Anlisis de Seales Neurofisiolgicos

INTRODUCCIN
El objeto de este trabajo es el de acercar los conceptos de procesamiento de seales y sus
aplicaciones a estudiantes de reas diversas, no necesariamente de ingeniera, fsica o matemticas.
Por ello, se ha procurado huir de un excesivo formalismo matemtico y centrar las explicaciones en
los conceptos. Se ha dividido esta conferencia en tres partes.
La primera muestra los conceptos bsicos de procesamiento de seales. Principalmente la
definicin de seal y sus tipos, la nocin de espectro y transformada de Fourier, as como el
muestreo y el concepto de sistema.
La segunda parte aborda un repaso de los distintos mtodos matemticas que se utilizan en
esta disciplina desde un punto de vista descriptivo, para hacer llegar al alumno la necesidad de los
mismos.
Por ltimo, se hace un repaso a varios ejemplos donde se muestra la utilidad del
procesamiento de seales, en particular en los campos de procesamiento de sonido, voz y seales
neurofisiolgicas.
CONCEPTOS BSICOS

Seal
Dos definiciones de seal son:
La variacin en el tiempo o el espacio de una magnitud fsica.
Una funcin que lleva informacin, generalmente acerca del estado o comportamiento de
un sistema fsico.
Por ejemplo:


En este caso, la magnitud fsica es la temperatura y su variacin, que expresa como cambia
la temperatura a lo largo del da, es lo que entendemos por seal.

En este otro caso, la seal est representada por las variaciones en la presin del aire que son
registradas por un micrfono al grabar el sonido de un instrumento musical. Lo que se representa,
en realidad, son las variaciones de voltaje despus de haber pasado por el micrfono.

Hay que tener en cuenta la diferencia entre:
Seal: Siempre est dada por una magnitud fsica
Modelo matemtico de la seal: Atendiendo a como vara la seal con el tiempo, en
matemticas se clasifican las seales en distintos grupos. Las seales se representan
matemticamente como funciones de una o ms variables independientes.
No obstante, en general, se habla de seales aunque la magnitud que vara no sea una
magnitud fsica. Por ejemplo, podemos hablar de seales refirindonos a la evolucin de un ndice
de la bolsa (porcentaje) o de la evolucin de la poblacin con el tiempo.

Principales modelos matemticos de las seales
El modelo matemtico de una seal suele venir denominado por el tipo de funcin que la
representa. Por ejemplo:






Como podemos observar, varan con el tiempo de forma muy diferente en un caso y en otro.
Las funciones correspondientes son:

1. ( ) t = t y
2. ( ) ( ) ft ( = t y 2 sin
Como vemos, ambas seales estn dibujadas frente al tiempo, es decir, indican la variacin
de una magnitud con el tiempo. Esto es lo que se denomina representacin en el dominio del
tiempo.
Es importante tener en cuenta que a la variable que representa nuestra magnitud se la
denomina variable dependiente. Por otro lado, en este caso concreto, las seales dependen del
tiempo, variable a la cual se la denomina variable independiente.
Otros tipos de seal son las exponenciales
t a
e = y(t)

, exponenciales complejas
t j
e = y(t)


Parmetros de una seal
Los dos parmetros bsicos que caracterizan a una seal en el dominio del tiempo son:
Amplitud: Es el valor que toma la seal en cada instante de tiempo
Periodo: Se dice que una seal es peridica si se repite cada cierto intervalo de tiempo. Se
denomina periodo al tiempo
T
0 tal que a partir de un tiempo dado, el valor de la seal se
repite cada
T
0 segundos. En trminos matemticos: Una seal es peridica si:
< t < m ) mT y(t = y(t)
0
- y N
Como podemos comprobar fcilmente, hablamos de que la temperatura es muy alta
(tiene un valor grande de amplitud) o de que el primero de mes cobramos el sueldo (periodo de
30 das).
Tipos de seales
A partir de la variable independiente
1. Seales continuas: Se dice que una seal es continua si est definida en todo instante de
tiempo. Por ejemplo, la temperatura. En cualquier instante del da la temperatura tiene un
valor.

2. Seales discretas: Se dice que una seal es discreta si slo est definida para valores
determinados de la variable independiente (en instantes determinados de tiempo).

