ACF

ACF

統計學自相關函數
自相關函數(Autocorrelation Function)在不同的領域,定義不完全等效。在某些領域,自相關函數等同于自協方差(autocovariance)。[1]自相關(英語:Autocorrelation),也叫序列相關,是一個信号于其自身在不同時間點的互相關。非正式地來說,它就是兩次觀察之間的相似度對它們之間的時間差的函數。它是找出重複模式(如被噪聲掩蓋的周期信号),或識别隐含在信号諧波頻率中消失的基頻的數學工具。它常用于信号處理中,用來分析函數或一系列值,如時域信号。
  • 中文名:自相關函數
  • 外文名:Autocorrelation Function
  • 适用領域:
  • 所屬學科:
  • 屬性:函數
  • 簡稱:ACF
  • 相關:統計學
  • 類型:數學名詞
  • 等同于:自協方差

性質

以下以一維自相關函數為例說明其性質,多維的情況可方便地從一維情況推廣得到。

對稱性:從定義顯然可以看出R(i)=R(−i)。連續型自相關函數為偶函數.

當f為實函數時,有:

R_f(-tau)=R_f(tau)。

當f是複函數時,該自相關函數是厄米函數,滿足:

R_f(-tau)=R_f^*(tau)。

其中星号表示共轭。

連續型實自相關函數的峰值在原點取得,即對于任何延時τ,均有|R_f(tau)| leq R_f(0)。該結論可直接有柯西-施瓦茲不等式得到。離散型自相關函數亦有此結論。

周期函數的自相關函數是具有與原函數相同周期的函數。

兩個相互無關的函數(即對于所有τ,兩函數的互相關均為0)之和的自相關函數等于各自自相關函數之和。

由于自相關函數是一種特殊的互相關函數,所以它具有後者的所有性質。

連續時間白噪聲信号的自相關函數是一個δ函數,在除τ=0之外的所有點均為0。

維納-辛欽定理(Wiener–Khinchin theorem)表明,自相關函數和功率譜密度函數是一對傅裡葉變換對:

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。

實值、對稱的自相關函數具有實對稱的變換函數,因此此時維納-辛欽定理中的複指數項可以寫成如下的馀弦形式:

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。

舉例

白噪聲的自相關函數為δ函數:

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

相關詞條

相關搜索

其它詞條