ACF(统计学自相关函数)
温馨提示:这篇文章已超过465天没有更新,请注意相关的内容是否还可用!
ACF
统计学自相关函数
自相关函数(Autocorrelation Function)在不同的领域,定义不完全等效。在某些领域,自相关函数等同于自协方差(autocovariance)。自相关(英语:Autocorrelation),也叫序列相关,是一个信号于其自身在不同时间点的互相关。非正式地来说,它就是两次观察之间的相似度对它们之间的时间差的函数。它是找出重复模式(如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的数学工具。它常用于信号处理中,用来分析函数或一系列值,如时域信号。
中文名 | 自相关函数 |
外文名 | Autocorrelation Function |
属性 | 函数 |
简称 | ACF |
相关 | 统计学 |
类型 | 数学名词 |
等同于 | 自协方差 |
性质
以下以一维自相关函数为例说明其性质,多维的情况可方便地从一维情况推广得到。
对称性:从定义显然可以看出R(i)=R(−i)。连续型自相关函数为偶函数.
当f为实函数时,有:
R_f(- au)=R_f( au)。
当f是复函数时,该自相关函数是厄米函数,满足:
R_f(- au)=R_f^*( au)。
其中星号表示共轭。
连续型实自相关函数的峰值在原点取得,即对于任何延时τ,均有|R_f( au)| leq R_f(0)。该结论可直接有柯西-施瓦兹不等式得到。离散型自相关函数亦有此结论。
周期函数的自相关函数是具有与原函数相同周期的函数。
两个相互无关的函数(即对于所有τ,两函数的互相关均为0)之和的自相关函数等于各自自相关函数之和。
由于自相关函数是一种特殊的互相关函数,所以它具有后者的所有性质。
连续时间白噪声信号的自相关函数是一个δ函数,在除τ=0之外的所有点均为0。
维纳-辛钦定理(Wiener–Khinchin theorem)表明,自相关函数和功率谱密度函数是一对傅里叶变换对:
R( au)=int_{-infty}^infty S(f) e^{j 2 pi f au} , df。
S(f)=int_{-infty}^infty R( au) e^{- j 2 pi f au} , d au。
实值、对称的自相关函数具有实对称的变换函数,因此此时维纳-辛钦定理中的复指数项可以写成如下的馀弦形式:
R( au)=int_{-infty}^infty S(f) cos(2 pi f au) , df。
S(f)=int_{-infty}^infty R( au) cos(2 pi f au) , d au。
举例
白噪声的自相关函数为δ函数:
r_{nn}=mathbb{E} { n(t) n(t- au) }=delta ( au )。
参考资料
1.自相关函数的性是什么·就上高考网