En este caso, la seal slo est definida en aquellos instantes que hemos marcado con un
crculo azul. Entre dos crculos azules no se sabe lo que pasa (la seal no est definida). Por
ejemplo, conocemos el valor diario de las acciones de una determinada compaa en bolsa, pero a lo
largo de un da determinado el valor de estas acciones puede haber cambiado mucho entre la
apertura y el cierre de la sesin. Otro ejemplo sera la medida de la temperatura que se puede ver en
los termmetros de las calles. La temperatura se mide cada minuto. Entre dos medidas podra
ocurrir que la temperatura hubiera variado, pero no lo sabemos.
A partir de la variable dependiente
1) Se dice que una seal es Analgica si:
a) La seal es continua.
b) Su amplitud puede tomar cualquier valor.
2) Se dice que una seal es Digital si:
a) La seal es discreta
b) Su amplitud slo puede tomar valores determinados.
Ejemplos del primer caso son todos los vistos hasta el momento. Veamos ahora un ejemplo
de seal digital

Como podemos ver, la seal slo toma valores de amplitud 0, 1, 2, 3 y 4. Sin embargo no
toma ningn valor como 0,5 o 2,3. Por otro lado, esta seal slo est definida para instantes
determinados de tiempo.
Espectro
El concepto de espectro puede parecer muy alejado de la realidad. Sin embargo, veremos
que forma parte de nuestra experiencia diaria.
Cuando miramos un objeto, identificamos rpidamente su color. Tenemos claro que existen
diferentes colores y que todos se deben, segn creemos, o bien al color que posee un objeto
intrnsecamente
1
o bien al color de la luz que lo ilumina. Por otro lado parece cotidiano hablar de
ondas de radio, televisin, Ultravioleta, infrarrojos, rayos X, etc. Todos aparentemente son
fenmenos distintos. Hablamos de Ultravioleta cuando tomamos el sol y de rayos X cuando
tenemos que pasar una radiografa. Sin embargo, el fenmeno subyacente es el mismo. Ondas
electromagnticas que oscilan con una determinada frecuencia:
Los rayos X oscilan entre 3 10
20
y 3 10
16
Hz (ciclos por segundo)
Los rayos UV entre 3 10
16
y 3 10
14
Hz
El espectro visible (con todos sus colores) ocupa una regin muy estrecha alrededor
de 3 10
14
Hz
El infrarrojo vara en frecuencias desde el visible hasta 3 10
11
Hz
Entre 3 10
11
Hz y 3 10
4
Hz se encuentra la regin de ondas de radio, incluyendo
ondas milimtricas, centimtricas, decimtricas, ultracortas, ondas cortas, medias y
largas.
Como podemos observar, fenmenos aparentemente distintos tienen una explicacin nica.
Las bases matemticas para la estimacin espectral moderna tienen sus orgenes en el siglo
XVII con el trabajo de Newton. El observ que la luz del sol al pasar a travs de un prisma era
descompuesta en una banda de muchos colores. Descubri que cada color representaba una
frecuencia particular de la luz y que la luz blanca contena todas las frecuencias. Newton (1671)
introdujo la palabra espectro para describir a esta banda de colores.
Espectro en base de cosenos
Cul es el concepto que se esconde detrs de la nocin de espectro?. Vemoslo con un
ejemplo.

1
En realidad, los objetos no poseen color intrnsecamente y siempre se debe a la luz que los ilumina, ya que el
color de un objeto no es ms que la luz que refleja.



Podemos observar en la figura de la derecha, que indica un coseno de amplitud 1 y
frecuencia 2 Hz. Evidentemente, esta informacin es la misma que podemos apreciar en la figura de
la izquierda, porque el coseno tiene amplitud 1 (oscila entre +1 y -1) y frecuencia de 2 Hz (cada
segundo hay dos oscilaciones).
Espectro en base de exponenciales

Como podemos apreciar, el espectro tiene dos lneas. Una en 2 Hz y otra en 98 (equivalente
a -2 Hz). Para comprender porqu es necesario recurrir a la conocida frmula de Euler:
( )
( )
t j t j
t j t j
e
j
e
j
=
e + e =

