自相關，在離散時間的情況下有時被稱為串行相關，是信號與自身的延遲拷貝的相關，是延遲的函數。非正式地說，它是一個隨機變量的觀測值之間的相似性，是它們之間的時間滯后的函數。自相關分析是尋找重復模式的數學工具，如被噪聲掩蓋的周期性信號的存在，或識別信號中由其諧波頻率暗示的缺失的基本頻率。它經常被用于信號處理中，用于分析函數或數值系列，如時域信號。不同的研究領域對自相關的定義不同，而且并非所有這些定義都是等同的。在一些領域，該術語可與自變量互換使用。單位根過程、趨勢靜止過程、自回歸過程和移動平均過程是具有自相關的過程的具體形式。隨機過程的自相關在統計學中，實際或復雜隨機過程的自相關是該過程在不同時間的值之間的皮爾遜相關性，是兩個時間或時間滯后的函數。設{displaystylet}可以是離散時間過程的整數，也可以是連續時間過程的實數對于離散時間過程來說可以是一個整數，對于連續時間過程來說可以是一個實數）。那么{displaystyleX_{t}}是過程的特定運行在時間上產生的值（或實現）。是過程的一個給定的運行在時間上產生的值（或實現）。請注意，這個表達式并非對所有時間序列或過程都有很好的定義，因為均值可能不存在，或者方差可能為零（對于恒定過程）或無限大（對于分布缺乏乖張矩的過程，如某些類型的冪律）。

如果{displaystyleleft{X_{t}right}}是一個廣義的靜止過程，那么平均值{displaystyle`mu}是廣義靜止過程。和方差{displaystyleΣ{2}}是與時間無關的。是與時間無關的，而且自變異函數只取決于在：自變量只取決于這對數值之間的時間距離，而不取決于它們在時間上的位置。這進一步意味著，自變量和自相關可以表示為時滯的函數，而且這將是時滯的偶數函數

在某些學科（如統計學和時間序列分析）中，將自變量函數歸一化以獲得與時間相關的皮爾遜相關系數是常見的做法。然而，在其他學科（如工程）中，通常放棄歸一化，自相關和自變量這兩個術語可以互換使用。