QUANTIFICAÇÃO DA SIMILARIDADE ENTRE SINAIS

(CORRELAÇÃO)
C.M. Cosme , J. L.Pereira

Universidade Federal de Viçosa, Viçosa, Brasil

E-mail: caio.cosme@ufv.br, jhonathan.pereira@ufv.br

Resumo: Este relatório apresenta os resultados da Os principais comandos e funções utilizados para
aplicação da função de correlação cruzada para estimar a essa prática são apresentados na Tabela (1).
similaridade entre alguns sinais.
Tabela 1-Comandos usados
Palavras-chave: Correlação cruzada, sinais,
promediação, convolução. Comando Função
scorr Retorna a correlação cruzada
entre dois sinais
Introdução scorr2 Retorna a correlação cruzada
entre dois sinais bidimensionais
A correlação cruzada entre dois sinais é uma medida imrd Lê uma dada imagem do arquivo
da similaridade entre os mesmos. Essa estimativa tem da pasta de arquivos
muita aplicação em processamento de sinais,
criptoanálise, neurofisiologia dentre outros campos de imshow Mostra a figura em escala de cinza
conhecimento.
Sejam dois sinais 𝑥[𝑛] e 𝑦[𝑛], a correlação cruzada
entre eles pode ser definida como: autocorr Retorna a função de auto
correlação da amostra do sinal
𝑁−𝑘
1
𝑅𝑥𝑦 (𝑘) = ∑ 𝑥[𝑛]𝑦[𝑛 + 𝑘] (1)
𝑁−𝑘
𝑛=1

Onde 𝑘 = 0,1, … , 𝑚 e N é o número de amostras. Resultados

Note que há certa similaridade em relação à operação de
convolução de funções. Entretanto, na relação cruzada
não há espelhamento de um dos dois sinais.
O objetivo dessa prática é estimar o quão parecidos
são dois sinais de entrada fazendo uso da função de
correlação cruzada. Pode-se entender aqui que os sinais
utilizados serão ruídos, senóides e cossenóides ou mesmo
imagens.
O código usado segue anexo ao arquivo do relatório.
Para análise de correlação entre os sinais foram utilizados
gráficos feitos no MATLAB. A figura (1) representa a
correlação entre o sinal senoidal e cossenoidal, ambas
com frequência de 8 Hz.

Metodologia

Utilizando recursos do programa MATLAB é

possível obter a correlação cruzada entre dois sinais.
Fazendo uso do comando “xcorr” e “plot” representa-se
graficamente essas similaridades. Para o caso em que a
os sinais comparados eram imagens utilizou-se o
comando “xcorr2”.
Para melhorar a relação sinal-ruído foram utilizadas
técnicas de filtragem com convolução, ou seja, retirou-se
a média de amostras em intervalos pré-definidos para
tornar o sinal mais homogêneo possível. Outra técnica
usada buscando a melhoria da relação sinal-ruído foi a Figura 1-Correlação entre as funções seno e cosseno
promediação, que consiste em nada mais que tirar a
média do sinal dividindo-o em janelas.

1/4 Sinais e Sistemas - ELT 410

 A figura (2) mostra a correlação entre dois vetores
gerados para ruídos diferentes:

Os resultados referentes a filtragem com convolução

de sinal são apresentados na figura (4) com F = 5:
Figura 2-Correlação entre dois sinais ruidosos

A figura (3) mostra a correlação entre um sinal

senoidal e um sinal senoidal contaminado por um vetor
de ruído. A amplitude do ruído foi multiplicada por √0,5 .

Figura 4- Filtragem com convolução

Para F=15 temos

Figura 3-Correlação entre uma função seno e outra função

seno com ruído adicionado

A figura (4) mostra agora a mesma correlação,

apenas com a amplitude de ruído multiplicada por √2 .

Para F=25:

2/4 Sinais e Sistemas - ELT 410

Figura 5- Filtragem com convolução
Figura 8-Promediação do sinal com M=32
Para os resultados de promediação com janelamento
do sinal temos as figuras a seguir com M=8:
Para a correlação de imagens, procurou-se a imagem
que mais de parecesse com a digital do suspeito, que está
na figura 9.

Figura 9- Digital do suspeito

Após implementada a correlação 2D obtivemos a

informação que o suspeito número quatro cometeu o
crime. O código utilizado seleciona os máximos da
Figura 6- Promediação do sinal com M=8 correlação 2D. A partir daí ele toma os maiores valores
entre os máximos e depois ele compara qual o máximo
Para M = 16: mais proeminente e acusa o suspeito na posição da matrix.

Tabela 2 – Relação entre a variação da amplitude do ruído e o

máximo de correlação.

Variação amp. do ruído Máximo de Correlação

Máximo de correlação 0.7128
√0,5
Máximo de correlação 0.4575
√2

Figura 7-Promediação do sinal com M=16

Para M=32

3/4 Sinais e Sistemas - ELT 410

Tabela 3- Relação entre a variação do número de o máximo de Referências
correlação.
[1] Chapman, Stephen J, Programação em MATLAB®
F Máximo de Correlação para Engenheiros.5a ed. 2002.
5 0.9088 [2] Lathi, B.P, Sinais e Sistemas Lineares 2a ed. 2007.
15 0.9333
25 0.7838
35 0.4407
45 0.8173

Tabela 4-Relação entre a o número de janelas e o máximo de

correlação.

M Máximo de correlação
8 0.9088
16 0.9333
32 0.7838
64 0.4407

Discussão

Para os sinais apresentados na Figura (1) temos um

sinal de correlação periódico, nota- se que as funções
utilizadas como entradas são bem parecidas e eles ficam
similares dependendo do ponto no tempo que estão. No
pontos onde há muita similaridade a amplitude do sinal
de correlação chega ser igual a 1. Por outro lado, quando
os sinais de entrada são ruídos a amplitude do sinal de
correlação chega a ser igual ou bem próximo de zero.
Ao fazer uso das técnicas de filtragem com
convolução e promediação nota-se que uma diminuição
da amplitude do sinal de correlação ao aumentarmos o
número de amostras F e o número de janelas M,
respectivamente.
A operação de correlação cruzada 2D parte do mesmo
princípio para o caso 1D com a diferença de que o sinal
agora é uma matriz.

Conclusão

Podemos concluir que a função de correlação é útil na

detecção de padrões. A função tende a 1 em casos de alta
similaridade e quando se quer um incremento na
sensibilidade da análise é necessário aumentar o número
de amostras do sinal.

4/4 Sinais e Sistemas - ELT 410