2
1
2
1
t sin
2
1
2
1
t cos
Se puede ver que un coseno se descompone en dos exponenciales complejas, una positiva y
otra negativa. Por tanto, el espectro tendr ahora dos lneas por cada coseno. En realidad, slo hace
falta tener en cuenta la mitad del espectro (debido a su simetra), siempre que no olvidemos que la
amplitud de una lnea es necesario multiplicarla por dos para obtener la amplitud del coseno que
representa.
Series y transformadas de Fourier
El ingeniero Francs Jean Baptiste Joseph Fourier asegur que una funcin peridica x(t)
puede ser representada como una suma de trminos en seno y coseno.
( ) (
( )

+ +
+ =
+
1
0 0
0
1
0 0
2 cos 2
2 sin 2 cos 2
= n
k n
k k k
k
= n
n
t f n A A = x(t)
jC B A
t nf C t f n B A = x(t)

)

Adems obtuvo una representacin para seales aperidicas, no como una suma ponderada
de sinusoides relacionadas armnicamente, sino como integrales ponderadas de sinusoides que no
estaban relacionadas armnicamente. Cuatro matemticos y cientficos distinguidos fueron los
encargados de examinar el artculo de Fourier en 1807. Tres de ellos, S. F. Lacroix, G. Monge y P.
S. Laplace, estaban a favor de la publicacin, pero el cuarto, J.L. Lagrange rechaz el uso de series
trigonomtricas debido a su creencia de que era imposible representar seales con esquinas
(pendientes discontinuas) usando las mismas. En su Tesis Teora Analtica del Calor (1822)
extendi los resultados de la ecuacin de ondas asegurando que una funcin arbitraria x(t) puede ser
representada como una suma infinita de trminos en seno y coseno. Por simplicidad, la escribiremos
en trminos de exponenciales complejas.

df X(f)e = x(t)
ft j 2

Los argumentos matemticos de Fourier eran todava imprecisos y fue P. L. Dirichlet en
1829 quien especific las condiciones precisas bajo las cuales una seal peridica puede ser
representada por una serie de Fourier. La formulacin matemtica de tomar una funcin x(t), o sus
muestras, y determinar sus coeficientes Ak y Bk se conoce como anlisis armnico, debido a la
relacin armnica entre los trminos sinusoidales. A partir de la mitad del siglo XIX, empezaron a
aparecer aplicaciones cientficas prcticas que usaban el anlisis armnico para estudiar datos
fenomenolgicos como:
- sonido
- clima
- flujo de los ros
- manchas solares
- desviaciones magnticas
Hasta el momento hemos hablado nicamente de series o transformadas referidas a
funciones definidas de forma continua con la variable independiente. Sin embargo, tambin existen
para funciones discretas. Es necesario tener en cuenta la siguiente tabla para saber la relacin que
hay que aplicar:
Variable independiente
Tipo de operacin Periodicidad Dominio tiempo Dominio frecuencia
Serie continua de Fourier Peridica Continua Discreta
Transformada continua de Fourier No peridica Continua Continua
Serie discreta de Fourier Peridica Discreta Continua
Transformada discreta de Fourier No peridica Discreta Discreta
Muestreo
Es posible que trabajemos con seales inherentemente discretas. Sin embargo, lo habitual es
que tengamos una seal continua en el tiempo que queremos analizar y debamos obtener una
representacin discreta de la misma. La forma ms normal de obtener una representacin discreta
de una seal continua se denomina muestreo peridico.
| | ( ) < n < nT x = n x
s c
-
Es decir, se toman valores de la seal en instantes de tiempo regularmente espaciados. T
s
es
el periodo de muestreo (tiempo entre dos muestras) y su inversa
f
s
1 T
s se denomina
frecuencia de muestreo (nmero de muestras por segundo).
A un sistema que realice esta operacin se le denomina Conversor Analgico Digital.
La operacin de muestreo no es generalmente reversible, ya que existen muchas seales
continuas que pueden producir la misma salida de muestras discretas. Esta ambigedad inherente en
el proceso de muestreo es de capital importancia en el procesamiento de seales.
Es conveniente representar matemticamente el muestreo en dos etapas.
1. Modulador de un tren de impulsos
2. Conversin del tren de impulsos a una serie
La seal moduladora es un tren de impulsos peridicos

= n
nT) (t = s(t)
Donde es la funcin impulso o delta de Dirac. Consecuentemente: (t)
( )

