Convolución y Correlación

Bibliografı́a para esta clase:

B.P. Lathi, “Signal Processing and Linear Systems”, Berkeley
Cambridge Press.

En la clase anterior vimos cómo representar señales mediante sumas

de funciones impulso, i.e., la suma o integral de convolución.
Z ∞
f1 (t) ∗ f2 (t) = f1 (τ )f2 (t − τ )dτ
−∞

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 1

Señales y vectores

Otra forma de representar señales es utilizando sus componentes, i.e.,

analizándolas como vectores.
Conceptos básicos (componente de un vector)

Vector → Magnitud y dirección

x → |x| es su magnitud.

Si f y x son vectores, el producto punto (producto interno) entre éstos es:

f · x = |f ||x| cos θ, donde θ es el ángulo entre f y x

⇒
|x|2 = x · x, pues cos 0 = 1

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 2

Pintemos a f y x en el espacio:

Note que f = cx + e,
pero esta no es la única forma de representar a f en términos de x,
hay infinitas formas:

Tal que: f = c1 x + e1 = c2 x + e2 ; e1 y e2 son vectores de error.

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 3
Si decimos que f ≈ cx, el error será e = f − cx (vector de error).
Cuando la componente se encuentra mediante la proyección
perpendicular de una señal sobre la otra, el error cometido es el más
pequeño.

“c” se elige tal que minimiza el error, ası́:

c|x| = |f | cos θ, multiplicamos por |x| a ambos lados,

c|x|2 = |f ||x| cos θ = f · x
⇒
f ·x 1
c= |x|2
= |x|2
f ·x
Si f y x son ortogonales, entonces c = 0 porque no hay proyección de
f sobre x.
Consecuentemente si f y x son ortogonales, entonces f · x = 0
2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 4
Componente de una señal
Los conceptos de componente de un vector y ortogonalidad pueden
ser extendidos a las señales.

⇒ Aproximemos una señal f (t) en términos de otra señal x(t) en el

intervalo [t1 , t2 ].
f (x) ≈ cx(t)
El error en esta aproximación será:


f (t) − cx(t) t1 ≤ t ≤ t2
e(t) =
0 eoc

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 5

Cómo medir la diferencia entre dos señales?

La energı́a es una medida que puede ayudarnos a cuantificar y

minimizar la diferencia entre señales, veamos:
R t2
Ee = e2 (t)dt, energı́a del error cometido.
R tt12
= t1 (f (t) − cx(t))2 dt

Note que t es una variable muda en este caso. Ee es función de c, no

de t.

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 6

Si queremos minimizar a Ee hacemos:
dEe
dc =0
hR i
d t2 2
dc t1
(f (t) − cx(t)) dt = 0
hR i h R i h i
d t2 d t d
R t2
dc t1
f 2 (t)dt − dc 2c t12 f (t)x(t)dt + dc c2 t1
x2 (t)dt = 0

⇒
R t2 R t2
−2 t1
f (t)x(t)dt + 2c t1
x2 (t)dt = 0
∴
R t2
t1 f (t)x(t)dt 1
R t2 hf ,xi
c= R t2
2
= Ex t1
f (t)x(t)dt = hx,xi
t1 x (t)dt

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 7

Si f (t) es aproximada en x(t), tal que f (x) = cx(t), el valor óptimo de c tal
que minimiza la energı́a del error en dicha representación es:
1
R t2
c= Ex t1
f (t)x(t)dt

Similarmente, dos señales son ortogonales si cumplen que:

R t2
t1
f (t)x(t)dt = 0.

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 8

Comparación entre señales: la correlación

Para comparar dos vectores f y x, se podrı́a pensar en c como una opción;

sin embargo, ésta no es la medida más apropiada pues si f es más grande o
pequeña, dicha medida cambia, lo cual no es correcto ni tiene sentido para
una medida.
Entre vectores y señales, la similitud se mide considerando el ángulo θ que
los separa, ası́:

• En vectores:
cn = cos θ y como f · x = |f ||x| cos θ, entonces:
f ·x
cn = cos θ = |f ||x| : coeficiente de correlación, −1 ≤ cn ≤ 1
• En señales:
R∞
cn = √ 1 f (t)x(t)dt, −1 ≤ cn ≤ 1, lo cual se demuestra
Ef Ex −∞
R 
∞
usando la desigualdad de Schwarz −∞ f (t)x(t)dt ≤ Ef Ex

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 9

Además del coeficiente de correlación, existe la función de correlación y de
autocorrelación.
Estas funciones son tı́picamente utilizadas para analizar dependencias
temporales de una variable aleatoria o un proceso estocástico.
Veamos la definición básica:
R∞
Rxy (τ ) = −∞
x(t)y(t + τ )dt: correlación cruzada.

R∞
Rxx (τ ) = −∞
x(t)x(t + τ )dt: autocorrelación

Note que los pasos para el cálculo de R(τ ) son similares a los del cálculo de
la convolución, salvo que en R(τ ) no es necesario rotar ninguna de las dos
funciones.

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 10

Propiedades de R(τ )

1. Rx (τ ) = Rx (−τ )
2. Rx (τ ) ≤ Rx (0), ∀τ → el máximo de Rx es en el origen.
R∞
3. Rx (0) = −∞
x2 (t)dt → el valor de Rx en el origen es Ex .
4. ... otras que veremos más adelante!

Tarea: hacer ejercicios de convolucioń, correlación y autocorrelación en casa.

2019-II | Juan Rafael Orozco-Arroyave Ph.D. | Facultad de Ingenierı́a | Teorı́a de señales 11