Autokorélasi mangrupa salah sahiji alat matematika anu remen digunakeun dina signal processing keur analisa fungsi atawa deret nilai, saperti domain waktu signals. Autokorélasi nyaéta cross-correlation hiji signal jeung signalna sorangan. Autokorélasi ilahar dipaké keur manggihkeun pola "pengulangan" dina signal, saperti nangtukeun aya périodeu signal nu kaganggu atawa keur identifikasi frékuénsi dasar signal nu teu mibanda komponen frékuénsi, tapi mangaruhan kana frékuénsi nu harmonis.
bédana definisi autokorélasi nu dipaké gumantung kana widang elmu nu ditalungtik nu satemenna teu sarua. Dina sababaraha widang elmu istilahna diganti ku autocovariance.
Dina statistik, fungsi autokorelasi (ACF) keur deret waktu diskrit atawa hiji prosés Xt hartina korelasi antara prosés dina titik nu béda tur béda waktu oge. Lamun Xt mibanda mean μ jeung varian σ2 mangka definisi ACF nyaéta
nu mana E nyaéta nilai ekspektasi. Nilai ekspektasi ieu teu bisa dipaké sacara umum keur sakabéh deret waktu atawa prosés lamun nilai varian sarua jeung nol (keur prosés nu konstan) atawa tak hingga. Fungsi ieu mibanda harti nu umum lamun dihartikeun mibanda sifat nu aktraktif dina rentang [−1, 1], nu mana 1 nunjukkeun korelasi nu sampurna sarta −1 nunjukkeun anti-korelasi nu sampurna.
Lamun Xt mangrupa orde-dua statis mangka ACF ngan gumantung kana béda antara t jeung s sarta bisa digambarkeun salaku fungsi variabel tunggal. Hal ieu geus ilahar maké rumus nu umum nyaéta,
lamun k mangrupa lag (|t - s|). Dina sababarha widang elmu digambarkeun ku normalisasi σ2 sarta maké watesan autocorrelation nu kadangkala disebut ogé autocovariance. Keur conto panjang deret waktu n, X1, X2 ... Xn nu mana méan jeung varian dipikanyaho mangka nilai estimasi-na ditangtukeun tina
keur .
Lamun nilai méan atawa varian keur prosés ieu teu dipikanyaho mangka μ sarta σ2 bisa diganti ku rumus standar keur sampel méan jeung sampel varian sanajan hasilna nujul kana bias dina nilai estimasi-na[1].
Dina signal processing, definisi teu di handap salawasna dipaké bari teu maké normalisasi, nyaéta, teu ngurangan méan sarta ngabagi ku varianna.
Upamana signal f(t), autokorelasi kontinyu Rff(τ) salawasna dihartikeun salaku integral korelasi-silang kontinyu tina f(t)-na sorangan, dina lag τ.
nu mana f* nunjukkeun kompleks konjuget sarta lingkaran nunjukkeun konvolusi. Keur fungsi ril, f* = f.
Autokorelasi diskrit R at lag j keur signal diskrit xn nyaéta
Definisi di handap dipaké keur signals nu mangrupa integral kuadrat atawa jumlah kuadrat, nyaéta nu énérgina kawates. Signals nu "pamungkas salawasna" dianggap gaganti prosés acak, nu mana diperlukeun definisi nu béda, dumasar kana nilai ekspektasi. Keur proses acak statis nu leuwih lega, autokorelasi dihartikeun salaku
Keur prosés anu henteu stationary, mangrupa fungsi tina t, atawa n oge.
Alternatipna, signals nu salawasna pamungkas bisa dirobah kana analisa fungsi autokorelasi keur waktu nu pondok, maké integral waktu nu kawengku (Tempo short-time Fourier transform keur prosés nu pakait.)
Autokorelasi multi-dimension bisa dihartikeun ku cara nu sarua. Contona, dina autokorelasi tilu dimenasi dina kuadrat-jumlah signal diskrit bisa jadi
Lamu nilai méan dikurangkeun tina signal saméméh diitung dina fungsi autokorelasi, fungsi nu dihasilkeun disebut ogé fungsi auto-covarian.
Saterusna arek dijelaskeun sipat autokorélasi dina hiji-dimensi, sabab satemenna loba sipat hiji-dimensi nu gampang keur dipaké dina kasus multi-dimensi.
Dina regression analysis ngagunakeun time series, autokorélasi nyaéta sesa tina ieu masalah, sarta nuju ka arah bias nu luhur dina estimasi statistical significance tina koefisien estimasi, saperti dina T statistic. Tes standar keur ayana autokorélasi nyaéta Durbin-Watson statistic atawa, lamun ngajelaskeun variabel kaasup lagged dependent variable, Durbin's h statistic.
Respon keur autokorélasi kaasup differencing data sarta ayana struktur "lag" dina estimasi.