= n
c s
= n
c c s
nT t (nT) x = (t) x
nT) (t (t) x = (t)s(t) x = (t) x
Si tomamos la transformada de Fourier de esta expresin se obtiene:
( ) ( ) ( )
( ) ( )

= k
s c s
c s
kj j X
T
= j X
j S j X

= j X
1
2
1

* denota convolucin.
Se puede ver a partir de la ltima ecuacin que la transformada de Fourier de (t) X
s
consiste
en copias repetidas peridicamente de la transformada de Fourier de (t) X
c
. Es necesario
que se cumpla la relacin:
N s
> 2
De esta manera, las rplicas no se solapan, al sumarse. Consecuentemente (t) X
c
se puede
recuperar a partir de (t) X
s
con un filtro paso bajo ideal. Si la relacin anterior no se cumple,
entonces no es posible recuperar (t) X
c
a partir de. (t) X
s

Sistemas
Se puede definir un sistema como cualquier operacin que resulte en la transformacin de
seales. Esto es, cuando una seal determinada pasa a travs de un sistema, la seal que produce el
sistema es una modificacin de la seal de entrada. Como podemos observar no hemos asociado el
concepto de sistema a ningn tipo de dispositivo fsico, mquina, etc. El concepto es absolutamente
general y nos permite hablar de: sistemas fsicos, qumicos, biolgicos, econmicos, etc.
Por tanto, desde un punto de vista conceptual, podemos considerar a un sistema como una
caja negra (no nos interesa como est compuesto) que transforma una seal de entrada en una
seal de salida.


h(t) H(f)
y[n] x[n]
h[n] H[k]
x(t) y(t)








En la figura superior podemos ver un sistema continuo. Esto es, sus seales de entrada y
salida son continuas. En la figura inferior podemos ver un sistema discreto, donde tanto las seales
de entrada como de salida son continuas.
Los sistemas quedan descritos por una ecuacin diferencial que relaciona la variable de
la seal de entrada con la variable de la seal de salida. En el caso de sistemas discretos, quedan
caracterizados por una ecuacin en diferencias.
Propiedades de los sistemas
A continuacin expondremos las principales propiedades de los sistemas.
Memoria
Se dice que un sistema no tiene memoria si la salida slo depende del valor de la entrada
en ese mismo instante de tiempo. Es decir:
f(x(t)) = y(t)
Por ejemplo, en el caso de un sistema elctrico RI(t) = V(t)
Por otro lado, un sistema tiene memoria si la salida depende del valor de la entrada hasta
ese momento. Por ejemplo, en un sistema elctrico

t
)d I(
C
=
1
V(t)
Linealidad
Un sistema es lineal si cumple el principio de superposicin. Es decir, si conocemos la salida
para dos seales de entrada determinadas y al sistema se le presenta una entrada que es combinacin
lineal de las entradas conocidas, su salida ser la misma combinacin lineal de las salidas para las
entradas conocidas:
(t) y b + (t) y a (t) x b + (t) x a
(t) y (t) x
(t) y (t) x
2 1 2 1
2 2
1 1



