UNIVERSIDAD TECNOLOGICA DE

PANAMA
FACULTAD DE INGENIERIA ELECTRICA

Laboratorio de Intr. al Procesamiento Digital de

Bioseñales

Prof. Ing. Daniel Cervantes, M.Sc. Pá gina 1

Objetivo: Ver las aplicaciones de la correlación, principalmente en el reconocimiento de patrones dentro
de una señal, y señales radar. En concreto, se correlarán señales para compararlas entre sí, y para ver el
desplazamiento en que son más parecidas. Además, se extraerá la información del retardo de una señal,
inmersa en ruido, con respecto a otra señal patrón, como se hace en radares.

Material y equipo:
Computadora con Scilab
INTRODUCCIÓN
Para este laboratorio realizaremos la correlación de las señales que sería la operación matemática
entre dos secuencias, que producirá una secuencia llamada correlación cruzada, en donde las
secuencias serán diferentes.

Observaremos la autocorrelación que sucede cuando las dos secuencias son iguales. Durante la
correlación las secuencias pueden contener ruido, contaminando la señal.

DESARROLLO:

1. Autocorrelación:
La primera aplicación de la correlación es determinar las posibles repeticiones de patrones
en la señal. Para comprobar este punto se va a generar una sinusoide de frecuencia igual a
100 Hz con amplitud uno y muestreada 1 KHz (consideremos una secuencia de 100
puntos). Determine la autocorrelación de esta señal normalizada a uno y represéntela junto
a la secuencia.

//Primera Parte
n=0:99;
a=1
Fm=1000;
Fs=100;
xn = a*sin(2*%pi*(Fs/Fm)*n);
///Cálculo de la autocorrelación normalizada
rxx = xcorr(xn);
figure(1);
plot2d3(rxx);
xgrid(5,1,7);

¿Qué longitud tiene la autocorrelación en relación con la señal original?

Es doble, ya que la longitud de la segunda señal se suma con la de la primera.

¿Es simétrica la autocorrelación de la señal?

Si, es simétrica.

¿Para qué desplazamiento la correlación es máxima?

Cuando la muestra de la señal es de 100

¿Este máximo qué representa? Diga sus conclusiones.

Representa el punto en el que ambas funciones son iguales.

2. Correlación Cruzada:
La segunda aplicación de la correlación está relacionada con la determinación del desfase
entre dos señales. Genere dos sinusoides de frecuencia 50 Hz (Fm = 1 KHz), amplitud 1 y
desfasadas 90º, y determine la correlación cruzada de ellas.
yn= a*sin(2*%pi*(Fs/Fm)*n + %pi/2);
///Cálculo de la autocorrelación normalizada
rxx = xcorr(xn);
rzz = xcorr(xn,yn);
figure(2);

plot2d3(rxx);
plot2d3(rzz);

¿Cómo podría determinar el desfase entre estas señales?

Se desplazaría una de las señales para que queden en fase nuevamente, expresando
matemáticamente como:

𝒙𝟏(𝑵) = 𝑪𝒐𝒔(𝟐𝝅𝒇𝑵 + 𝜽𝟏) = 𝒙𝟐(𝟎) =

= 𝑪𝒐𝒔(𝜽𝟐)

Donde N es el valor máximo de desfase entre las señales,

De aquí se obtiene la igualdad: 𝟐𝝅𝒇𝑵 + 𝜽𝟏 = 𝜽𝟐

Conociendo esta igualdad entonces podemos calcular el desfase a través de la siguiente ecuación:
𝜃 = 𝜃2 − 𝜃1 = 2𝜋𝑓𝑁
 Realice una gráfica donde aparezcan la autocorrelación y la correlación cruzada.
¿Qué conclusiones puede sacar?
En la gráfica observamos la autocorrelación de la señal senoidal a 50 Hz (señal no desfasada),
y la correlación cruzada de la misma señal desfasada en 90 grados.
La autocorrelación es simétrica, la correlación cruzada no es completamente simétrica debido
a que la muestra máxima se encuentra en otro valor diferente a 100 ya que esta señal está
desfasada.

