信号相关分析原理：自相关函数,互相关函数
2. 当=0 时，自相关函数等于信号的能量
Rx(0) x2(t)d t Ex
3. Rx(0)为自相关函数的最大值
8
5.2 信号的相关分析
（二）无限长信号的自相关函数 无限长非周期函数：由有限时间信号的周期T0趋于 无穷大时获得的。
为使所得R() 的表达式不发散，定义新自相关函数：
ExEyExy
信号的互能量为：
Exy2x(t)y(t)dt
两函数的标量积：
(x,y)
x(t)y(t)d
t
6
5.1 信号的互能量与互能谱
(四)．广义瑞利公式、互能谱 1. 广义瑞利公式：
若信号x(t) 和 y(t) 为实函数，其频谱密度分别为
X()和Y() ，则
(x ,y ) x (t)y (t)d t1 X ()Y ()d
由此可见，两信号的互相关函数和互能谱是一对傅立叶变换。
R x(y) W x(y)X ()Y ()
（四）离散信号的互相关函数
Rxy() x(j)y(jn)
j
retu1r7n
作业：5-3，5-4， 5-10，5-11
retu1r8n
卷积： x(t)y(t)x ()y(t)d
互相关： R x(y) x ()y(t)d
16
5.4 信号的互相关函数
（三）相关定理
若 x(t) ， y (t ) 的频谱函数分别为 X () ，Y()
则： F R x(y) X ()Y ()
F R y( x) Y ( )X ( )
(二)．能量谱与功率谱
1. 能量谱:
E f2(t)d t 1
F(
)2d
2
该式为帕色伐尔（斯瓦尔）定理，又成称为瑞利公式。
它表明：对于能量信号，在时域内计算的信号能量与在频域 内计算的信号能量相等。
其中|F()|2 表明了信号能量在频域的分布情况，所以
被称为能量谱密度,简称能谱。记作：
W()F()2
（四）自相关函数与能谱的关系
Rx()21 X()2ejd
21 Wx()ejd
可见，自相关函数等于 信号能谱的傅立叶变换。由 此易得：
W x() Rx()ejd
10
5.2 信号的相关分析
（五）自相关函数与功率谱的关系
维纳—辛钦（Wiener-Khintchine）关系：
S()为信号的功率谱密度，
Rx(
)lim 1 T T0 0
T0
2 x(t)x(t)dt
T 2 0
周期函数：其自相关函数为
Rx(
)1
T 2
TT 2
x(t)x(t)dt
周期信号的自相关函数是 的周期函数，周期为T。
当=0 或 T 的整数倍时，x(t- )=x(t), Rx()达到最大值，
为x(t)的平均功率。
9
5.2 信号的相关分析
P 1 T2 f(t)2dt T2 T1 T1
设T2=T/2，T1=-T/2，则： p 1 T
T 2 T
2
f (t)2dt
当T时
若f(t)为 实函数
lim P
1
T T
T 2 T 2
f (t)2d t
（1.2—2）
lim 1
P T T
T 2 T 2
2
f (t)dt
3
5.1 信号的互能量与互能谱
2
s() limXT0()
T T0
0
则： S()R()ejd
R()21 S()ejd
retu1r1n
5.3 离散信号的自相关函数
离散信号的自相关函数：
R(n)x(j)x(jn)
j
性质：
1、离散自相关函数是偶函数 R(n)R(n)
2、在n=0时，自相关函数就是离散信号的能量
Rx(0) x2(j)Ex
所以
P 1 S()d
2
5
5.1 信号的互能量与互能谱
(三)．两信号的互能量
两信号x(t) 、y(t)之和的能量为：
E (x(t)y(t)（2 )两d信t号之和的能量，除
x 2 (t)d t 了y 外包2 ( ，含t) 还两d 包信 含号2 t一各 项 自 E的x x( y能）t) 量y (t)d
2
2. 互能谱：
W xy ()X()Y()
Wxy()称为信号x(t)、y(t)的互能谱密度，简称互能谱。
retur7n
5.2 信号的相关分析
（一）信号的自相关函数
为了定量地确定信号x(t) 与时移副本x(t-) 的差别或 相似程度，通常用自相关函数：
Rx() x(t)x(t)dt
自相关函数的特点：
如果两信号正交
x(t)y(t)dt0
说明正交信号之间毫无相似之处。
ቤተ መጻሕፍቲ ባይዱ
13
5.4 信号的互相关函数
若 x(t),y(t) 为功率信号，则 x(t), y(t) 的互相关函数为
Rx(y
)lim 1 T T0 0
T0
2 x(t)y(t)dt
