La matriz de autocorrelación es usada en los algoritmos de procesamiento digital de señales. Esta consiste en elementos de la función discreta de autocorrelación, 
, ordenados de la siguiente manera:
![{\displaystyle \mathbf {R} _{x}=E[\mathbf {xx} ^{H}]={\begin{bmatrix}R_{xx}(0)&R_{xx}^{*}(1)&R_{xx}^{*}(2)&\cdots &R_{xx}^{*}(N-1)\\R_{xx}(1)&R_{xx}(0)&R_{xx}^{*}(1)&\cdots &R_{xx}^{*}(N-2)\\R_{xx}(2)&R_{xx}(1)&R_{xx}(0)&\cdots &R_{xx}^{*}(N-3)\\\vdots &\vdots &\vdots &\ddots &\vdots \\R_{xx}(N-1)&R_{xx}(N-2)&R_{xx}(N-3)&\cdots &R_{xx}(0)\\\end{bmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/0503991dfbc2be341fe5dee0ebc2fdbe8a8ea0ed)
La matriz es hermitiana y matriz de Toeplitz. Si 
es estacionaria, entonces la matriz de autocorrelación será definida con valores positivos.
La matriz de autocovarianza está relacionada con la matriz de autocorrelación de la siguiente manera:
![{\displaystyle \mathbf {C} _{x}=\operatorname {E} [(\mathbf {x} -\mathbf {m} _{x})(\mathbf {x} -\mathbf {m} _{x})^{H}]=\mathbf {R} _{x}-\mathbf {m} _{x}\mathbf {m} _{x}^{H}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/da581eea1d417e6e50fc2311ffd0a300ae1ba852)
Donde 
es el vector promedio de la señal para cada índice de tiempo.
- Hayes, Monson H., Statistical Digital Signal Processing and Modeling, John Wiley & Sons, Inc., 1996. ISBN 0-471-59431-8.
Datos: Q17622025