本项目旨在利用MATLAB平台开发一套完整的去趋势互相关分析（Detrended Cross-Correlation Analysis, DCCA）算法工具包。其核心功能是识别和量化两个非平稳时间序列之间的长程幂律互相关性。算法的具体实现流程包括：首先对两个输入的时间序列（如金融时间序列、生理信号等）进行累积求和积分，将其转化为随机游走序列；接着将序列分割为了不同长度n的重叠或非重叠窗口；在每个窗口内，利用最小二乘法对局部趋势进行多项式拟合（如线性、二次或更高阶多项式）并将其从原始数据中去除，以消除非平稳趋势的影响；随后计算两个去趋势序列在当前窗口内的协方差，并对所有窗口求平均以获得q阶（本项目主要针对q=2的情况）波动函数F_DCCA(n)。项目将遍历一系列的时间尺度n，计算对应的波动值。此外，项目还将实现DCCA互相联系数（DCCA Cross-Correlation Coefficient, rho_DCCA）的计算，用于量化两个非平稳信号在不同时间尺度下的具体相关强度，其值介于-1到1之间。最后，程序将生成双对数坐标图（log-log plot），通过线性回归拟合波动函数与时间尺度的关系，提取DCCA标度指数（scaling exponent），从而判断两个系统之间是否存在长程持久性（persistence）或反持久性（anti-persistence）的互相关联。该代码具有良好的封装性，便于用户替换数据源进行金融、气象或生物医学领域的复杂系统分析。