T 2 0
Ry(x
)lim 1 T T0 0
T0 2
T2 0
y(t)x(t)dt
14
5.4 信号的互相关函数
互相关函数性质：
1、互相关函数不是偶函数。
Rxy()Rxy() Ryx()Ryx()
2、Rxy( ) 和 Ryx( ) 不是同一个函数，即：
Rxy()Ryx()
但存在下列关系：
Rxy()Ryx()
15
5.4 信号的互相关函数
（二）相关与卷积的关系
E
|
f
(t)|2
dt
若f(t)为实数 E 如果在无限f大(2的t时)d间间t 隔内（，5.1—1） 信号的 能量为有限值，而信号 的平均功率为零
对于能量信号E为有限值。 2
5.1 信号的互能量与互能谱
信号的功率：信号电压（或电流）在1欧姆电阻上所消耗的功率。
在[T1，T2]时间内平均功率可表示为：
因为能谱是频谱密度模的平方，与相位无关。 对波形相同而时间位置不同的所有信号，其能谱完全相同。
4
5.1 信号的互能量与互能谱
2. 功率谱：
设 fT0 (t) 是 f (t) 的截短函数
fT0
(t)
f (t) 0
t
T0 2
t
T0 2
则f(t)的功率谱密度函数为
2
S() lim FT0()
T T0
0
第五章 信号相关分析原理
5.1 信号的互能量与互能谱 5.2 信号的相关分析 5.3 离散信号的自相关函数 5.4 信号的互相关函数 作业
1
(一由)公．式5信.1：号信的E能号量的与互功能I率2量R与d互t能谱U2dt
信号的能量： 指信号f(t)的归一化能 量，R即信号的电
当R=1时压，（即电可流得）公加式在（15电.1阻—上1）所。消耗的能量。
j
retu1r2n
5.4 信号的互相关函数
（一）互相关函数 描述两信号之间的相互关系，
设 x(t)、 y(t) 为即能两量信信号号波，形则的x相(t)似、程y(度t) ，的时互相关函数为 间轴上的位置差别
Rxy () x(t)y(t)dt 式中 为两信号的时差。
Ryx () y(t)x(t)dt
Matlab自相关函数和互相关函数的计算和作图
自相关函数和互相关函数的matlab计算和作图1. 首先说说自相关和互相关的概念。
这个是信号分析里的概念，他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度，即互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，自相关函数是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。
互相关函数给出了在频域内两个信号是否相关的一个判断指标，把两测点之间信号的互谱与各自的自谱联系了起来。
它能用来确定输出信号有多大程度来自输入信号，对修正测量中接入噪声源而产生的误差非常有效.事实上，在图象处理中，自相关和互相关函数的定义如下：设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积；设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。
那么，如何在matlab中实现这两个相关并用图像显示出来呢？dt=.1;t=[0:dt:100];x=cos(t);[a,b]=xcorr(x,'unbiased');plot(b*dt,a)上面代码是求自相关函数并作图，对于互相关函数，稍微修改一下就可以了，即把[a,b]=xcorr(x,'unbiased');改为[a,b]=xcorr(x,y,'unbiased');便可。
2. 实现过程：在Matalb中，求解xcorr的过程事实上是利用Fourier变换中的卷积定理进行的，即R(u)=ifft(fft(f)×fft(g))，其中×表示乘法，注：此公式仅表示形式计算，并非实际计算所用的公式。
当然也可以直接采用卷积进行计算，但是结果会与xcorr的不同。
事实上，两者既然有定理保证，那么结果一定是相同的，只是没有用对公式而已。
自相关函数和互相关函数的利用MATLAB计算和作图
自相关函数和互相关函数的利用MATLAB计算和作图互相关函数，自相关函数计算和作图1.自相关和互相关的概念。
, 互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2间的相关程度。
t2间的相关程度。
