Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Correlación cruzada
En el presente capítulo se definirá la suma de correlación cruzada tanto para señales aperiódicas
como para señales periódicas. También se definirán varios métodos que facilitan a los seres
humanos su cálculo.
Nomenclatura de la correlación
Sean dos funciones reales de variable entera f (n) y g (n), la correlación de ambas funciones
denotada por f (n) ∗ ∗g (n) es otra función definida como f ∗ ∗g (n). En forma de ecuación se
puede plantear que:
g (n) → g (n − m)
Las funciones se multiplican (punto a punto como en todo producto de funciones).
f(n) g (n − m)
Se calcula el área del producto
Si se observa bien, la defición (a) plantea un producto punto entre dos funcio-nes,
f (n) y g (n − m), siendo que la función g (n) ha sido desplazada, adelantada o atrasada, en m
posiciones.
Siguiendo la definición (a) si se desea conocer la correlación para todo instante de tiempo se
tendría que crear un registro para m tomando valores de un extremo a otro del infinito, es decir
m pertenece a (−∞.∞). Una forma de generalizar y simplificar este proceso es mediante un
cambio de variable tal como se define a continuación.
Correlación para señales energía. Sean f (n) y g (n) dos señales energía, su
correlación valuada para toda n se plantea como:
�
f **g (n) = �n =-� f (m) g (m - n); "neZ
Correlación en tiempo discreto para secuencias causales de duración finita
Señal causal. Las señales causales son aquellas que no están definidas en tiempo
negativo y por tanto toman el valor de cero para tales tiempos. Si bien presentan un
comportamiento en tiempo positivo.
Correlación causal finita. Sean dos secuencias causales fini-tas f (n) y g (n), ambas de
longitud N:
f=[f (0) , f (1) , . . . , f (N − 1)]
La correlación causal de ambas funciones, denotada por f (n)∗∗g (n), es otra función también
denotada como f ∗ ∗g (n) y cuya definición.
Una variante muy empleada para la correlación entre dos secuencias causales finitas, es la
correlación promediada. Tal operación se emplea en el cálculo de filtros predictores, los cuales, a
s vez, son utilizados como parte de un algoritmo que reduce la tasa de transferencia en los
sistemas de comunicaciones.
1
f (m) g (m - n); "neZ[[ -1( N - 1), ( N - 1)]
N -1
f **g (n) =
N
�
m =0
Figura (c)
Ahora se desarrollan los cálculos previos a la correlación, es decir:
La longitud de las secuencias implicadas es N = 4.
El dominio de la correlación se calcula a partir de la ecuación 6.8, es decir n perteneve
[−3, 3].
Ahora se desarrolla en la tabla del cuadro siguiente (tabla 1) la suma de convolución para las
secuencias dadas en la ecuación (c).
Los productos en rojo corresponden con índices para los cuales el segundo operando de la
convolución no tiene elementos definidos. Ahora bien, realizando los productos indicados se
Tiene que la correlación es:
Ahora bien, siguiendo los pasos, se consideran las dos secuencias siguientes:
Tabla 2
Tabla 2: Método de la cinta deslizante. Note que la secuencia f se mantiene sin cambios, en tanto
que la secuencia g se desplaza. Debe realizarse el producto punto entre f y g en cada
desplazamiento.
Entonces, por el método de la cinta deslizante se plantea la tabla 3 donde se obtienen las
ecuaciones
f = [2, 5, 0, 4]
g = [4, 1, 3, 0]
Tabla 3
f = [2, 5, 0, 4]
g = [4, 1, 3, 0]
La longitud de la secuencia de correlación queda definida como:
Nf∗∗g = 2N − 1 = 2 × 4 − 1 = 7
E [−3, 3]
La secuencia de correlación es:
f**g=GF
En donde:
Ejemplo del método matricial
Correlacione las siguientes secuencias: son las mismas ecuaciones 6.13.
f = [2, 5, 0, 4]}
g = [4, 1, 3, 0]
Nf∗∗g = 2N − 1 = 2 × 4 − 1 = 7
El dominio de la secuencia de correlación es:
f(0) f(1) f(2) f(3)
f(0)g(3) f(1)g(3) f(2)g(3) f(3)g(3) g(3) n
f(0)g(2) f(1)g(2) f(2)g(2) f(3)g(2) g(2) n
f(0)g(1) f(1)g(1) f(2)g(1) f(3)g(1) g(1) n
f(0)g(0) f(1)g(0) f(2)g(0) f(3)g(0) g(0) n
n
e [− (N − 1) , (N − 1)]
e [−3, 3]
La secuencia de correlación es:
Tabla 5
Finalmente, se realizan sumas en diagonal hacia abajo-izquierda. Los totales son los elementos
de la secuencia de correlación tal como ilustra la tabla 7. Así entonces, las ecuaciones resultantes
se indican a continuación y son las mismas ecuaciones.
Tabla 7
f**g=[0,6,17,13,32,4,16]
Correlación de secuencias de duración finita por el método del producto
f= [2, 5, 0, 4]
f= [4, 1, 3, 0]
El proceso por el método del producto queda definido como indica la tabla 9
La longitud de la secuencia de correlación queda definida como:
Tabla 9
Nf∗∗g = 2N − 1 = 2 × 4 − 1 = 7
n e [− (N − 1) , (N − 1)]
e[−3, 3]
La secuencia de correlación es:
f ∗ ∗g = [0, 6, 17, 13, 32, 4, 16]
Correlación discreta por software
Correlación discreta en MATLAB
xcorr (a, b)
Donde:
Asociatividad
Distributivita:
Identidad.
Reflexión.