UNIVERSIDAD NACIONAL MAYOR DE

SAN MARCOS

FACULTAD
DE

INGENIERIA ELECTRÓNICA Y ELÉCTRICA

CORRELACIÓN DE
SEÑALES
ESCUELA: INGENIERÍA ELECTRÓNICA

CURSO: SIST. DE COMUNICACIÓN DIGITAL (LABORATORIO)

PROFESOR: ING. MILTON RÍOS

INTEGRANTES:

 MORALES VALLADARES ROMAN OLIVER 15190018

LIMA – PERÚ

2018
 CORRELACION DE SEÑALES
CORRELACIÓN DE UNA SEÑAL SUMADA CON RUIDOS DISTINTOS

I. OBJETIVO
Estudiar la relación que tiene una misma señal Seno contaminada con dos diferentes señales
aleatorias, calculando la correlación y el coeficiente de correlación entre ambas.
II. MARCO TEÓRICO

El momento respecto al origen de segundo orden m11=E [ XY ] se denomina

correlación de X e Y, se simbolizara mediante el símbolo R XY .
∞ ∞
R XY =m11=E [ XY ] = ∫ ∫ xy f X ,Y ( x , y ) dxdy
−∞ −∞

Si la correlación puede escribirse de la forma:

R XY =E [ X ] E [ Y ]

Entonces se dice que X e Y son incorreladas. La independencia estadística de X e Y es

suficiente para garantizar que dos variables sean incorreladas.
El momento conjunto de segundo orden μ11 , se conoce como covarianza de X e Y, se
simbolizara mediante el símbolo C XY .

C XY =μ11 =E [ ( X− X́ )(Y −Ý ) ]

∞ ∞
C XY =∫ ∫ (x− X́ )( y−Ý )f X ,Y ( x , y ) dxdy
−∞ −∞

Por expansión directa del producto (x− X́ )( y −Ý ) , se reducirá a la forma:

C XY =R XY − X́ Ý =R XY −E [ X ] E [ Y ]

El valor del coeficiente de correlación

C XY
ρ XY =
σXσX

Este valor de coeficiente de correlación varía:

−1 ≤ ρ XY ≤1
 Donde un coeficiente de correlación “-1” y “1”nos indica una fuerte relación
entre las señales, y un valor de “0” nos indica una relación muy débil.

III. PROCEDIMIENTO

1. Generar dos grupos de 512 o más puntos de una señal aleatoria.

Procedemos a generar dos señales aleatorias X1 y X2 de 1000 puntos cada uno, con distribución
uniforme, en Scilab:

Figura 1. Generación de dos señales aleatorias con distribución normal en Scilab

Figura 2. Señal aleatoria uniforme X1 Figura 3. Señal aleatoria uniforme X2

}
2. Calcular la correlación entre estas señales, así mismo calcular el coeficiente de correlación.
Para poder realizar el cálculo de la correlación de ambas señales, exportamos ambas señales a
Excel. Luego para poder calcular la correlación multiplicamos punto a punto a estas señales,
como se visualiza en la figura 4:
Figura 4. Producto de punto de las señales X1 y X2

X1 X2 X1.X2
0.62285868 0.22153396 0.13798435
0.05642404 0.41793392 0.02358152
0.38310203 0.05765561 0.02208798
0.55450955 0.45859816 0.25429706
0.50058156 0.92252627 0.46179964
0.49196838 0.09998143 0.0491877
0.87889932 0.72850083 0.64027888
0.58004956 0.66034458 0.38303258
0.18843965 0.70880886 0.1335677
0.59569077 0.90506101 0.53913649
0.17587467 0.71399858 0.12557426
0.59197894 0.4349338 0.25747165
0.29456199 0.29899965 0.08807393
0.13860972 0.8672069 0.1202033
0.72785642 0.64938893 0.4726619
0.6770625 0.83929971 0.56825836
0.5863412 0.66692743 0.39104703
⋮ ⋮ ⋮

El coeficiente de correlación se calculó con el comando:

¿ COEF . DE . CORREL(matriz1, matriz 2)

La correlación se calculó como el promedio del producto punto a punto de las señales X1 y X2.