, 自相关函数是描述随机信号x(t)在任意两个不同时刻t1，互相关函数是在频域内两个信号是否相关的一个判断指标，把两测点之间信号的互谱与各自的自谱联系了起来。
它能用来确定输出信号有多大程度来自输入信号，对修正测量中接入噪声源而产生的误差非常有效。
-----------------------------------------------------------------------------------事实上，在图象处理中，自相关和互相关函数的定义如下:设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积;设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。
2.利用matlab中实现这两个相关并用图像显示:自相关函数:dt=.1;t=[0:dt:100];x=cos(t);[a,b]=xcorr(x,'unbiased');plot(b*dt,a)互相关函数: 把[a,b]=xcorr(x,'unbiased');改为[a,b]=xcorr(x,y,'unbiased');便可。
3. 实现过程:在Matalb中，求解xcorr的过程事实上是利用Fourier变换中的卷积定理进行的，即R(u)=ifft(fft(f)×fft(g))，其中×表示乘法，注:此公式仅表示形式计算，并非实际计算所用的公式。
当然也可以直接采用卷积进行计算，但是结果会与xcorr的不同。
事实上，两者既然有定理保证，那么结果一定是相同的，只是没有用对公式而已。
自相关与互相关函数
相关函数１.自相关函数自相关函数就是信号在时域中特性的平均度量,它用来描述信号在一个时刻的取值与另一时刻取值的依赖关系,其定义式为(2、4、6)对于周期信号,积分平均时间T为信号周期。
对于有限时间内的信号,例如单个脉冲,当T趋于无穷大时,该平均值将趋于零,这时自相关函数可用下式计算(2、4、7)自相关函数就就是信号x(t)与它的时移信号x(t+τ)乘积的平均值,它就是时移变量τ的函数。
例如信号的自相关函数为若信号就是由两个频率与初相角不同的频率分量组成,即,则对于正弦信号,由于,其自相关函数仍为由此可见,正弦(余弦)信号的自相关函数同样就是一个余弦函数。
它保留了原信号的频率成分,其频率不变,幅值等于原幅值平方的一半,即等于该频率分量的平均功率,但丢失了相角的信息。
自相关函数具有如下主要性质:(1)自相关函数为偶函数,,其图形对称于纵轴。
因此,不论时移方向就是导前还就是滞后(τ为正或负),函数值不变。
(2)当τ＝0时,自相关函数具有最大值,且等于信号的均方值,即(2、4、8)(3)周期信号的自相关函数仍为同频率的周期信号。
(4)若随机信号不含周期成分,当τ趋于无穷大时,趋于信号平均值的平方,即(2、4、9)实际工程应用中,常采用自相关系数来度量其不同时刻信号值之间的相关程度,定义式为(2、4、10)当τ＝0时,＝1,说明相关程度最大;当τ＝∞时,,说明信号x(t)与x(t+τ)之间彼此无关。
由于,所以。
值的大小表示信号相关性的强弱。
自相关函数的性质可用图2、4、3表示。
图2、4、3 自相关函数的性质常见四种典型信号的自相关函数如图2、4、4所示,自相关函数的典型应用包括:(1)检测信号回声(反射)。
若在宽带信号中存在着带时间延迟的回声,那么该信号的自相关函数将在处也达到峰值(另一峰值在处),这样可根据确定反射体的位置,同时自相关系数在处的值将给出反射信号相对强度的度量。
时间历程自相关函数图形正弦波正弦波加随机噪声窄带随机噪声宽带随机噪声图2、4、4 四种典型信号的自相关函数(2)检测淹没在随机噪声中的周期信号。
自相关与互相关函数
相关函数１．自相关函数自相关函数是信号在时域中特性的平均度量，它用来描述信号在一个时刻的取值和另一时刻取值的依赖关系，其定义式为（2.4.6）对于周期信号，积分平均时间T为信号周期。
对于有限时间内的信号，例如单个脉冲，当T趋于无穷大时，该平均值将趋于零，这时自相关函数可用下式计算（2.4.7）自相关函数就是信号x(t)和它的时移信号x(t+τ)乘积的平均值，它是时移变量τ的函数。
例如信号的自相关函数为若信号是由两个频率和初相角不同的频率分量组成，即，则对于正弦信号，由于，其自相关函数仍为由此可见，正弦（余弦）信号的自相关函数同样是一个余弦函数。
