给定一个浮点数或双精度的一维向量，如何使用加速框架中的vDSP库中的函数计算该向量的自相关？
有人会怀疑vDSP_acor（）和vDSP_acorD（）函数会执行此计算，但文档vDSP_Library.pdf（available here）在解释如何使用函数参数方面做得并不好。
类似地，vDSP_conv（）和vDSP_convD（）函数提到了在两个向量之间执行相关和卷积的能力，但是没有为我提供足够的解释或示例代码以便能够成功使用它们。例如，如果使用过滤器内核来卷积2D矩阵，我会想象需要两次调用vDSP_convD（），使用不同的signalStride值，但文档中省略了这一点。另一个遗漏是如何打包过滤器中的数据。如果用零填充，如果零首先，最后，或者它们是否需要均匀分布在非零条目的两侧，这是否重要？滤波器长度，结果长度和输入长度是否有要求？
有用示例的建议：使用vDSP_acor（）和vDSP_conv（）实现向量的自相关。频域中两个数组的二进制乘法，打包为真实数据，使用vDSP_fft2d_zrip（）进行前向FFT，将在IFT返回非规范化答案之前用于计算自相关函数。在1D和2D阵列上实现高斯核卷积。一般来说这是一个很棒的库（你能说FAST吗？！），但我发现这些特殊功能有点难以理解，上述例子可能会被广泛使用，因为它们在信号处理和图像分析中非常常见。
vDSP_Library参考文档维护者的建议：我假设“空间域”和“时域”在整个文档中是等效的。如果没有，请做出区分。另外，请检查所有公式都有明确定义的参数，这些参数与正在讨论的函数中声明的参数名称相匹配。
脚注：这里我所指的自相关定义为：A [T] =＆lt;（X [t] -m）（X [tT] -m）＆gt; / v，其中A [T]是滞后T处的自相关，t是信号X的索引，m是所有t的X的平均值，v是所有t的X的方差，并且尖括号＆lt;＆gt;表示所有可用的X对的平均值。
答案 0 :(得分：9)
vDSP_acorD的文档对我来说似乎相当清楚，如果有点稀疏，并且参数描述中似乎确实存在拼写错误。
void vDSP_acorD (double * A,
double * C, int N, int M);
A是输入信号，C是自相关输出，N是A中的样本数，M是数字C中需要的输出值（即C将滞后值保持在0至M - 1）。
如果vDSP_acorD不可用，那么您可以使用vDSP_conv，因为卷积与其中一个输入信号相反的相关操作相同。
或者，您可以使用自相关等效于功率谱的逆FFT这一事实来推动您自己的快速自相关，因此：
auto_correlation = IFFT(MAG(FFT(x)))
，其中
FFT = forward FFT
IFFT = inverse FFT
MAG = magnitude of complex spectrum (sqrt(re * re + im * im))
然后使用vDSP中的FFT例程。