自相关函数与互相关函数 不错的材料
自相关与互相关函数的计算与应用
自相关与互相关函数的计算与应用自相关函数和互相关函数是信号处理中常用的概念和工具，用于描述信号之间的相关性和相似性。
在本文中，我们将介绍自相关函数和互相关函数的计算方法，并探讨它们在实际应用中的用途。
一、自相关函数的计算与应用自相关函数是描述一个信号与其自身之间的相关程度的函数。
它的计算方法是将信号与其自身进行卷积，然后对结果进行归一化处理。
自相关函数具有以下性质：1. 自相关函数的取值范围是[-1, 1]之间。
当自相关函数的取值接近1时，表示信号之间具有高度的相关性；当取值接近-1时，表示信号之间具有高度的反相关性；当取值接近0时，表示信号之间不存在相关性。
2. 自相关函数的峰值对应着信号的周期。
通过找到自相关函数的峰值，我们可以确定信号的周期，从而对信号进行频域分析和周期性检测等操作。
3. 自相关函数可以用于信号的降噪和滤波。
通过计算信号的自相关函数，我们可以找到信号中的重复模式，并进行滤波操作，从而去除噪声和杂乱的信号成分。
二、互相关函数的计算与应用互相关函数是描述两个信号之间相关程度的函数。
它的计算方法是将两个信号进行卷积，然后对结果进行归一化处理。
互相关函数具有以下性质：1. 互相关函数可以用于信号的相似性匹配和模式识别。
通过计算待匹配信号和参考信号的互相关函数，我们可以找到信号之间的相似性，并进行模式匹配和识别操作。
2. 互相关函数可以用于信号的延时估计。
通过计算信号之间的互相关函数，我们可以估计信号之间的时间延迟，从而实现信号的同步和对齐。
3. 互相关函数可以用于信号的频率测量。
通过计算信号之间的互相关函数的频域分析，我们可以获得信号的频率信息，从而实现信号的频率测量和频域分析。
三、自相关与互相关函数的应用示例自相关和互相关函数在信号处理和模式识别领域有着广泛的应用。
以下是一些常见的应用示例：1. 语音信号处理：通过计算语音信号的自相关函数，可以实现语音信号的周期性检测和降噪操作，从而提高语音识别的准确性。
自相关函数和互相关函数计算和作图的整理
自相干函数和互相干函数盘算和作图的整顿1. 起首说说自相干和互相干的概念.--[转版友gghhjj]-------------------------------------------------------------------------------------这个是旌旗灯号剖析里的概念,他们分离暗示的是两个时光序列之间和统一个时光序列在随意率性两个不合时刻的取值之间的相干程度,即互相干函数是描写随机旌旗灯号 x(t),y(t)在随意率性两个不合时刻t1,t2的取值之间的相干程度,自相干函数是描写随机旌旗灯号x(t)在随意率性两个不合时刻t1,t2的取值之间的相干程度.------------------------------------------------------------------------------------------------------------------------------------------------[转版友hustyoung]-----------------------------------------------------------------------------------自相干函数是描写随机旌旗灯号X(t)在随意率性两个不合时刻t1,t2的取值之间的相干程度;互相干函数给出了在频域内两个旌旗灯号是否相干的一个断定指标,把两测点之间旌旗灯号的互谱与各自的自谱接洽了起来.它能用来肯定输出旌旗灯号有多大程度来自输入旌旗灯号,对修改测量中接入噪声源而产生的误差异常有效.----------------------------------------------------------------------------------------------------------------------------------------------事实上,在图象处理中,自相干和互相干函数的界说如下：设原函数是f(t),则自相干函数界说为R(u)=f(t)*f(-t),个中*暗示卷积;设两个函数分离是f(t)和g(t),则互相干函数界说为R(u)=f(t)*g(-t),它反应的是两个函数在不合的相对地位上互相匹配的程度.那么,如安在matlab中实现这两个相干并用图像显示出来呢？这个问题happy传授给出了完全答案：-----------[转happy传授]---------------------dt=.1;t=[0:dt:100];x=cos(t);[a,b]=xcorr(x,'unbiased');plot(b*dt,a)-----------------------------------------------------上面代码是求自相干函数并作图,对于互相干函数,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');即可.2. 