CORRELACION 0.26133352
COEF.CORRELACION -0.04216056

El coeficiente de correlación se podría calcular también con el método teórico a través de la

siguiente formula:
 C X1 X 2
ρ X 1 X 2=
σ X1 σ X 2
Por ende primero calcularemos la covarianza:
Covarianza=R X 1 X 2−X 1 X 2

donde : R X 1 X 2 es lacorrelacion entre X 1 y X 2

Calculamos los valores de la media a través del Excel:

MEDIA DE X1 0.51261017
MEDIA DE X2 0.51671549

Entonces reemplazando valores:

Covarianza=0.26133352−( 0.51261017 )( 0.51671549 )
Covarianza=−0.0035401
Ahora calculamos en Excel las desviaciones estándar de X1 y X2 para reemplazarlas en la
fórmula del coeficiente de correlación:
Usamos el comando:

¿ DESVESTA ([valores])

DESV. EST. DE X1 0.28653639

DESV. EST. DE X2 0.29333489

Reemplazando valores, tenemos:

−0.0035401
ρ X 1 X 2=
(0.28653639)(029333489)
ρ X 1 X 2=−0.0421184
Ahora veremos la gráfica de correlación de las señales X1 y X2 para poder evaluar la relación
entre estas señales:
 DIAGRAMA DE DISPERSION Y CORRELACIÓN DE X1 Y X2
1.2

0.8

0.6

0.4

0.2

0
0 0.2 0.4 0.6 0.8 1 1.2

Figurade5.512
3. Generar dos grupos Grafica depuntos
o más correlación entre
de una X1seno,
señal y X2 y contaminarla con las señales
de aleatorias generadas anteriormente teniendo dos grupos de señales seno contaminadas.
Generamos una señal sinusoidal y sumamos de manera independiente X1 y X2 de modo que
obtendremos dos señales sinusoidales distorsionadas S1 y S2:
 Figura 6. Generación de dos señales sinusoidales con ruido a partir de una misma
señal sinusoidal sumando las señales X1 y X2 de forma independiente.

Figura 7. Grafica de la señal sinusoidal pura

Figura 8. Grafica de S1 que es la señal Figura 9. Grafica de S2 que es la señal

sinusoidal sumada con el ruido X1 sinusoidal sumada con el ruido X2

4. Calcular a correlación y el coeficiente de correlación.

Para poder realizar el cálculo de la correlación de ambas señales, exportamos ambas señales a
Excel. Luego para poder calcular la correlación multiplicamos punto a punto a estas señales,
como se visualiza en la figura:
Figura 10. Producto punto de las señales S1 y S2

S1 S2 S1.S2
0.64938893 0.72785642 0.4726619
0.93925805 0.77702083 0.72982307
0.86659426 0.78600803 0.68115005
1.13096751 1.02838092 1.1630654
 1.18763486 0.6506829 0.77277369
0.56805978 0.64641856 0.36720438
1.33323381 1.49687922 1.99568998
0.9024632 1.42832385 1.28900972
1.52240052 1.3037745 1.98486697
1.84635478 1.06507743 1.9665108
1.15356811 1.56552594 1.80594079
1.34348583 1.50699 2.02461971
1.89573378 1.79390991 3.40077563
2.06176557 2.20811692 4.55261944
1.93545178 2.14458734 4.1507454
1.86408471 2.27371761 4.23840223
2.16263759 1.47339129 3.18641138
⋮ ⋮ ⋮

El coeficiente de correlación se calculó con el comando:

¿ COEF . DE . CORREL(matriz1, matriz 2)

La correlación se calculó como el promedio del producto punto a punto de las señales S1 y S2.

