计算输入序列X的自相关。通过连线数据至X输入端可确定要使用的多态实例，也可手动选择实例。


icon

输入/输出

  • c1dcdb.png X —

    X是值为复数的输入序列。

  • cenum.png 归一化 —

    归一化指定用于计算X的自相关的归一化方法。

    0
    none
    （默认）
    1
    unbiased
    2
    biased
  • i1dcdb.png Rxx —

    Rxx是X的自相关。

  • ii32.png 错误 —

    错误返回VI的任何错误或警告。将错误连接至错误代码至错误簇转换VI，可将错误代码或警告转换为错误簇。

    • 一维自相关

    函数x(t)的自相关Rxx(t)定义如下：

    其中符号⊗表示相关。

    如需离散实现该VI，使Y代表序列，其索引可以为负，N是输入序列X中的元素个数，并假设X中索引元素超出范围的个数为零，如下列关系所示：

    xj = 0, j < 0 或 j ≥ N

    该VI使用下列公式获得Y的元素：

    ,

    j = –(N–1), –(N–2), …, –1, 0, 1, …, (N–2), (N–1)

    输出序列Rxx的元素与Y序列中的元素

    Rxxi = yi–(N–1)

    i = 0, 1, 2, … , 2N–2

    注意，输出序列 Rxx 的元素数是2N-1。因为你不能使用负数来索引LabVIEW数组，所以在 t = 0时的相应相关值是输出序列 Rxx的 第N个元素。因此，Rxx代表该VI移位N次索引后的相关值。下列程序框图为该VI的正确索引方法之一。

    下图是以上程序框图的运行结果。

    如需使自相关计算更精确，在某些情况下需归一化。该VI提供偏差和无偏差两种归一化。

    1. 有偏见的归一化

      如果 归一化 是 有偏差的，LabVIEW会按以下方式应用有偏差的归一化：

      j = –(N–1), –(N–2), …, –1, 0, 1, … , (N–2), (N–1)，且

      Rxx（偏差）i = yi–(N–1)

      i = 0, 1, 2, … , 2N–2

    2. 无偏的归一化

      如果 归一化 是 无偏的，则LabVIEW应用无偏的归一化，如下所示：

      j = –(N–1), –(N–2), …, –1, 0, 1, … , (N–2), (N–1)，且

      Rxx（无偏差）i = yi–(N–1)

      i = 0, 1, 2, … , 2N–2