3. Estimación del retardo temporal en radar:

Sea x(t) la señal transmitida e y(t) la señal recibida en un sistema radar, donde:

𝒚(𝒕) = 𝒂 𝒙(𝒕) + 𝒗(𝒕)

Señal Ruido

a1=0.9;
D=20;
n=0:199;
var=0.01;
des=sqrt(var);
v=des*rand(1,220)+0;
plot2d3(v);
title(' Señ al de ruido')
figure(3);
xgrid(5,1,7);
x1=[1, 1, 1, 1, 1, -1, -1, 1, 1, -1, 1, -1, 1];
x=[zeros(1,20),x1, zeros(1,187)];
for n=21:220
y(n)=a1*x(n-D)+v(n);
end

figure(4);
xgrid(5,1,7);
plot2d3(x(21:220))
title(' Señ al de entrada')

figure(5);
xgrid(5,1,7);
plot2d3(y(21:220));
title(' Señ al de recibida')

y v(t) es ruido aleatorio aditivo. Las señales x(t) e y(t) se muestrean en el receptor, de
acuerdo con el teorema del muestreo, y se procesan digitalmente para determinar el retardo
temporal y, a partir de él, la distancia al blanco. Las señales resultantes son:

𝒙[𝒏] = 𝒙(𝒏𝑻)

𝒚[𝒏] = 𝒚(𝒏𝑻) = 𝒂 𝒙(𝒏𝑻 – 𝑫𝑻) + 𝒗(𝒏𝑻)

𝒚[𝒏] = 𝒂 𝒙[𝒏 – 𝑫] + 𝒗[𝒏]

a) Explique cómo podemos medir el retardo D a partir de la correlación cruzada

rxy(l)
Para medir el retardo D a partir de la correlación cruzada se tiene 𝒙(𝒏) y 𝒚(𝒏). La
señal 𝒚[𝒏] es similar a 𝒙[𝒏], pero con un retraso D, al realizar la correlación cruzada
tendremos un valor máximo cuando las señales concuerden entre sí.

b) Sea 𝒙[𝒏] la secuencia BARKER de 13 puntos 𝒙[𝒏] =

{ 𝟏, 𝟏, 𝟏, 𝟏, 𝟏, −𝟏, −𝟏, 𝟏, 𝟏, −𝟏, 𝟏, −𝟏, 𝟏}

y 𝒗[𝒏] una secuencia aleatoria gaussiana de media cero y varianza 2 = 0.01 .

 Escriba un programa que genere la secuencia y[n], 0  n  199 para a = 0.9 y D
=20. Dibuje las señales x[n], y[n], para 0  n  199.

c) Calcule y dibuje la correlación cruzada rxx(l),0  l  59. Use el dibujo para estimar
el valor del retardo D.Repita los apartados b) y c) para 2 = 0.1 y 2 = 1.

clc;
clear;
x=[1,1,1,1,1,-1,-1,1,1,-1,1,-1,1];
D=20;
N=200;
var=0.01;
media=0;
a=0.9;
W=sqrt(var)*rand(1,N)+media;
Y=a*[zeros(1,D),x,zeros(1,N-D-13)]+W;
maxlag=59; [rxy,lags]=xcorr(x,Y,maxlag);
figure(1)
subplot(211)
stem(x,'-b', 'd');
xlabel('n');
ylabel('Amplitud');
title('Secuencia Barker');
xgrid(3,5,7);
plot2d3;
stem(Y,'-r', 'd');
xlabel('n');
ylabel('Amplitud');
title('Secuencia Gaussiana y[n]');
xgrid(3,5,7);

CONCLUSIÓN

Es necesario observar las condiciones de una señal y como varia en su transcurso,

donde tenemos que tomar en cuenta el momento en que queremos observar o
estudiar la señal deseada.

La correlación nos ayuda a estudiar la señal, cuando queremos determinar las

similitudes de una señal, y la correlación cruzada nos permite apreciar las
similitudes entre señales con ondas diferentes. El momento máximo durante la
correlación cuando las dos señales están superpuestas y estas tienen una longitud
del doble de la señal original que está siendo muestreada. Con la correlación
cruzada podemos observar el ángulo de desfase entre las señales.

Prof. Ing. Daniel Cervantes, M.Sc. Pá gina