自相关矩阵是一个Toeplitz 对称矩阵，可以形成为：

Rxx = toeplitz(xcorr(x));

这应该会给你一个合理的（方形）矩阵，可以传递给eig.

[在@Jazzmaniac 对角化的 1 级错误后编辑]

xcorr向量的 只产生一个向量，您应该按照@Peter K 的建议在其上构建一个自协方差矩阵。

如果我没记错的话，最大的特征值大致随着维度增长$n$. 这些矩阵的理论超出了我的知识范围。您可以在最大特征值和样本协方差矩阵中获得更多信息。

通常的做法是对协方差矩阵进行归一化，以获得协方差矩阵的有偏 ( xcorr(x,'biased')) 或无偏 ( xcorr(x,'unbiased')) 估计量。

在我对自适应滤波的记忆中，对称性只需要一半的自相关即可生成 Toepliz 矩阵：例如xc = xcorr(x,'biased')，则Rxx = toeplitz(xc(length(x):end))。

您可以使用以下推导和 Matlab 代码获利：

1. Hayes, Monson H.，统计数字信号处理和建模，John Wiley & Sons, Inc.，1996 年，第 9 章：自适应滤波（使用 Matlab 代码），
2. Poularikas, Alexander D. 和 Ramadan, Zayed M.，使用 MATLAB 的自适应过滤入门 （使用 Matlab 代码）。