Correlación

Al igual que la convolución, la correlación es una operación básica del procesamiento de imágenes digitales. La correlación es la operación básica en los procesos de búsqueda de patrones por emparejamiento. Por tanto, disponer de algoritmos que calculen de una forma eficiente estas operaciones es del mayor interés

La correlación es una operación matemática que permite cuantificar el grado de similitud entre dos señales, aunque aparentemente no haya evidencias de coincidencia temporal entre ellas. Su aspecto recuerda la forma de la convolución: formalmente, la diferencia entre ambas operaciones está en el signo ( reflexión temporal) de uno de los operandos. Sin embargo, las propiedades y aplicaciones de las operaciones de convolución y correlación son distintas.

teniendo un amplio abanico de aplicaciones: la geología. En la descripción y el análisis de señales la correlación juega un papel muy distinto y muy importante. La correlación-cruzada (o simplemente la correlación) entre las señales x(t) y g(t) es definida como Rxg ( ) = x(t + ) g* (t)dt Una vez más.w2t) Respuesta . la economía. Cuando las señales x(t) y g(t) son señales de potencia. La correlación obtiene información sobre las señales en base a promediados temporales y su transformada de Fourier permite obtener funciones de Densidad Espectral de Energía o Potencia.La principal aplicación de la convolución era la de determinar la respuesta de sistemas a una cierta entrada. Esta propiedad es particularmente interesante puesto que la información puede obtenerse incluso si la señal carece de Transformada de Fourier. En primer lugar nos centraremos en el estudio de señales deterministas. la integral de correlación llega a ser infinita y así. Una herramienta útil en análisis de señales y sistemas es la correlación. el tiempo promedio debe ser incluida. a menos una de las dos señales deberían ser señales de energía para que la integral de correlación sea finita. Más precisamente. para las dos señales : x(t) = exp (i. posteriormente extrapolaremos estos conceptos a las señales aleatorias. La medida de la función de correlación es la similaridad entre dos señales. C (t). Las herramientas basadas en correlación de señales y su transformada de Fourier. donde es más fácil ver los conceptos de correlación y de densidad espectral. son básicas en el análisis de procesos. t/2 Rxg (t) =1/T x(t + ) g* (t)dt -t/2 Determinar la función de correlación cruzada. El valor pico de Rxg(t) y su dispersión alrededor del pico es una indicación de una buena similaridad. operación que puede efectuarse más simplemente en el dominio transformado para sistemas LTI( transformadas de Fourier y de Laplace ó Z según el caso). dependiendo de las características de las señales y sistemas bajo estudio.w1t) e y(t) = exp(i. la medicina. La integral de correlación puede ser calculada usando la FT Rxg(t) = F 1{X( )G*( )}.

coeff ). %Cálculo de la correlación y=xcorr(x. cuando x tiende a 0. Este hecho se debe a que los desplazamientos pueden ser positivos o negativo. C (t). Se determina la autocorrelación de esta señal normalizada a uno y se representa junto a la secuencia Código Matlab %Generación de la señal n=0:99. %representación de las dos señales subplot(211).stem(y) Se observa que la auto correlación tiene una longitud doble a la señal temporal.1).La función de correlación cruzada. para la señal de entrada y la señal de salida se define por: Para nuestro caso se tiene: Pasando al límite tenemos : puesto que sen(x)/(x) tiende a 1 . El índice central . Para comprobar este punto se va a generar una señal seno con frecuencia de 100Hz con amplitud uno y muestreada a 1kHz.stem(x) subplot(212). x=cos(2*pi*n*0. Correlación en una dimensión en Matlab Ejemplo de auto correlación: La primera aplicación de la correlación de una señal es determinar las posibles repeticiones de la señal.

corresponde a un desplazamiento cero y corresponde con el valor máximo de la correlación.y.stem(zz) La correlación cruzada nos ayuda a determinar cuándo las señales estarán en fase. coeff ). Tomamos el primer máximo que en este caso N=5(100-95). amplitud uno y desfadas 90° y se determina la correlación cruzada de ellas. Para probarlo en Matlab generamos dos señales sinodales con frecuencia de 50Hz. Si la matriz A es de tamaño Ma x Na y la matriz B es de tamaño Mb x Nb la matriz resultante será de tamaño (Ma+Mb-1) x (Na+Nb-1) Ecuación Discreta .B).stem(z) subplot(212). Ejemplo de correlación cruzada La segunda aplicación es la determinación del desfasamiento entre dos señales. sustituyendo en la expresión del desfase obtenemos:  Correlación 2D en Matlab Comando xcorr2 ‡ Sintaxis: xcorr2(A. donde A y B son matrices xcorr2(A)=xcorr(A.B) regresa la correlación de las matrices A y B. Zz= xcorr(x. Código de Matlab % Generación de las señales N=0:99. Utilizando las gráficas obtenidas medimos el desfase entre las dos señales. que ocurrirá en los máximos de dicha correlación. y=cos(2*pi*n*(50/1000)+pi/2). coeff ). x=cos(2*pi*n(50/1000)). % Representación de las señales subplot(211). % Determinación de la correlación cruzada Z=xcorr(x.A) ‡ Descripción: El comando xcorr(A.

John G. Tratamiento digital de señales Problemas y ejercicios resueltos. Valencia: Pearson Prentice Hall. Proarkis. M.‡ La ecuación para la correlación discreta de dos dimensiones es: Donde y Bibliografía: Emilio Soria Olivas. (2003). Madrid: Prentice Hall. Tratamiento digital de señales. . G. D. (1998). M.