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.

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

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

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

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

Sign up to vote on this title
UsefulNot useful