1. 首先說說自相關和互相關的概念。
這個是信号分析裡的概念，他們分别表示的是兩個時間序列之間和同一個時間序列在任意兩個不同時刻的取值之間的相關程度，即互相關
函數是描述随機信号x(t),y(t)在任意兩個不同時刻t1，t2的取值之間的相關程度，自相關函數是描述随機信号x(t)在任意兩個不同時刻t1，t2的
取值之間的相關程度。
自相關函數是描述随機信号X(t)在任意兩個不同時刻t1，t2的取值之間的相關程度；互相關函數給出了在頻域内兩個信号是否相關的一個
判斷名額，把兩測點之間信号的互譜與各自的自譜聯系了起來。它能用來确定輸出信号有多大程度來自輸入信号，對修正測量中接入噪聲源而産生
的誤差非常有效.
事實上，在圖象進行中，自相關和互相關函數的定義如下：設原函數是f(t)，則自相關函數定義為R(u)=f(t)*f(-t)，其中*表示卷積；設
兩個函數分别是f(t)和g(t)，則互相關函數定義為R(u)=f(t)*g(-t)，它反映的是兩個函數在不同的相對位置上互相比對的程度。
那麼，如何在matlab中實作這兩個相關并用圖像顯示出來呢？
dt=.1;
t=[0:dt:100];
x=cos(t);
[a,b]=xcorr(x,'unbiased');
plot(b*dt,a)
上面代碼是求自相關函數并作圖，對于互相關函數，稍微修改一下就可以了，即把[a,b]=xcorr(x,'unbiased');改為[a,b]=xcorr
(x,y,'unbiased');便可。
2. 實作過程：
在Matalb中，求解xcorr的過程事實上是利用Fourier變換中的卷積定理進行的，即R(u)=ifft(fft(f)×fft(g))，其中×表示乘法，注：此
公式僅表示形式計算，并非實際計算所用的公式。當然也可以直接采用卷積進行計算，但是結果會與xcorr的不同。事實上，兩者既然有定理保證
，那麼結果一定是相同的，隻是沒有用對公式而已。下面是檢驗兩者結果相同的代碼：
dt=.1;
t=[0:dt:100];
x=3*sin(t);
y=cos(3*t);
subplot(3,1,1);
plot(t,x);
subplot(3,1,2);
plot(t,y);
[a,b]=xcorr(x,y);
subplot(3,1,3);
plot(b*dt,a);
yy=cos(3*fliplr(t)); % or use: yy=fliplr(y);
z=conv(x,yy);
pause;
subplot(3,1,3);
plot(b*dt,z,'r');
即在xcorr中不使用scaling。
3. 其他相關問題：
1) 相關程度與相關函數的取值有什麼聯系？
相關系數隻是一個比率，不是等機關量度，無什麼機關名稱，也不是相關的百分數，一般取小數點後兩位來表示。相關系數的正負号隻表
示相關的方向，絕對值表示相關的程度。因為不是等機關的度量，因而不能說相關系數0.7是0.35兩倍，隻能說相關系數為0.7的二列變量相關程度
比相關系數為0.35的二列變量相關程度更為密切和更高。也不能說相關系數從0.70到0.80與相關系數從0.30到0.40增加的程度一樣大。
對于相關系數的大小所表示的意義目前在統計學界尚不一緻，但通常按下是這樣認為的：
相關系數 相關程度
0.00-±0.30 微相關
±0.30-±0.50 實相關
±0.50-±0.80 顯著相關
±0.80-±1.00 高度相關