下，a的计算是这样的，a的每一项是对应b的每一项的

1、当b（1）=-2时，计算a（1）时只用到一组数据——（3，1）注意顺序，只有这两个数据的序号相减（后面数据的序号减去前面的）满足b=-2，因此a（1）的计算公式为：3*1=3

2、当b（2）=-1时，计算a（2）时用到两组数据——（2，1）和（3，2），这两组数据的序号相减（后面数据的序号减去前面的）满足b=-1，因此a（2）的计算公式为：21+32=8

3、当b（3）=0时，计算a（3）时用到三组数据——（1，1）、（2，2）、（3，3），这三组数据的序号相减（后面数据的序号减去前面的）满足b=0，因此a（3）的计算公式为：11+22+3*3=14

4、当b（4）=1时，计算a（4）时用到两组数据——（1，2）和（2，3），（读者请对比和情况2的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=1，因此a（4）的计算公式为：12+23=8

5、当b（5）=2时，计算a（4）时用到一组数据——（1，3），（读者请对比和情况1的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=2，因此a（4）的计算公式为：1*3=3

第二：注释项为‘unbiased’，[a，b]=xcorr（x，‘unbiased’），通过该命令计算的结果为：a=3 4 4.6667 4 3；b=-2 -1 0 1 2.下面介绍计算机如何计算该过程，b的计算在四种注释项的情况下是相同的，就不再讲述了。a的计算仍是和b的每一项相对应的。

1、当b（1）=-2时，计算a（1）时只用到一组数据（记N=1）——（3，1）注意顺序，只有这两个数据的序号相减（后面数据的序号减去前面的）满足b=-2，因此a（1）的计算公式为：（3*1）/1=3

2、当b（2）=-1时，计算a（2）时用到两组数据（记N=2）——（2，1）和（3，2），这两组数据的序号相减（后面数据的序号减去前面的）满足b=-1，因此a（2）的计算公式为：（21+32）/2=4

3、当b（3）=0时，计算a（3）时用到三组数据（记N=3）——（1，1）、（2，2）、（3，3），这三组数据的序号相减（后面数据的序号减去前面的）满足b=0，因此a（3）的计算公式为：（11+22+3*3）/3=4.6667

4、当b（4）=1时，计算a（4）时用到两组数据（记N=2）——（1，2）和（2，3），（读者请对比和情况2的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=1，因此a（4）的计算公式为：（12+23）/2=4

5、当b（5）=2时，计算a（4）时用到一组数据（记N=1）——（1，3），（读者请对比和情况1的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=2，因此a（4）的计算公式为：（1*3）/1=3

第三：注释项为‘biased’，[a，b]=xcorr（x，‘biased’），通过该命令计算的结果为：a= 1.0000 2.6667 4.6667 2.6667 1.0000，b=-2 -1 0 1 2。下面介绍计算机如何计算该过程，注意到本次计算用到的序列x的长度为3，记为M=3。

1、当b（1）=-2时，计算a（1）时只用到一组数据——（3，1）注意顺序，只有这两个数据的序号相减（后面数据的序号减去前面的）满足b=-2，因此a（1）的计算公式为：（3*1）/M=1

2、当b（2）=-1时，计算a（2）时用到两组数据——（2，1）和（3，2），这两组数据的序号相减（后面数据的序号减去前面的）满足b=-1，因此a（2）的计算公式为：（21+32）/M=2.6667

3、当b（3）=0时，计算a（3）时用到三组数据——（1，1）、（2，2）、（3，3），这三组数据的序号相减（后面数据的序号减去前面的）满足b=0，因此a（3）的计算公式为：（11+22+3*3）/M=4.6667

4、当b（4）=1时，计算a（4）时用到两组数据——（1，2）和（2，3），（读者请对比和情况2的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=1，因此a（4）的计算公式为：（12+23）/M=2.6667

5、当b（5）=2时，计算a（4）时用到一组数据——（1，3），（读者请对比和情况1的区别），这两组数据的序号相减（后面数据的序号减去前面的）满足b=2，因此a（4）的计算公式为：（1*3）/M=1

第四：注释项为‘coeff’，[a，b]=xcorr（x，‘coeff’），通过该命令计算的结果为：a= 0.2143 0.5714 1.0000 0.5714 0.2143，b=-2 -1 0 1 2，下面介绍计算机如何计算该过程，这种情况实际是将第三种情况下得到的结果进行归一化，使得b=0时对应的值为1，a（1）=1/4.6667=0.2143；a（2）=2.6667/4.6667=0.5714，a（3）=4.6667/4.6667=1，a（4）=2.6667/4.6667=0.5714，a（5）=1/4.6667=0.2143

对正弦函数的自相关：

n=2000;
fs=800;
t=(0:n-1)/fs;  %两端取得到
f0=5;
x=sin(2*pi*f0*t);
z=x+randn(size(x));  %randn产生均值为0，方差和标准差为1的正太分布的随机数或矩阵的函数。randn(size(A))返回一个和A有同样维度大小的随机数组
[R,ttt]=xcorr(z,'coeff');  %返回一个对z的自相关函数序列
subplot(2,1,1);
plot(t,z); %t、z各取前1000个数值
xlabel('时间/s');
ylabel('幅值');
subplot(2,1,2);
plot(ttt,R);
xlabel('滞后');
ylabel('自相关函数');