Desde un punto de vista prctico, nos ahorra tener que calcular la salida nuevamente cuando
conocemos las salidas previas.
Un sistema es lineal cuando los coeficientes de la ecuacin diferencial que lo representa son
constantes o slo dependen de la variable independiente.
Invarianza en el tiempo
Se dice que un sistema es invariante en el tiempo si un retardo en la seal de entrada
produce el mismo retardo en la seal de salida. La consecuencia importante es que las propiedades
del sistema no han cambiado durante ese retardo, y por tanto, la seal de salida no depende de en
qu instante se haya producido.
Desde un punto de vista matemtico, un sistema es invariante en el tiempo si los
coeficientes de su ecuacin diferencial no dependen de la variable independiente.
Como ejemplos de sistemas claramente variables en el tiempo podemos citar el
comportamiento de un automvil de frmula 1 (a medida que pasa el tiempo pesa menos por el
combustible usado y los neumticos estn ms gastados, por lo que una maniobra hecha un tiempo
antes puede dar resultados distintos a la misma maniobra hecha un tiempo ms tarde). Tambin
podemos hablar de una nave espacial en el despegue.
Estabilidad
Se dice que un sistema es estable si ante una entrada pequea responde con una salida
pequea. La mayora de los sistemas diseados por el hombre son estables (en su regin de trabajo).
Por ejemplo, si el volumen del amplificador es poco, los altavoces sonarn muy bajo. Por otro lado,
un sistema es inestable si ante una entrada pequea responde con una salida muy grande. Por
ejemplo, si una planta nuclear se desva ligeramente de su temperatura de trabajo es muy posible
que el reactor siga calentndose sin control, como ocurri en el clebre caso de Chernobyl.
Sistemas Lineales e Invariantes en el tiempo
Una clase especialmente importante de los sistemas es la de aquellos que son lineales e
invariantes en el tiempo. La combinacin de estas dos propiedades nos lleva a una representacin
especialmente conveniente de estos sistemas. La nica manera de compatibilizar ambas propiedades
es que la ecuacin diferencial que define el sistema sea de coeficientes constantes. Desde un
punto de vista matemtico, la resolucin de este tipo de ecuaciones diferenciales est ampliamente
estudiada y existen mltiples mtodos para resolverlas. Si el sistema es variable en el tiempo, la
solucin se complica, pero existen mtodos relativamente estndar. Sin embargo, si el sistema es no
lineal, no existe un mtodo estndar para resolver estas ecuaciones, sino que cada problema se
soluciona de forma diferente.
Caracterizacin de sistemas LTI
Recordemos que un sistema se defina a partir de las seales de entrada y salida. Pero, Cul
es la relacin entre ellas?. A continuacin mostraremos las tres formas ms habituales de
caracterizar los sistemas a partir de dicha relacin entre la seal de entrada y la de salida.
Bsicamente podemos decir que un sistema queda caracterizado por la operacin de convolucin:
| | | | | | | | | |

= m
m h m n x = n x n h = n y
Donde | | m h es la respuesta a | | m .Vemoslo en ms detalle.
.Funcin respuesta al impulso
Una serie x[n] se puede expresar como una superposicin de impulsos:
| | | | | |

= k
k n k x = n x
Sea | | n h
k
la respuesta del sistema a | | k n , (un impulso en n=k). Si definimos a nuestro
sistema por el operador { } T , entonces la salida ser la aplicacin del operador sobre la entrada:
| | | | { }
| | | | | |
)
`

= k
k n k x T = n y
n x T = n y
Utilizando el principio de superposicin, esta expresin se transforma en:
| | | | | | { } | | | |

= k
k
= k
n h k x = k n T k x = n y
Lo cual significa que la respuesta del sistema a cualquier entrada se puede expresar en
trminos de la respuesta del sistema a | | k n . Este sera el resultado si solo se impusiera la
condicin de linealidad, y | | n h
k
dependera de n y de k. La propiedad de invarianza en el tiempo
implica que si | | | | n h T n , entonces | | | | k n h T k n . Con esta restriccin adicional, la ecuacin se
transforma en:
| | | | | |

= k
k n h k x = n y
Como consecuencia, la respuesta de un sistema LTI queda caracterizada completamente por
su respuesta al impulso, en el sentido de que dada | | n h , es posible calcular la salida | | n y debida a
cualquier entrada | | n x .
Funcin de Transferencia
Hasta ahora hemos hablado de la caracterizacin de sistemas LTI en el dominio del tiempo.
Teniendo en cuenta a Fourier, cualquier seal puede ser expresada como una suma (o integral) de
exponenciales complejas. Veamos lo que ocurre cuando analizamos la respuesta del sistema a una
exponencial compleja.
Sea la seal de entrada | | < n < e = n x
n j

A partir de la ecuacin que define la suma de convolucin se obtiene:
| | | |
( )
| | |
.
|

