写论文，用到了自相关（autocorrelation）函数。在网上查了很多资料，对自相关有了一定的了解，但是都解释的不清楚，甚至有些混乱。既然实验采用的是matlab的autocorr函数，那就深入研究一下它是怎么实现的。help autocorr 的描述是英文的，自己硬着头皮翻译了一遍，希望对用到自相关的同学有帮助。（只把需要用到的翻译了，其它的没用到，我也不懂）
AUTOCORR Sample autocorrelation
Syntax:
[acf,lags,bounds] = autocorr(y)
[acf,lags,bounds] = autocorr(y,numLags,numMA,numSTD)
autocorr(...)
Description:
Compute the sample autocorrelation function (ACF) of a univariate, stochastic time series y. When called with no output arguments, AUTOCORR plots the ACF sequence with confidence bounds.
计算单变量、随机时间序列y的样本自相关函数（ACF）。当调用无输出参数的自相关函数时，AUTOCORR画出在置信边界内(我也不懂什么意思)的ACF序列。
Input Arguments:
y - Vector of observations of a univariate time series for which the sample ACF is computed or plotted. The last element of y contains the most recent observation.
（这句没必要翻译吧！）
Optional Input Arguments:
numLags - Positive integer indicating the number of lags of the ACF to compute. If empty or missing, the default is to compute the ACF at lags 0,1,2, ... T = min[20,length(y)-1]. Since ACF is symmetric about lag zero, negative lags are ignored.
numLags-正整数表示需计算的ACF的延迟数量（这儿需要同学们去查一些自相关的资料，就能明白是什么意思）。假如不写，默认计算ACF，当延迟分别为0,1,2, ... T = min[20,length(y)-1]的时候。由于ACF是在延迟0处对称的，负的延迟被忽略了。
Output Arguments:
acf - Sample autocorrelation function of y. acf is a vector of length numLags+1 corresponding to lags 0,1,2,...,numLags. The first element of acf is unity (i.e., acf(1) = 1 at lag 0).
acf-y的样本自相关函数。acf是一个长度为numsLags+1的向量，对应延迟0,1,2,...,numLags。acf的第一个元素是单位元素（例如，acf(1)=1 延迟为0时）。
（这里给大家解释一下，acf(1)=1其实是认为规定的，它相当于所有真实的acf值都除了真实的acf(1)的值。Think about！）
下面为大家看一个我自己做的实例吧！是对一条5s的心电信号做的处理。
5s的原始心电信号
numLags=100，ACF结果
后半部分转载自：http://poemunfinished.blog.163.com/blog/static/32082132201185105325810/
（赵伟峰写于2011.9.5）
Matlab中有两个现成的函数可以求自相关:方法1是利用互相关函数xcorr;方法2是自相关函数autocorr。
但是对于向量x，只是进行xcorr(x)和autocorr(x)，求的的结果却差别很大。除了xcorr求得的序列是一个中心对称的偶函数序列外，数值的大小也不对应。
看了help，然后自己实验了一下，终于找到了原因。首先，autocorr是对序列减去均值后做的自相关，最后又进行了归一化。而且由于自相关本身是偶函数，而xcorr本身是计算互相关的，所以xcorr最终的结果是2*N-1，而autocorr只是取了以中心点N为起始的后面N个序列。因此，如果以向量x为例，x长为N。则用autocorr(x,N-1)能得到的N长度结果。用xcorr需要有以下几步：
E = mean(x);
X2 =x-E;
c =xcorr(x2);
d =c./c(N);
f =d(N:2*N-1);
可见，求自相关还是用autocorr更方便一些。另外，这里为了方便，只是采用了默认的调用方式，两个函数的具体参数变化还是要看help详细说明，暂不讨论。
还有一篇相关博文可以参考。
地址：http://blog.csdn.net/scuthanman/article/details/5588138