P. 1
Correlacion

Correlacion

|Views: 4.828|Likes:

More info:

Published by: Daniel Pérez Taylor Solis on May 10, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

08/15/2013

pdf

text

original

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. para las dos señales : x(t) = exp (i. La integral de correlación puede ser calculada usando la FT Rxg(t) = F 1{X( )G*( )}. posteriormente extrapolaremos estos conceptos a las señales aleatorias. La medida de la función de correlación es la similaridad entre dos señales. Cuando las señales x(t) y g(t) son señales de potencia. dependiendo de las características de las señales y sistemas bajo estudio. 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 . Esta propiedad es particularmente interesante puesto que la información puede obtenerse incluso si la señal carece de Transformada de Fourier. Más precisamente. la medicina. En primer lugar nos centraremos en el estudio de señales deterministas. a menos una de las dos señales deberían ser señales de energía para que la integral de correlación sea finita. operación que puede efectuarse más simplemente en el dominio transformado para sistemas LTI( transformadas de Fourier y de Laplace ó Z según el caso). el tiempo promedio debe ser incluida. son básicas en el análisis de procesos.La principal aplicación de la convolución era la de determinar la respuesta de sistemas a una cierta entrada. donde es más fácil ver los conceptos de correlación y de densidad espectral. la economía.w1t) e y(t) = exp(i. Las herramientas basadas en correlación de señales y su transformada de Fourier. 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. En la descripción y el análisis de señales la correlación juega un papel muy distinto y muy importante. 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. Una herramienta útil en análisis de señales y sistemas es la correlación. la integral de correlación llega a ser infinita y así. C (t).

La función de correlación cruzada.1). coeff ). 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 . 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. Para comprobar este punto se va a generar una señal seno con frecuencia de 100Hz con amplitud uno y muestreada a 1kHz. x=cos(2*pi*n*0. %Cálculo de la correlación y=xcorr(x. C (t). %representación de las dos señales subplot(211). 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. cuando x tiende a 0. Este hecho se debe a que los desplazamientos pueden ser positivos o negativo.stem(y) Se observa que la auto correlación tiene una longitud doble a la señal temporal.stem(x) subplot(212).

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

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

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->