实现进程：在Matalb中,求解xcorr的进程事实上是运用Fourier变换中的卷积定理进行的,即R(u)=ifft(fft(f)×fft(g)),个中 ×暗示乘法,注：此公式仅暗示情势盘算,并不是现实盘算所用的公式.当然也可以直接采取卷积进行盘算,但是成果会与xcorr的不合.事实上,两者既然有定理包管,那么成果必定是雷同的,只是没有效对公式罢了.下面是磨练两者成果雷同的代码：dt=.1;t=[0:dt:100];x=3*sin(t);y=cos(3*t);subplot(3,1,1);plot(t,x);subplot(3,1,2);plot(t,y);[a,b]=xcorr(x,y);subplot(3,1,3);plot(b*dt,a);yy=cos(3*fliplr(t)); % or use: yy=fliplr(y);z=conv(x,yy);pause;subplot(3,1,3);plot(b*dt,z,'r');即在xcorr中不运用scaling.3. 其他相干问题：1) 相干程度与相干函数的取值有什么接洽？-------------[转版友gghhjj]-------------------------------------------------------------------------------------相干系数只是一个比率,不是等单位量度,无什么单位名称,也不是相干的百分数,一般取小数点后两位来暗示.相干系数的正负号只暗示相干的偏向,绝对值暗示相干的程度.因为不是等单位的器量,因而不克不及说相干系数0.7是0.35两倍,只能说相干系数为0.7的二列变量相干程度比相干系数为0.35的二列变量相干程度更为亲密和更高.也不克不及说相干系数从0.70到0.80与相干系数从0.30到0.40增长的程度一样大.对于相干系数的大小所暗示的意义今朝在统计学界尚不一致,但平日按下是如许以为的：相干系数相干程度0.00-±0.30 微相干±0.30-±0.50 实相干±0.50-±0.80 明显相干±0.80-±1.00 高度相干----------------------------------------------------------------------------------------------------------------------------------------------2) 功率,能量,自相干函数的关系：---[转happy传授]-------------------------------------------------------------------------------------------拜见/jingpinke/xhst/final/XiTongJiaoCai/chap6/chap6_3/chap6_3_3.htm须要指出的是,相干和相干函数的概念本来是为描写随机进程的统计特点而引入的,称之为统计相干函数.按照随机进程的理论,要获得一个现实随机进程的统计相关函数是相当艰苦的,但对于知足各态历经性(遍历性)或广义安稳的随机进程,它们的统计相干函数等于其一个样本函数的时光相干函数.从肯定性旌旗灯号引出相干的概念,是为后续课程的进修打下一个基本.两旌旗灯号互相干函数的傅里叶变换等于个中第一个旌旗灯号变换与第二个旌旗灯号变换取共轭二者之乘积,这就是相干定理.对于自相干函数,它的傅里叶变换等于原旌旗灯号幅度谱的平方.周期余弦旌旗灯号和它的自相干函数具有雷同的角频率,即周期旌旗灯号的自相干函数仍然是同周期的周期旌旗灯号.在现实运用中,有些旌旗灯号无法求它的傅里叶变换,但是可以用求自相干函数的办法求得旌旗灯号的功率谱.--------------------------------------------------------------------------------------------------------------------------------------3) 与matlab中corrcoef函数的关系：以两个不合旌旗灯号（序列）为例,xcorr函数是经由过程不反折的卷积来权衡这两个旌旗灯号在不合地位的类似程度,假设两个序列的长度分离是m和n,则得到的是一个长度为2*max(m,n)-1的序列,也就是说,当m和n不相等的时刻,在履行xcorr的时刻会先对短的谁人序列进行0扩充,使得m 与n相等;而 corrcoef函数是经由过程协方差矩阵来权衡这两个旌旗灯号在不合局部的类似程度,盘算公式是：C(1,2)/SQRT(C(1,1)*C(2,2)),个中 C 暗示矩阵[f,g]的协方差矩阵,假设f和g都是列向量（这两个序列的长度必须一样才干介入运算）,则得到的（我们感兴致的部分）是一个数.