它保留了原信号的频率成分，其频率不变，幅值等于原幅值平方的一半，即等于该频率分量的平均功率，但丢失了相角的信息。
自相关函数具有如下主要性质：（1）自相关函数为偶函数，，其图形对称于纵轴。
因此，不论时移方向是导前还是滞后（τ为正或负），函数值不变。
（2）当τ＝0时，自相关函数具有最大值，且等于信号的均方值，即（2.4.8）（3）周期信号的自相关函数仍为同频率的周期信号。
（4）若随机信号不含周期成分，当τ趋于无穷大时，趋于信号平均值的平方，即（2.4.9）实际工程使用中，常采用自相关系数来度量其不同时刻信号值之间的相关程度，定义式为（2.4.10）当τ＝0时，＝1，说明相关程度最大；当τ＝∞时，，说明信号x(t)和x(t+τ)之间彼此无关。
由于，所以。
值的大小表示信号相关性的强弱。
自相关函数的性质可用图2.4.3表示。
图2.4.3 自相关函数的性质常见四种典型信号的自相关函数如图2.4.4所示，自相关函数的典型使用包括：（1）检测信号回声（反射）。
若在宽带信号中存在着带时间延迟的回声，那么该信号的自相关函数将在处也达到峰值（另一峰值在处），这样可根据确定反射体的位置，同时自相关系数在处的值将给出反射信号相对强度的度量。
时间历程自相关函数图形正弦波正弦波加随机噪声窄带随机噪声宽带随机噪声图2.4.4 四种典型信号的自相关函数（2）检测淹没在随机噪声中的周期信号。
自相关与互相关函数
相关函数１．自相关函数ﻫ自相关函数就是信号在时域中特性得平均度量,它用来描述信号在一个时刻得取值与另一时刻取值得依赖关系,其定义式为ﻫ(2、4、6）ﻫﻫ对于周期信号，积分平均时间T为信号周期。
对于有限时间内得信号，例如单个脉ﻫ冲，当T趋于无穷大时，该平均值将趋于零，这时自相关函数可用下式计算（2、4、7)ﻫ自相关函数就就是信号ｘ(t）与它得时移信号x(t+τ）乘积得平均值，它就是时移变量τ得函ﻫ数。
ﻫﻫ例如信号得自相关函数为ﻫ若信号就是由两个频率与初相角不同得频率分量组成,即，则ﻫﻫ对于正弦信号,由于，其自相关函数仍为ﻫﻫﻫ由此可见，正弦（余弦）信号得自相关函数同样就是一个余弦函数。
它保留了原信号ﻫ得频率成分,其频率不变，幅值等于原幅值平方得一半，即等于该频率分量得平均功率ﻫ，但丢失了相角得信息。
ﻫﻫ自相关函数具有如下主要性质：ﻫ (１）自相关函数为偶函数,，其图形对称于纵轴。
因此,不论时移方向就是导前还就是滞后(τ为正或负)，函数值不变。
（２）当τ=0时,自相关函数具有最大值，且等于信号得均方值，即（２、4、8)ﻫ（3）周期信号得自相关函数仍为同频率得周期信号。
（４）若随机信号不含周期成分,当τ趋于无穷大时,趋于信号平均值得平方ﻫ，即ﻫ (２、4、9)实际工程应用中，常采用自相关系数来度量其不同时刻信号值之间得相关程ﻫ度,定义式为ﻫ (2、4、１0）ﻫ当τ＝0时，＝１,说明相关程度最大;当τ＝∞时，,说明信号x（ｔ）与x(ｔ＋τ）之间彼此无关。
由于，所以.值得大小表示信号相关性得强弱。
ﻫﻫ自相关函数得性质可用图2、4、3表示.图2、4、3 自相关函数得性质常见四种典型信号得自相关函数如图２、4、4所示,自相关函数得典型应用包括: ﻫ（1)检测信号回声(反射）。
若在宽带信号中存在着带时间延迟得回声,那么该信号得自相关函数将在处也达到峰值（另一峰值在处)，这样可根据确定ﻫ反射体得位置，同时自相关系数在处得值将给出反射信号相对强度得度量。
信号相关分析原理自相关函数互相关函数
信号相关分析原理自相关函数互相关函数1. 自相关函数（Autocorrelation Function）：自相关函数用于衡量信号与其自身之间的相似性和相关性。
自相关函数是信号的一个函数，描述了信号与其自身在不同时间延迟下的相似程度。
自相关函数的计算公式为：R_xx(tau) = E[x(t)x(t+tau)]其中，R_xx(tau)表示在时间延迟tau下信号x(t)与自身的相关程度，E表示期望值运算。
自相关函数的值越大，表示信号在不同时间延迟下的相似性越高。
自相关函数在信号处理中有广泛的应用，例如：-信号周期性分析：自相关函数可以用于检测信号是否具有周期性，通过寻找自相关函数的周期性峰值，可以判断信号的周期。
-信号估计：通过自相关函数的峰值位置可以估计信号的延迟时间。
2. 互相关函数（Cross-correlation Function）：互相关函数用于衡量两个信号之间的相似性和相关性。
互相关函数描述了两个信号在不同时间延迟下的相似程度。
