之前在《学习LabVIEW（六）——匹配滤波的简单仿真》中，我们直接利用“信号处理->信号运算->互相关”节点实现了
匹配滤波。
框图非常简单，把信号序列和同步序列同时输入到互相关节点，输出就是想要的结果了。互相关节点如何运算互相关呢？它包含了两种算法，一种是
时域的卷积，另一种是频域的相乘，利用FFT提高计算效率。今天我们自己利用数据队列和向量点积（内积）实现互相关的运算。数据队列节点发挥了一组移位
寄存器的作用（见《幽默的LabVIEW编程之滥用多个移位寄存器》），点积节点则实现了加权求和。这就是内积或者相关的运算本质。
首先，信号的构造还是使用了MATLAB节点，这样比较方便而且便于调整，如下图所示：
MATLAB节点输出的信号是一个数组，我们利用for-loop和索引模式的隧道，将数组拆成一个一个的元素，在循环中依次处理，相当于把一个Buffer中的数据转换成了一个标量构成的数据流。注意syncHead进入循环的隧道没有使用索引模式，因为在循环内部要把syncHead当做一个整体来处理。在循环内部，将外部来的数据流中的标量数据输入到数据队列节点，然后将数据队列节点的输出与同步头使用点积节点作内积运算。运算得到的标量通过一个索引模式的隧道连接到循环之外的scope，这样就能在界面上看到滤波的结果。完整的程序框图如下所示：
程序的一次运行结果如下图所示：
至于这种在时域实现的相关运算，是不是不如基于FFT的频域运算高效呢？实际上，序列点数很少时，时域的实现更高效一些。