以默认的 A=corrcoef(f,g)为例,输出A是一个二维矩阵（对角元恒为1）,我们感兴致的f和g的相干系数就存放在A(1,2)=A(2,1)上,其值在[-1,1]之间,1暗示最大的正相干（例如x=[1;2;3], y=[5;7;9]）,-1暗示绝对值最大的负相干（例如x=[1;2;3], y=[12;7;2]）.对于一般的矩阵X,履行A=corrcoef(X)后,A中每个值的地点行a和列b,反响的是原矩阵X中响应的第a个列向量和第 b个列向量的类似程度（即相干系数）.4）互相干函数图像的横坐标问题以下是我编程的例子,主请求两个旌旗灯号的相位差,按照某篇参考材料的说法,t_max对应的值就应当是它们的相位差,但是这个程序中做出的互相干函数的横坐标不是-40到+40,而是0到1200,请问这个横坐标暗示的是什么意思呢？n=99;%设定每周期数据收集点数T=6;%采样周期数t=0:2*pi/(n-1):2*T*pi;%采样数y1=4*sin(t);%旌旗灯号1y2=8*sin(t+pi/6);%旌旗灯号2,相位差取pi/6Cc=xcorr(y1,y2);%求互相干函数[y_max,t_max]=max(Cc)%找出Cc的最大值及对应的t_maxsubplot(311); plot(t,y1); grid;subplot(312); plot(t,y2); grid;subplot(313); plot(Cc); grid;解答：楼主得到的互相干函数,其横坐标是样点数.因为Cc长为1177,画图中便按1~1177分列.旌旗灯号y1和y2分离长589,在盘算互相干函数时从-588盘算到588,共有1177个互相干系数,中间点是589.盘算出的t_max =597应和中间点求差值,算出差几个样点,再进一步求出响应的相位差.我把程序稍作修改为：n=99; %设定每周期数据收集点数T=6; %采样周期数t=0:2*pi/(n-1):2*T*pi; %采样数N=length(t);fs=1/(n-1);y1=4*sin(t); %旌旗灯号1y2=8*sin(t+pi/6); %旌旗灯号2,相位差取pi/6Cc=xcorr(y1,y2); %求互相干函数[y_max,t_max]=max(Cc) %找出Cc的最大值及对应的t_maxsample_delay=t_max-N; %盘算与中间点相差的样点数T_sig=(N-1)/6; %求旌旗灯号一个周期的样点数,一个周期相对应于2*pidelay1=pi/6 %pi/6的弧度delay2=2*pi*sample_delay/T_sig %盘算与中间点相差的样点数所对应的弧度值如许盘算出pi/6=0.5236,而从相干函数最大值处求出的相位差是0.5129.对于单频旌旗灯号而言,时移等于相移,相干系数从初始值变成最大值的时刻,解释相位差也从初始相位差变成零。
统计信号处理 参考答案
统计信号处理参考答案统计信号处理是一门研究如何从观测到的信号中提取有用信息的学科。
它是应用数学和统计学的交叉领域，广泛应用于通信、雷达、生物医学工程等领域。
本文将从统计信号处理的基本概念、常见方法以及应用案例等方面进行探讨。
一、统计信号处理的基本概念统计信号处理的核心概念是信号与噪声的区分。
信号是我们所关注的目标信息，而噪声则是干扰我们对信号的观测和分析。
因此，统计信号处理的目标是通过统计学方法，将信号从噪声中提取出来，从而得到准确的信息。
在统计信号处理中，我们常用的方法之一是概率密度函数估计。
概率密度函数是描述随机变量概率分布的函数，通过对观测到的信号进行概率密度函数估计，我们可以了解信号的分布情况，从而更好地对信号进行处理和分析。
二、统计信号处理的常见方法1. 自相关函数与互相关函数自相关函数和互相关函数是统计信号处理中常用的方法。
自相关函数可以用来衡量信号的相似性和周期性，而互相关函数则可以用来衡量两个信号之间的相似性和相关性。
通过计算自相关函数和互相关函数，我们可以得到信号的时域特性和频域特性。
2. 最小二乘法最小二乘法是一种常用的参数估计方法，它可以用来拟合信号模型和估计信号参数。
通过最小化观测信号与信号模型之间的误差平方和，我们可以得到最优的信号参数估计。
最小二乘法在信号重建、滤波等方面有着广泛的应用。
3. 卡尔曼滤波卡尔曼滤波是一种递归滤波方法，它可以用来估计动态系统中的状态变量。
卡尔曼滤波结合了观测数据和系统模型，通过迭代计算，可以得到最优的状态估计结果。
卡尔曼滤波在导航、目标跟踪等领域有着重要的应用。
三、统计信号处理的应用案例1. 通信领域在通信领域，统计信号处理被广泛应用于信号调制、信道估计、信号解调等方面。
通过对信号进行统计分析和处理，可以提高通信系统的性能和可靠性。
2. 雷达领域统计信号处理在雷达领域也有着重要的应用。
通过对雷达信号进行处理，可以实现目标检测、目标跟踪以及目标参数估计等功能。
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的性质与应用
自相关与互相关函数的性质与应用自相关函数和互相关函数是信号处理领域中常用的工具，它们能够描述信号与自身或其他信号之间的相互关系。
