产生任意长度的M序列，并计算该M序列的自相关函数和功率谱密度函数。用于系统辨识

Gold码序列是一种基于m序列的码序列，具有较优良的自相关和互相关特性，产生的序列数多。Gold码的自相关性不如m序列，具有三值自相关特性；互相关性比m序列要好，但还没有达到最佳。里面matlab产生gold序列自相关性。用图清晰的可以看出自相关特性

acfplot 调用 autocov() 来计算输入向量 Y 的自相关函数 (acf) 的估计值，然后使用以秒或毫秒为单位标记的时间轴绘制 acf。 注意：此函数不使用统计工具箱。 句法： acf=acfplot(Y, Fs, maxlag, titlestr) Y 是包含样本序列的列向量。 其余输入参数是可选的。 fs 指定采样率（每秒采样数）； 默认值为 1。 maxlag 是要计算自相关的最大滞后； 如果未指定任何值，则由函数 autocov 生成默认值。 titlestr 指定要打印在绘图顶部的标题； 默认值为空字符串。

此 m 文件查找并绘制生成的长度为 31 的 Gold 代码的自相关和互相关函数（ACF 和 CCF）。互相关是三个值。

自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟阶数，纵坐标表示自相关系数 偏自相关图跟自相关图类似， 横坐标表示延迟阶数，纵坐标表示偏自相关系数 自相关图与偏自相关图的python代码实现： from statsmodels.graphics.tsaplots import plot_acf, plot_pacf plot_acf(b.salesVolume) plot_pacf(b.salesVolume) 可以看到，这个数据是偏自相关系数拖尾，自相关系数截尾的数据 补充知识：python 数据相关性可视化 话不多说直接上代码 import matplotlib.pyplot a

为了在接受机端完成仿真，计算接收序列的自相关与互相关是必不可少的，而实际C++没有提供专门用于计算相关运算的函数，因此手动写了个代码，下网会有帮助。如有更好实现，请私下交流。

主要介绍了python实现时间序列自相关图(acf)、偏自相关图(pacf)教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

m序列，自相关，对正弦函数相位调制并求自相关

为了在接受机端完成仿真，计算接收序列的自相关与互相关是必不可少的，而实际C++没有提供专门用于计算相关运算的函数，因此手动写了个代码，下网会有帮助。如有更好实现，请私下交流。