Marco teórico:

1. En el marco teórico es necesario definir la suma de correlación y sus propiedades, la

correlación cruzada y la autocorrelación, tanto para vectores como para matrices de
imágenes.

La correlación es una operación matemática que nos permite medir el grado de similitud
entre dos señales sean o no similares entre sí. Podemos definir la correlación entre dos
señales de la siguiente manera:

Imagen 1:

𝑥(𝑡) 𝑟𝑥𝑦 (𝜏)

𝑦(𝑡)

En la imagen 1 podemos ver que al sistema entran dos señales 𝑥(𝑡) y 𝑦(𝑡), ambas entran
al sistema, hacen un proceso y como salida se obtiene la fórmula matemática de la
correlación. Para señales continuas la correlación entre dos señales se expresa de la
siguiente manera:

Ecuación 1:
∞

𝑟𝑥𝑦 (𝜏) = ∫ 𝑥(𝑡)𝑦(𝑡 − 𝜏)𝑑𝑡

−∞

Ecuación 1: Representa la correlación

entre dos señales.

En el caso de la autocorrelación, la fórmula matemática es la siguiente:

∞

𝑟𝑥𝑥 (𝜏) = ∫ 𝑥(𝑡)𝑥(𝑡 − 𝜏) 𝑑𝑡

−∞

Ecuación 2: Representa la autocorrelación

de una señal.

Para hallar la correlación de una señal discreta utilizamos la siguiente fórmula:

∞

𝑟𝑦𝑥 [𝑙] = ∑ 𝑦[𝑛]𝑥[𝑛 − 𝑙]

𝑛=−∞

Ecuación 3: Representa la correlación

cruzada de una señal discreta.
En las fórmulas (ecuación 1, ecuación 2 y ecuación 3) podemos ver las fórmulas
matemáticas de la correlación de señales, sin embargo, para entender su relación con los
vectores, debemos utilizar el siguiente código realizado en matlab:

Código 1:

Con el código anterior, podemos ver que a través de la instrucción xcorr en matlab
podemos realizar la correlación cruzada o autocorrelación de dos señales. Esto lo podemos
evidenciar en las siguientes gráficas:
Figura 1: Gráfica de la función x.

Figura 2: Gráfica de la función h.

Figura 3: Correlación cruzada entre la señal x y la señal h

Figura 4: Autocorrelación de la señal x

Figura 5: Autocorrelación de la señal h