互相关函数的计算公式为：R_xy(tau) = E[x(t)y(t+tau)]其中，R_xy(tau)表示信号x(t)与信号y(t)在时间延迟tau下的相关程度。
互相关函数的值越大，表示信号之间的相关性越高。
互相关函数在信号处理中也有广泛的应用，例如：-图像配准：互相关函数可以用于图像配准，通过计算两幅图像之间的互相关函数找到最大峰值，可以确定两幅图像的平移和旋转关系。
-信号相似性检测：在音频、图像和视频等领域中，可以通过互相关函数比较两段信号之间的相似性，例如音频中的语音识别和音乐识别。
总结起来，自相关函数和互相关函数是信号相关分析中常用的方法，可以用来描述信号之间的相似性、周期性和相关程度。
通过计算自相关函数和互相关函数可以在信号处理、图像处理和音频处理等领域中得到广泛的应用。
(完整word版)Matlab自相关函数和互相关函数的计算和作图
自相关函数和互相关函数的matlab计算和作图1. 首先说说自相关和互相关的概念。
这个是信号分析里的概念，他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度，即互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，自相关函数是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。
互相关函数给出了在频域内两个信号是否相关的一个判断指标，把两测点之间信号的互谱与各自的自谱联系了起来。
它能用来确定输出信号有多大程度来自输入信号，对修正测量中接入噪声源而产生的误差非常有效.事实上，在图象处理中，自相关和互相关函数的定义如下：设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积；设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。
那么，如何在matlab中实现这两个相关并用图像显示出来呢？dt=.1;t=[0:dt:100];x=cos(t);[a,b]=xcorr(x,'unbiased');plot(b*dt,a)上面代码是求自相关函数并作图，对于互相关函数，稍微修改一下就可以了，即把[a,b]=xcorr(x,'unbiased');改为[a,b]=xcorr(x,y,'unbiased');便可。
2. 实现过程：在Matalb中，求解xcorr的过程事实上是利用Fourier变换中的卷积定理进行的，即R(u)=ifft(fft(f)×fft(g))，其中×表示乘法，注：此公式仅表示形式计算，并非实际计算所用的公式。
当然也可以直接采用卷积进行计算，但是结果会与xcorr的不同。
事实上，两者既然有定理保证，那么结果一定是相同的，只是没有用对公式而已。
数字信号处理中的自相关与互相关
数字信号处理中的自相关与互相关数字信号处理（Digital Signal Processing，DSP）是一门关于对离散信号进行数字化处理的学科。
在数字信号处理的领域中，自相关与互相关是两个重要的概念和技术，在信号分析和处理中具有广泛的应用。
本文将重点讨论数字信号处理中的自相关与互相关的原理、计算以及应用。
一、自相关自相关是指一个信号与其自身之间的相关性。
在数字信号处理中，自相关常用于分析信号的周期性、相干性以及计算信号的功率谱密度。
自相关函数（Autocorrelation Function，ACF）是用来衡量信号在不同时刻的相似程度的一种数学工具。
自相关函数可以通过以下公式计算：\[R_x(k) = \sum_{n=0}^{N-k-1} x(n)x(n+k)\]其中，$R_x(k)$表示信号$x(n)$在延迟$k$时刻的自相关函数值，$N$表示信号的长度，$k$为延迟时间。
通过计算不同的延迟时间，可以得到自相关序列，进而对信号进行周期性和相干性的分析。
自相关函数在信号处理中具有广泛的应用。
例如，在音频处理中，可以通过自相关函数分析音频信号的周期性，从而实现音频信号的去噪和频率分析；在图像处理中，自相关函数可以用于图像的模板匹配和边缘检测。
二、互相关互相关是指两个不同的信号之间的相关性。
在数字信号处理中，互相关常用于信号的匹配、滤波和信号相似度的衡量。
互相关函数（Cross-Correlation Function，CCF）是用来衡量两个信号之间相似性的一种数学工具。