本文将介绍自相关函数和互相关函数的性质及其在不同领域中的应用。
一、自相关函数自相关函数是用来衡量信号与自身之间的相似程度。
在时域上，自相关函数定义为信号与其自身的延迟版本的乘积的积分。
数学表达式如下：Rxx(tau) = ∫[x(t)*x(t-tau)]dt在自相关函数中，tau表示延迟的时间。
自相关函数具有以下性质：1. 对称性：自相关函数关于tau=0对称，即Rxx(-tau) = Rxx(tau)。
2. 零延迟：在tau=0时，自相关函数达到最大值，即Rxx(0) =∫[x(t)^2]dt。
3. 正则性：自相关函数的取值范围在0和Rxx(0)之间。
自相关函数在信号处理中有广泛的应用，包括时序分析、噪声滤除和谱估计等。
例如，在时序分析中，自相关函数可用于检测信号的周期性和重复性，帮助确定信号的周期。
二、互相关函数互相关函数用于衡量两个信号之间的相似程度。
在时域上，互相关函数定义为一个信号与另一个信号的延迟版本的乘积的积分。
数学表达式如下：Rxy(tau) = ∫[x(t)*y(t-tau)]dt在互相关函数中，tau表示延迟的时间。
互相关函数具有以下性质：1. 非对称性：互相关函数通常不满足对称性，即Rxy(-tau) ≠Rxy(tau)。
2. 特定延迟下的相似性：当tau等于信号y的延迟时间时，互相关函数达到最大值，即Rxy(tau) = ∫[x(t)*y(t)]dt。
3. 互相关峰值：互相关函数的最大值表示信号x和信号y之间的最佳匹配程度。
互相关函数在信号处理和图像处理领域具有广泛应用。
例如，在音频处理中，互相关函数可用于音频识别和音频匹配；在图像处理中，互相关函数可用于图像匹配和模式识别。
三、自相关与互相关函数的应用1. 语音识别：自相关和互相关函数可用于语音信号的特征提取和语音识别算法的设计。
互相关函数,自相关函数计算和作图
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。
●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间的相关程度。
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。
下面是检验两者结果相同的代码：dt=.1;t=[0:dt:100];x=3*sin(t);y=cos(3*t);subplot(3,1,1);plot(t,x);subplot(3,1,2);plot(t,y);[a,b]=xcorr(x,y);subplot(3,1,3);plot(b*dt,a);yy=cos(3*fliplr(t)); % or use: yy=fliplr(y);z=conv(x,yy);pause;subplot(3,1,3);plot(b*dt,z,'r');即在xcorr中不使用scaling。
自相关函数和互相关函数计算
首页
论坛
群组
家园
百科
设施
休闲
游戏
排行榜
我的中心
中国振动联盟进站必读 服务使用协议 行为准则 | 免责声明 | 禁止行为 等级与权限 | 积分获取 | 意见建议
近期热点及本站重点推荐版块 振动实验与测试技术 | 故障诊断及健康监测 管理漫谈 | 振动产品展示 | 专业技术区
新的开始、新的征程—本站诚聘各版版主 加入管理队伍，更好地建设振动家园 版主管理及考核 | 版主推荐 | 版主申请
预科生
帖子 积分 威望 体能
1 0 0点 10 点
jelyness
预科生
帖子 积分 威望 体能
3 0 0点 10 点
lutat
该用户还没有设置签名，暂不外售！
回复
引用
发表于 2007-11-11 04:32 | 只看该作者
太有用了，赞~
即在xcorr中不使用scaling。
3. 其他相关问题：
1) 相关程度与相关函数的取值有什么联系？ ----------------------------------------[转版友 gghhjj]------------------------------------------------------------------------------------相关系数只是一个比率，不是等单位量度，无什么单位名称，也不是相关的百分数，一般取小数点后两位来表示。 相关系数的正负号只表示相关的方向，绝对值表示相关的程度。因为不是等单位的度量，因而不能说相关系数0.7是0.35两 倍，只能说相关系数为0.7的二列变量相关程度比相关系数为0.35的二列变量相关程度更为密切和更高。也不能说相关系数 从0.70到0.80与相关系数从0.30到0.40增加的程度一样大。
自相关函数和互相关函数计算
预科生
帖子
4
积分
0
ቤተ መጻሕፍቲ ባይዱ威望
0点
体能
14 点
居住城市 河南 郑州
wonderlight
该用户还没有设置签名，暂不外售！
回复
引用
发表于 2007-9-30 11:05 | 只看该作者
