Universidad de la Salle.
Análisis de señales (18/09/2019)
CONVOLUCIÓN, CORRELACIÓN Y AUTOCORRELACIÓN
Lorenzo Wilches, Diana Martínez
Resumen— En el presente informe se realizó un análisis
de la convolucion continua y discreta, sus principales
características y las diferencias entre las operaciones de
convolución, co-correlaciòn y autocorrelación, además se
indicaron las aplicaciones de la convolución en
procesamiento de imagen con MATLAB. Se
desarrollaron ejercicios propuestos por el docente en el
sotfware de Matlab, con el fin de aterrizar los conceptos
vistos en la teoría y corroborar de manera experimental.
Palabras clave— Convolucion, convolución
discreta, convolución continua, co-relación y
autorelación.
I. OBJETIVOS
 Analizar las propiedades de la convolución
continua y discreta de señales, utilizando
simulaciones implementadas en Matlab.
 Comprender los parámetros necesarios en la
programación de scripts, para la correcta
ejecución de las simulaciones de convolución.
 Identificar las diferencias y similitudes entre las
operaciones de convolución, co-correlaciòn y
autocorrelación.
 Conocer las aplicaciones de la convolución en
procesamiento de imagen con MATLAB
II. INTRODUCCIÓN
En el presente informe se pretende analizar las
propiedades de la convolución continua y discreta, para
así encontrar sus principales diferencias. Se realizaron
ejercicios en Matlab con el fin de corroborar su respuesta
y comprender los parámetros necesarios para la hacer la
convolución. Se identificaron las diferencias y similitudes
entre las operaciones de convolucion, co-relación y auto-
correlación. Se dio a conocer el uso de la convolución en
situaciones del día a día, tales como filtros de imágenes.
III. MARCO TEORICO
_____________________
L Wilches, D. Martínez, son estudiantes del Programa de Ingeniería
Eléctrica de la Universidad de La Salle, Bogotá D.C., Colombia (correos
e.; hwilches48@unisalle.edu.co, dmartínez59@unisalle.edu.co).:
A. Convolución
La convolucion es una operación matemática que
transforma ´ dos funciones x y h en una tercera función,
que representa la superposición de x y una versión
invertida y trasladada de h. La convolucion discreta se
define como la suma de convolucion o suma de
superposición véase en la ecuación 1.
y[n] = ∑∞
𝑘=−∞ x[k]h[n − k] (1)
También la convolucion discreta se escribe y[n] = x[n] ∗
h[n].
De manera similar, se define la convolucion para una
señal continua véase en 2.
∞
y(t) = ∫−∞ x(τ )h(t − τ )dτ (2)
B. Filtros de imágenes.
En esta sección se verán cómo trabajan los filtros de
imágenes, qué relación tienen con la convolución y el
significado “físico” de esta operación dentro del ámbito
de la fotografía. Como hemos dicho en la introducción, el
producto de convolución es muy útil en los filtros de las
fotografías. Se puede entender por convolución al
producto entre una primera matriz y una segunda matriz
llamada “kernel”. El filtro matriz de convolución usa una
primera matriz que es la imagen que será tratada. La
imagen es una colección bidimensional de píxeles en
coordenada rectangular. El kernel usado depende del
efecto deseado. Por lo general, las matrices utilizadas son
del tamaño de 5x5 o de 3x3. Veremos el caso de las
matrices de 3x3 (que puede ser expresada como una de
5x5 con valor nulo en los bordes) El filtro examina,
sucesivamente, cada píxel de la imagen. Para cada uno de
ellos, que lo llamaremos “píxel inicial”, se hará el
producto entre los 8 píxeles circundantes sumado al píxel
inicial y los valores del kernel. Aquí un ejemplo:
Fig.1 filtro de imágenes.
A la izquierda, la imagen de la matriz: cada píxel está
marcado con su valor. El píxel inicial tiene un borde rojo.
El área de acción del kernel tiene un borde verde. En el
medio, el kernel, y a la derecha, el resultado de
convolución. [1]
IV. RESULTADOS Y ANÁLISIS
1) Primera sesión
Se desarrolló la aplicación del artıculo en procesamiento
de imágenes con la ayuda del software de MATLAB.
naranja respectivamente, la convolucion de ambas es la de
color amarillo, se puede ver que los lımites de la
convolucion son de -1 a 3, es decir, la suma de los lımites
inferiores de la señal x(t) y h(t) para -1 y la suma de los
lımites superiores de x(t) y h(t) son 3, esto se puede
corroborar tanto teóricamente como gráficamente. Por lo
tanto, se puede concluir que los lımites de la convolucion
siempre dependen de los lımites de las funciones.
b) En el ejemplo anterior hemos utilizado la función
convnum, sin embargo, Matlab trae una función
incorporada que realiza la convolución de dos
señales conv, realice el cambio en el anterior
script y compare las gráficas.

