通信原理里的自相关函数是什么意思，有什么作用？
自协方差函数和自相关系数有什么联系 自相关函数除以方差就是自协方差函数！Φxx(τ)＝γxx(τ)/σ 2.(1)式中：Φxx(τ)-自协方差函数γxx(τ)-自相关函数x-随机过程τ-时间延迟σ 2-x 的方差自协方差函数是归一化了的相关函数：Φxx(0)＝γxx(0)/σ 2＝1.(2)因为自相关函数在零点的值等于方差。
相关函数的协方差的性质 协方差的5261性质：1、Cov(X，4102Y)=Cov(Y，X)；2、Cov(aX，bY)=abCov(X，Y)，（a，b是常数）；3、Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。由协方1653差定义，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。协方差函数定义为：若X(t)=Y(t)+i*Z(t)，Y，Z为实过程，则称X(t)为复随机过程，相关函数定义为：扩展资料协方差反映了两个变量之间的相关程度：协方差是两个变量与自身期望做差再相乘，然后对乘积取期望。也就是说，当其中一个变量的取值大于自身期望，另一个变量的取值也大于自身期望时，即两个变量的变化趋势相同，此时，两个变量之间的协方差取正值。反之，即其中一个变量大于自身期望时，另外一个变量小于自身期望，那么这两个变量之间的协方差取负值。当x与y变化趋势一致时，两个变量与自身期望之差同为正或同为负，其乘积必然为正，所以其协方差为正；反之，其协方差为负。所以协方差的正负性反映了两个变量的变化趋势是否一致。再者，当x和y在某些时刻变化一致，某些时刻变化不一致时，在第一个点，x与y虽然变化，但是y的变化幅度远不及x变化幅度大，所以其乘积必然较小。在第二个点，x与y变化一致且变化幅度都很大，因此其乘积必然较大，在第三个点，x。
已知自相关函数，怎么求协方差函数 自相关函数的定义就是把函数x(t)平移tao，再和它自己相乘，最后做整个实数范围的积分。x(t)->；R(tao)，则x(t+a)->；R(tao)，是不变的。要求z(t)的自相关，就是求z(t)*z(t+tao)在整个实数范围的积分z(t)*z(t+tao)=【x(t)+x(t+a)】【x(t+tao)+x(t+
高斯白噪声的概率密度函数和自相关函数是什么？ 白噪声，就是说频谱为一常数；也就是说，其协方差函数在delay=0时不为0，在delay不等于0时值为零；换句话说，样本点互不相关。所以，“白”与“不白”是和分布没有关系的。当随机的从高斯分布中获取采样值时，采样点所组成的随机过程就是“高斯白噪声”；同理，当随机的从均匀分布中获取采样值时，采样点所组成的随机过程就是“均匀白噪声”。那么，是否有“非白的高斯”噪声呢？答案是肯定的，这就是”高斯色噪声。这种噪声其分布是高斯的，但是它的频谱不是一个常数，或者说，对高斯信号采样的时候不是随机采样的，而是按照某种规律来采样的。白噪声应该是自相关函数在delay=0时不为0，在delay不等于0时值为零。如果要说协方差函数，那么应该加个条件：零均值。
高斯过程 均值函数 协方差矩阵 自相关函数 R和Q矩阵一般来说都是提前设定一个值，因为卡尔曼滤波是一种迭代优化滤波器，所以不必要使得初始化的值十分精确。当然，如果设定越接近真实值其结果越准确，算的速度也越快。大部分都是根据经验来设，还有就是与所选用的算法有关，如果预测值时利用一些比较好的算法，使得预测值接近真实值的话，我们就可以将R和Q选的小一点，否则要选的大一点。
自相关与偏自相关的概念？ 所谓自相关是指序列与其自身经过某些阶数滞后形成的序列之间存在某种程度的相关性。对自相关的测度往往采用自协方差函数和自相关函数。偏自相关函数是在其他序列给定情况下的两序列条件相关性的度量函数。