\
|

= k
k j n j
= k
k n j
e k h e = e k h = n y


Si definimos:
( ) | |

= k
k j j
e k h = e H


Obtenemos
| | ( )
n j j
e e H n y

=
Por tanto, e es una
n j
autofuncin del sistema y el autovalor asociado es ( )
j
e H . ste
describe el cambio en la amplitud compleja de una exponencial compleja en funcin de la
frecuencia y se denomina respuesta en frecuencia del sistema o funcin de transferencia.
MTODOS MATEMTICOS UTILIZADOS
EN EL PROCESAMIENTO DE SEALES
A continuacin haremos un repaso a las diferentes herramientas matemticas que se utilizan
en procesamiento de seales. No se discutir cada uno de los mtodos en detalle, ya que ello
precisara una extensin mucho mayor tanto en tiempo como en tamao de este documento.
HERRAMIENTAS GENERALES
En este epgrafe se comentarn aquellos conceptos de carcter general que son necesarios
para posteriormente poder realizar cualquier operacin.
Clculo complejo. Integrales en el campo
complejo. Integracin por fracciones parciales
Es importante tener en cuenta que, aunque las seales que queremos analizar son
generalmente reales (siempre, en el caso de la ingeniera) la transformada de Fourier de las mismas
es compleja. Por tanto, es necesario dominar el clculo en el dominio complejo. Las operaciones
bsicas desde el punto de vista del procesamiento de seales son la multiplicacin y la convolucin.
Por otro lado, para pasar del dominio de la frecuencia al dominio del tiempo es necesario
antitransformar la seal, lo cual requiere resolver la integral de un producto en el campo complejo.
Esta integral suele ser relativamente complicada de resolver. De manera que se ha aprovechado el
mtodo de las fracciones simples para resolver esta integral con carcter general. Es decir, los pasos
que seguira un ingeniero son:
1. Obtencin de las seales a analizar
2. Transformacin al dominio de la frecuencia mediante la transformada de Fourier
3. Operacin en el dominio de la frecuencia (multiplicacin o convolucin).
4. Transformacin al dominio del tiempo antitransformando las seales resultante
mediante el mtodo de las fracciones simples.
Series. Convergencia de series. Series
temporales.
Toda seal discreta se puede considerar como una serie. Por tanto, los mtodos de clculo
relativos a las series son de aplicacin al estudio de las seales discretas. En particular, en
procesamiento de seales se suele utilizar como base las seales sinusoidales o las exponenciales
complejas. Esto nos lleva al desarrollo en serie de Fourier. Los criterios de convergencia, tanto de
las series como de las transformadas fueron establecidos por Paul Dirichlet y son:
1. La seal debe ser absolutamente sumable
2. Debe tener un nmero finito de mximos y mnimos en cualquier intervalo finito
3. Debe tener un nmero finito de discontinuidades, que a su vez deben ser finitas, en
cualquier intervalo finito.
No obstante, desde el punto de vista ingenieril, se hace el siguiente razonamiento:
Todas las seales que existen fsicamente, cumplen las tres condiciones de
Dirichlet.
Como en ingeniera se suele trabajar con seales reales, registradas o generadas por algn
dispositivo determinado, no es necesario comprobar que cumplen los criterios de convergencia.
Analicemos este razonamiento. Cualquier dispositivo fsico que produzca una seal consume
energa y por tanto producir una seal con una energa finita (incluso la energa de un terremoto es
finita), luego cumplir el primer criterio. Ningn aparato es capaz de producir una seal con un
nmero infinito de mximos o mnimos o de discontinuidades. Por tanto se cumplirn las otras dos
propiedades. Seales como el arco tangente no tendrn transformada de Fourier, pero tampoco son
generadas en ninguna situacin real.
Ecuaciones diferenciales y en diferencia. Aplicacin a sistemas.
Funcin de transferencia.
La principal relacin de las ecuaciones diferenciales consiste en el hecho de que todo
sistema fsico viene representado por una ecuacin diferencial. Como un sistema viene dado por la
relacin entre la seal de entrada y la de salida, esta descripcin es muy adecuada. A partir de este
concepto se llega al de funcin de transferencia o respuesta en frecuencia del sistema.
Es decir, todos los sistemas quedan caracterizados por una ecuacin diferencial o en
diferencia que hay que resolver. En lugar de abordarlas por mtodos clsicos de matemticas, la
solucin preferida es la de aplicar alguna transformacin integral que simplifique los operadores
involucrados (una derivada se transforma en un producto). Las ms habituales son la Transformada
de Laplace, la Transformada Z y la Transformada de Fourier. Una vez resuelta la ecuacin en el
