我正在寻找涵盖迭代估计自相关向量和互相关向量以及自相关矩阵的文献或其他信息。

最初，我可以假设信号是广义平稳的，但我还必须处理不断变化的信号和统计数据。

对于它的价值，我在下面的 matlab 代码中查看了两个简单的算法，显示了方差计算（红色）和泄漏积分器（蓝色）。我还有一个棚车过滤器（绿色）。代码如下所示，以及结果图。

但是，除了红色的方差计算之外，结果从一次运行到另一次变化很大。我不愿意在不检查有关该主题的任何论文的情况下变得太有创意，以便对如何进行此操作有更严格和分析性的理解。

从长远来看，这会在 FPGA 中实现，因此硬件资源是有限的，我需要考虑到这一点。

我在哪里可以找到专门关于这个主题的信息？

（此外，我们将不胜感激有关标签的帮助。）

n = 10;
historyLength = 200;
mu = 1/historyLength;
p1 = conj(referenceSignal(n))*referenceSignal(1:n);
p2 = p1;

pBox = zeros(historyLength,n);
pBox(1,:) = p1;
pBox(1,:) = p1;
pBoxIndex = 2;
pBoxFillLevel = 1;

figure(100);
hold on;
for index = n+1:sampleCount
    X = referenceSignal(index+1-n:index);
    d = conj(referenceSignal(index));
    deltaP = d*X;
    p1 = (p1*(index-n-1) + deltaP)/(index-n);
    p2 = (1-mu)*p2 + mu*deltaP;
    pBox(pBoxIndex,:) = deltaP;
    p3 = sum(pBox,1)/pBoxFillLevel;
    plot(index, p1(n),'r');
    plot(index, p2(n), 'b');
    plot(index, p3(n), 'g');

    if pBoxFillLevel < historyLength
        pBoxFillLevel = pBoxFillLevel+1;
    end;

    pBoxIndex = pBoxIndex+1;
    if pBoxIndex > historyLength
        pBoxIndex = 1;
    end;

end;