Answers:
通常是什么意思：
“ correlation”，在统计中，是两个随机变量之间的关联度。两个数据集的图形之间的关联度是它们彼此相似的程度。但是，关联度与因果关系并不相同，甚至非常接近在数学上，相关性由相关系数表示，相关系数的范围是-1（从不一起出现）到0（绝对独立）到1（总是一起出现）。”
（来自不列颠百科全书）
信号本身内的相关性称为自相关。
从不存在相关白噪声的意义上讲，不相关的白噪声是一种烦恼。 一个人具有白噪声，根据定义，白噪声具有某些特性，包括缺乏相关性，或者一个人具有相关的噪声，因此在任何意义上都无法描述为白噪声。
是相关的。时间上相距较远的噪声样本也具有相关性，但相关值足够小，可以合理地将它们视为可忽略不计，并假设这些样本确实是独立且不相关的。有关此观点的更多信息，请阅读本讲义的附录A
如果以奈奎斯特速率对连续时间的噪声过程进行采样并将其转换为离散时间的采样序列，则可以将每个采样视为独立于所有其他采样的随机变量（通常为零均值高斯）。因此，离散时间 白噪声过程是一系列独立的（因此不相关）相同分布的零均值随机变量。如果随机变量是高斯（几乎总是假设），则该过程称为离散时间白高斯噪声过程。无论如何，都不必说不相关的白噪声：白噪声始终是不相关的。
当说2个信号相关时，表示它们的相关系数不为零。相关系数是介于-1和+1之间的值，取决于两个信号如何一起变化。如果它们“独立地”变化很大，则相关性接近于0，信号被认为是不相关的。如果相关系数接近1，则它们是高度相关的；如果相关系数接近-1，则它们是高度反相关的。
信号的自动相关是显示信号内模式的系列。该系列的每个点都是信号的相关系数及其自身的延迟（或高级）版本。
不相关噪声是指具有零自相关函数的噪声。因此，噪声信号中的每个点都与其他每个点“无关”。因此，即使您有较长时间段的信号值，也无法预测下一个值。
噪声的“白度”是指其功率谱的平坦度。基于功率谱，不相关的噪声可能不是白色，而是粉红色（！）或其他颜色。
因此，不相关的白噪声是既不相关又具有平坦功率谱的噪声。白高斯噪声是不相关白噪声的一个示例。
正如史蒂文（Steven）所解释的，在统计中，如果知道一个事件的结果可以提供预测另一个事件的结果的信息，则将两个事件关联起来。
例如，如果您两次掷硬币，统计数据表明这两个事件是独立的，并且知道一个事件不会影响另一个事件的预测。但是，如果您有纸牌组并且选择了黑桃王牌（不放回黑桃），那么您将知道下次不会再次出现黑桃。这些事件是依赖的。
相关性有点类似：如果您的妻子每周两次在晚上11点开始上缝纫课，并且您最好的朋友同时在商务会议中，您可能会认为这两个事件有一些共同之处。
一个随机过程描述一段时间内随机事件的行为。这意味着您可以随时具有许多不同的值，并且任何可能的结果都定义为时间的函数。这个理论很复杂，但可以认为它是一个庞大的音乐库。任何时候，库中的一首歌曲都将播放，并且您可以生成无限的播放列表。（不好意思的例子）
在此系统中，您可以有两种类型的关联：时间关联和状态关联。时间相关性表示，知道在特定时间播放的内容后，您可以（在一定程度上）预测几秒钟内将播放的内容。状态相关性表明，根据相同的知识（现在正在播放的内容），您可以估计同时可以播放的其他内容（也许是在下午5点播放摇滚音乐）。
电子噪声是一个非常宽泛的术语，表示在不提供任何有用信息的情况下，所有与信号混合在一起的信息，并使有用部分不清楚。在通信中，将信息传递到另一端需要付出很多努力，这意味着使信号在噪声中脱颖而出。可以增加传输中信号的功率，屏蔽通信介质，进行滤波或其他方式。
由于噪声可能是由于不同的现象引起的，因此它也将具有不同的属性。热噪声是由于导体中电荷载流子的振动引起的，因此可以预期，它取决于导体的温度。当另一个信号发生器（例如微波炉）通过您的信号传输时，就会发生干扰。在后一种情况下，如果你知道变送器是干什么的，你可以反以更直接的方式的影响（例如，一个带阻滤波器中心在精确的频率）。
因此，在需要分析时，了解信号和噪声的统计特性有助于将前者与后者分离。