谢谢,对学习随机信号很有帮助的
/thread-36108-1-1.html
举报 返回顶部 6楼
2) 功率，能量，自相关函数的关系： --------------------------[转happy教授]------------------------------------------------------------------------------------------参见/jingpinke/xhst/final/XiTongJiaoCai/chap6/chap6_3/chap6_3_3.htm --------------------------------------------------------------------------------------------------------------------------------------
对于相关系数的大小所表示的意义目前在统计学界尚不一致，但通常按下是这样认为的：
相关系数 相关程度 0.00-±0.30 微相关 ±0.30-±0.50 实相关 ±0.50-±0.80 显著相关 ±0.80-±1.00 高度相关 ----------------------------------------------------------------------------------------------------------------------------------------------
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2.4.3 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
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。
由于周期信号的自相关函数仍是周期性的，而随机噪声信号随着延迟增加，它的自相关函数将减到零。
因此在一定延迟时间后，被干扰信号的自相关函数中就只保留了周期信号的信息，而排除了随机信号的干扰。
图2.4.5所示为噪声对相关函数的影响。
图 2.4.5噪声对相关函数的影响
2．互相关函数
随机信号x(t)和y(t)的互相关函数定义为
(2.4.11)
互相关函数具有如下性质：
（1）互相关函数不是偶函数，是不对称的。
图2.4.6为两个随机信号x(t)和y(t)及其互相关函数图形，其峰值偏离了原点的位置反
映了两信号的时差。
例如在
位置达到最大值，则说明y(t)
导前时间x(t)与
y(t)最相似。
（2），即x(t)与y(t)互换后，它们的互相关函数对称于纵轴（图2.4.7），说明使信号y(t)在时间上导前与使另一信号x(t)滞后，其结果是一样的。
（3）若两个随机信号x(t)和y(t)没有同频率周期成分，是两个完全独立的信号，则当时有
(2.4.12)
（4）频率相同的两个周期信号的互相关函数仍是周期信号，其周期与原信号相同。
例如两个周期信号为和，则其互相关函数为
(2.4.13)
用互相关系数表示互相关程度，即
(2.4.14)
互相关系数反映了两个随机信号之间的相关性，且。
若x(t)和y(t)之间没有同频率的周期成分，那么当τ很大时就彼此无关，即。
微弱信号的检测
互相关函数的这些性质，使得它在检测技术中具有广泛的应用。
最常见的应用有以下几种：
（1）确定时间延迟。
假如某信号从A点传播到另一点B点，那么在两点拾取的信号
x(t)和y(t)之间的互相关函数，将在相当于两点之间时间延迟τ的位置上出现一个峰值。
利用确定延迟时间的方法可以测量物体的运动速度，图2.4.8为测定轧钢时钢板运
动速度的示意图。
利用两个距离为d的光电传感器A和B，得到钢板表面反射光强度变化的光电信号x(t)和y(t)，经互相关分析，确定时移τ，当τ等于钢板通过两个测点间的时
间时，两信号的互相关函数为最大值，则运动物体的速度为
（2）识别传输路径。
假如信号从A点到B点有几个传输路径，则在互相关函数中就有几个峰值，每个峰值对应于延迟了时间的一个路径，例如用于声源和声反射路径的识别。
（3）检测淹没在外来噪声中的信号。
假如信号s(t)受到外界的干扰形成复合信号
a(t)和b(t)，即a(t)=s(t)+n(t)，b(t)=s(t)+m(t)，（s(t)是有用信号，可以是确定性的或者随机的，而n(t)和m(t)是互不相关的噪声），那么互相关函数将仅含有a(t)和b(t)中的相关部分s(t)的信号，而排除了外来噪声的干扰。
（4）系统脉冲响应的测定。
在随机激励试验中，假如以随机白噪声作为试验信号输
入被测系统，则输入信号与输出信号的互相关函数就是被测系统的脉冲响应。
这
种测量方法的优点可以在系统正常工作过程中测量。
测量时，其他信号都与试验信号无关，因而对互相关函数没有影响，不影响脉冲响应的测量。
互相关分析：地下输油管道漏损部位的检测。