2) Segunda sesión
En la segunda sesión se desarrollarán una serie de
ejercicios dados a continuación:

2. Sea 𝑥(𝑡) = 3 cos(0.5𝜋𝑡) y ℎ(𝑡) = 2𝑡𝑟𝑖(𝑡 − 1) halle la

convolución 𝑥(𝑡) ∗ ℎ(𝑡)

a) El tiempo de inicio de y(t) es igual a la suma de

los tiempos de inicio de x(t) y h(t). El tiempo final
de y(t) es igual a la suma de los tiempos finales
de x(t) y h(t). El área de y(t) es igual al producto
de las áreas de x(t) y h(t). Explique con los
resultados de la anterior grafica el cumplimiento
de esta propiedad.

En la figura 1 esta las señales x(t) y h(t) de color azul y

c) Implemente la convolución de las siguientes
señales en Matlab. 𝑥(𝑡) = 4𝑡𝑟𝑖(𝑡/2) y ℎ(𝑡) = 𝛿(𝑡 +
1) + 𝛿(𝑡 − 1). ¿Cuánto es el área de la
convolución? Verifique la siguiente propiedad
con estas señales: 𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡).

4. Una señal de entrada 𝑥[𝑛] = {2, −̌1, 3} es aplicada a

un filtro FIR con respuesta a impulso ℎ[𝑛] = {1,2, 2̌, 3}.
Encuentre la respuesta y dibuje todas las señales.

a. Realice la comprobación de los resultados arrojados

en la gráfica de convolución y[n] del ejemplo anterior con
el método planteado en el punto 3.
 b. Implemente el script en Matlab para el ejercicio del
punto 3. Realice el análisis de los resultados de las
gráficas con respecto al desarrollo analítico.
 5. Igual con los sistemas analógicos, la respuesta de un
sistema discreto en tiempo a una entrada periódica con
periodo N es periódica también con el mismo periodo. Lo
que quiere decir que la respuesta de un sistema LTI a una
entrada sinusoidal es también una sinusoide a la misma
frecuencia.

Sea 𝑥[𝑛] = 𝑐𝑜𝑠(0.2𝜋𝑛) la señal de entrada a un filtro

digital cuya respuesta al impulso es ℎ[𝑛] =
{1,2,3,4,5,6,7,8}

a. Determine el periodo de la señal cosenoidal, y utilice

los siguientes comandos en un script de Matlab para las
señales y la convolución:

b. Compare el resultado del periodo de la señal coseno

calculado con el periodo su grafica en Matlab.
 ¿El resultado de la convolución tiene el mismo
periodo de la señal de entrada? Si
 ¿Qué sucede al arranque de la gráfica de
convolución?
Es diferente al resto de la señal, ya que es
donde se encontraron las dos funciones.
 c. La respuesta de convolución es equivalente a la
respuesta de estado cero, obtenida de la ecuación de
diferencias que describe la respuesta al impulso h[n] y
puede encontrarse usando la función de MATLAB filter.
Utilice la función filter, para comparar el resultado de
convolución. ¿Son iguales los resultados utilizando conv
y filter? Calcule y grafique el error.

De acuerdo a los datos obtenidos, utilizando conv y

filter, se analiza que la convolución es un filtro donde, la
señal de entrada X, se convierte en una señal Y, dados
unos parámetros de filtrado H.

6.
a. Sea x[n] = n, 0 ≤n ≤8 y h[n] = n, 0 ≤ n ≤8, evalué y
grafique la autocorrelación de rxx[n] y rhh[n],
encontrando donde tienen su valor máximo. Evalué y
grafiqué rxh[n] y rhx[n].

b. Implemente el siguiente script de Matlab para

evaluar las correlaciones:

c. Compruebe los resultados de las gráficas de la

correlación cruzada, de la siguiente forma: alinee el
último elemento de h[n] con el primero de x[n], inicie el
desplazamiento de h[n], hasta recorrer toda x[n], un índice
a la vez. Se suman los productos de cada par de valores
que se alían para generar la correlación en cada índice. El
índice de inicio de la correlación es igual a la suma de los
índices de inicio de x[n] y h[-n].

V. CONCLUSIONES

En conclusión la convuloción no solo aplica para

funciones que matemáticamente estamos
acostumbrados a trabajar, como funciones seno o
impulsos, sino que con la ayuda de funciones de
MATLAB, señales como lo pueden ser una figura, la
voz, el sonido, señales de voltaje, etc, pueden ser
filtradas con aplicaciones de convolucion y algunas
aplicaciones como la distorsión como la distribución de
´ puntos en una escala de grises, como se aplicaron en
una imagen, otras como la identificación de bordes,
todo esto demuestra que la convolucion y el concepto
de señales está presente en muchas tecnologías de la
actualidad.

VI. REFERENCIAS

[1] P. Fedalto, F. Ariel. (2015). Producto de Convolución:

Aplicaciones. Universidad Nacional del Sur, Avda. Alem
1253, B8000CPB Bahía Blanca, Argentina