互相关函数可以通过以下公式计算：\[R_{xy}(k) = \sum_{n=0}^{N-k-1} x(n)y(n+k)\]其中，$R_{xy}(k)$表示信号$x(n)$和$y(n)$在延迟$k$时刻的互相关函数值，$N$表示信号的长度，$k$为延迟时间。
通过计算不同的延迟时间，可以得到互相关序列，进而分析两个信号之间的相似度和相对偏移。
互相关函数举例
互相关函数举例以下是一些常见的互相关函数的例子：1.自相关函数：自相关函数是最基本的互相关函数之一，它描述了一个信号与自身的相似性。
自相关函数在信号分析中常用于寻找信号的周期性或局部特征。
例如，在音频处理中，可以使用自相关函数来检测音频信号的频率。
2.互相关函数：互相关函数描述了两个不同信号之间的相似性。
在图像处理中，可以使用互相关函数来进行模板匹配。
例如，在人脸识别中，可以使用互相关函数来匹配目标人脸与已知人脸库中的图像。
3.归一化互相关函数：归一化互相关函数是将互相关函数归一化到[0,1]之间的范围，以方便比较不同信号之间的相似性。
归一化互相关函数通常用于图像处理中的特征匹配和物体识别。
4.相位相关函数：相位相关函数是互相关函数的一种变体，它考虑了信号的相位信息。
相位相关函数在相干光学图像处理和数字全息图像处理中广泛应用，用于重建三维物体的形状和深度信息。
5.快速互相关函数：快速互相关函数是一种加速计算互相关函数的方法。
它利用快速傅里叶变换（FFT）算法来减少计算量，并在实时处理和大规模信号处理中具有重要意义。
6.对称互相关函数：对称互相关函数是一种针对对称信号的互相关函数。
由于对称信号的特殊性质，对称互相关函数的计算可以更加高效和简洁。
7.多通道互相关函数：多通道互相关函数用于处理多通道信号，如彩色图像。
它可以计算多个通道之间的相似性，并找到最佳匹配位置。
多通道互相关函数在计算机视觉和图像处理中广泛应用。
8.相关性度量函数：相关性度量函数是用于评估两个信号之间的相似性的指标。
常见的相关性度量函数包括互相关系数、皮尔逊相关系数、互信息等。
这些函数可以量化信号之间的相关性程度，并进行相似性的比较和分析。
这些例子只是互相关函数的一小部分应用，互相关函数在信号处理和图像处理中还有许多其他重要的应用。
通过对互相关函数的研究和应用，可以提高信号处理和图像处理的效果，并对各种信号进行分析和识别。
自相关与互相关函数
相关函数１．自相关函数自相关函数是信号在时域中特性的平均度量，它用来描述信号在一个时刻的取值与另一时刻取值的依赖关系，其定义式为（2.4.6）对于周期信号，积分平均时间T为信号周期。
对于有限时间内的信号，例如单个脉冲，当T趋于无穷大时，该平均值将趋于零，这时自相关函数可用下式计算（2.4.7）自相关函数就是信号x(t)和它的时移信号x(t+τ)乘积的平均值，它是时移变量τ的函数。
例如信号的自相关函数为若信号是由两个频率与初相角不同的频率分量组成，即，则对于正弦信号，由于，其自相关函数仍为由此可见，正弦（余弦）信号的自相关函数同样是一个余弦函数。
它保留了原信号的频率成分，其频率不变，幅值等于原幅值平方的一半，即等于该频率分量的平均功率，但丢失了相角的信息。
自相关函数具有如下主要性质：（1）自相关函数为偶函数，，其图形对称于纵轴。
因此，不论时移方向是导前还是滞后（τ为正或负），函数值不变。
（2）当τ＝0时，自相关函数具有最大值，且等于信号的均方值，即（2.4.8）（3）周期信号的自相关函数仍为同频率的周期信号。
（4）若随机信号不含周期成分，当τ趋于无穷大时，趋于信号平均值的平方，即（2.4.9）实际工程应用中，常采用自相关系数来度量其不同时刻信号值之间的相关程度，定义式为（2.4.10）当τ＝0时，＝1，说明相关程度最大；当τ＝∞时，，说明信号x(t)与x(t+τ)之间彼此无关。
由于，所以。
值的大小表示信号相关性的强弱。
自相关函数的性质可用图2.4.3表示。
图2.4.3 自相关函数的性质常见四种典型信号的自相关函数如图2.4.4所示，自相关函数的典型应用包括：（1）检测信号回声（反射）。
若在宽带信号中存在着带时间延迟的回声，那么该信号的自相关函数将在处也达到峰值（另一峰值在处），这样可根据确定反射体的位置，同时自相关系数在处的值将给出反射信号相对强度的度量。
时间历程自相关函数图形正弦波图2.4.4 四种典型信号的自相关函数（2）检测淹没在随机噪声中的周期信号。