CORRELACION 2.28063262
COEF.CORRELACION 0.95835553

El coeficiente de correlación se podría calcular también con el método teórico a través de la

siguiente formula:
CS 1S2
ρ S 1 S 2=
σS1 σ S2
Por ende primero calcularemos la covarianza:
Covarianza=RS 1 S 2−S 1 S 2

donde : R S 1 S 2 es la correlacion entre S 1 y S 2

Calculamos los valores de la media a través del Excel:

MEDIA DE S1 0.51427362
MEDIA DE S2 0.51837893

Entonces reemplazando valores:

Covarianza=2.28063262−( 0.51427362 ) ( 0.51837893 )
Covarianza=2.01404401
Ahora calculamos en Excel las desviaciones estándar de S1 y S2 para reemplazarlas en la
fórmula del coeficiente de correlación:
Usamos el comando:

¿ DESVESTA ([valores])

DESV. EST. DE S1 1.44797423

DESV. EST. DE S2 1.45283396

Reemplazando valores, tenemos:

2.01404401
ρ X 1 X 2=
(1.44797423)(1.45283396)
ρ X 1 X 2=0.95739717
Ahora veremos la gráfica de correlación de las señales S1 y S2 para poder evaluar la relación
entre estas señales:

DIAGRAMA DSE DISPERSION Y CORRELACIÓN DE S1 Y S2

4

0
-3 -2 -1 0 1 2 3 4

-1

-2

-3
 Figura 11. Grafica de correlación entre S1 y S2

IV. CONCLUSIONES

 El coeficiente de correlación obtenido entre X1 y X2 es aproximadamente cero (

ρ X 1 X 2=−0.0421184 ), esto nos indica que el grado de coincidencia entre estas
señales es casi nula, en pocas palabras X1 y X2 tienden a ser señales no correladas.
 Gracias al diagrama de dispersión y correlación de la figura 5 (X1 Vs X2)
podemos reafirmar lo que se concluyó respecto al valor del coeficiente de
correlación de X1 y X2, ya que vemos que los puntos están dispersos por todo
el plano, o sea que la variación de X1 no da ningún efecto sobre X2, ya que
estos son no correlados.
 El coeficiente de correlación entre las señales S1 y S2 en aproximadamente 1 (
ρ X 1 X 2=0.95739717 ), esto nos indica que existe un alto grado de correlación
entre ambas señales, a su vez un alto grado de coincidencia entre S1 y S2, esto
se debe a que la señal sinusoidal pura que generamos es predominante respecto
a los ruidos X1 y X2
 Analizando el diagrama de dispersión y correlación entre S1 y S2 de la figura
11, podemos ver que a medida que aumenta el valor de S1 el valor de S2
tambien lo hace, esto nos dice que hay una correlación positiva entre S1 y S2, y
si nos fijamos en la línea de ajuste de color rojo, podremos notar que hay una
correlación lineal entre S1 y S2.

 Como las señales X1 y X2 son no correladas, y estas al combinarlas a la señal

sinusoidal hacen que esta se distorsione generando S1 y S2, de modo que estas señales
(S1 y S2) tendrán un grado de correlación dependiendo de cuanto afectan los ruidos
(X1 y X2) a la señal sinusoidal, ya que si los ruidos predominan más respecto a la señal
sinusoidal entonces S1 y S2 tendrán un bajo grado de correlación, y viceversa. Esto va
de la mano también dependiendo de la amplitud que yo le asigne a mi señal sinusoidal,
de modo que si le asigno un valor alto de amplitud esta va a tener una mayor
predominancia respecto al ruido, y S1 y S2 tendrían un alto grado de correlación.

V. BIBLIOGRAFÍA

 Sin autor. (2016) Correlación. Recuperado de: https://www.excel-

easy.com/examples/correlation.html

 PEEBLES, Peyton Z JR. (1993). Probability Random variables and Random Signal
Principles, 3ra Ed. USA Mc. Graw-Hill

 MATHWORKS. (2006). Cross-correlation. Recuperado de:

https://www.mathworks.com/help/signal/ref/xcorr.html
 MATHWORKS. (2006). Correlation coefficients. Recuperado de:
https://www.mathworks.com/help/matlab/ref/corrcoef.html