dominio transformado, es necesario antitransformar dicha solucin para obtener el resultado en el
dominio del tiempo.
MTODOS NUMRICOS.
Integracin numrica.
Es evidente que si trabajamos con sistemas discretos las integrales deben ser calculadas de
forma numrica. Por tanto, una parte muy importante de los programas que realicen estos clculos
consiste en tener implementadas rutinas de integracin numricas.
Interpolacin
En primer lugar, Qu se entiende por interpolacin?. Cuando muestreamos una seal
analgica producimos una seal discreta con una determinada frecuencia de muestreo. Puede
ocurrir en algunos casos que deseramos haber muestreado con una frecuencia de muestreo
superior. Es decir, disponer de ms muestras por unidad de tiempo. Esto se puede conseguir
insertando muestras nuevas entre las muestras ya tomadas. Pero, Qu valor deben tener estas
muestras?. El valor que deben tomar debe obtenerse a partir de un polinomio que involucre las
muestras ms cercanas. El caso ms simple consiste en suponer una lnea recta entre las dos
muestras antiguas y obtener el valor que corresponda a la nueva muestra intermedia.
Un uso muy comn de la interpolacin se da en imgenes. Habitualmente tenemos una serie
de medidas sobre una superficie con un espaciado relativamente grande entre ellas y deseamos
generar un dibujo de dicha superficie con una resolucin mucho ms fina. Por tanto, deben aadirse
muestras entre los puntos que tenan los valores medidos inicialmente.
Es necesario tener en cuenta que la interpolacin polinomial no es el nico mtodo para
llevar a cabo dicha tarea. Los mtodos ms actuales tienen en cuenta no slo el valor de los puntos
sobre la curva, sino tambin el de sus derivadas y as se obtiene la interpolacin por splines (que
vienen a representar trozos de superficie).
Bsqueda de raices (polos de funcin de transferencia).
Una vez que se ha obtenido la funcin de transferencia o respuesta en frecuencia de un
sistema es necesario calcular las races del denominador, ya que su posicin dar informacin sobre
las caractersticas del sistema (rapidez en la respuesta, estabilidad, etc.). Por otro lado, es
imprescindible para poder realizar la transformacin inversa por fracciones simples. Por tanto, las
rutinas para obtener las races de un polinomio de cualquier grado son muy apreciadas.
Algoritmos ptimos para el clculo de la dft (fft, split radix,...)
Hemos hablado anteriormente sobre la transformada de Fourier. Ahora bien, la transformada
discreta de Fourier tiene una complejidad algortmica proporcional a N
2
. Es decir, a medida que
aumenta el nmero de puntos, aumenta mucho ms deprisa la cantidad de operaciones a realizar.
Para ello se han diseado una serie de algoritmos numricos tendentes a mejorar esta relacin.
El ms conocido es el de la FFT (Fast Fourier Transform) o Transformada rpida de Fourier.
ste tiene una complejidad algortmica proporcional a
N
2
log
2
N
. Haciendo una comparacin
muy simple podemos observar que para una transformada de 8 puntos, el algoritmo de la DFT
requiere 64 operaciones, mientras que el de la FFT slo 12.
El algoritmo split radix complica un poco el algoritmo de la FFT a costa de una mayor
reduccin en el nmero de operaciones. De hecho es el algoritmo ptimo (demostrado
matemticamente hasta 16 puntos).
Existen otros algoritmos para dicho clculo pero no vamos a detallarlos en la presente
exposicin.
LGEBRA LINEAL
Son muchas las tcnicas procedentes del lgebra lineal que se utilizan en el procesamiento
de seales. Particularmente, hay que decir que el problema siempre se presenta de forma matricial.
Una seal con un nmero determinado de puntos se representa por un vector y la relacin entre el
vector de entrada y el de salida utiliza clculos matriciales. Casi todos los programas importantes en
el procesamiento de seales tienen implementada algn tipo de libreras para la resolucin de
problemas matriciales.

TRANSFORMADAS INTEGRALES y DISTRIBUCIONES.
Hemos hablado anteriormente acerca de la Transformada y Series de Fourier. stas
constituyen una transformacin que nos permite pasar del dominio del tiempo al dominio de la
frecuencia. Sin embargo, no son las nicas.
Transformada De Laplace
Desde el punto de vista de la Automtica y del Control de Sistemas Analgicos la
transformacin integral ms importante es la Transformada de Laplace, cuya frmula es:

dt x(t)e = y(t)
st

Donde s es una variable compleja con la forma j + = s . La parte real ( ), representa el
amortiguamiento de la seal. Es decir, si la seal crece o decrece con el tiempo (valores mayor que
cero significan que la seal aumenta, menor que cero que la seal se amortigua e iguales a cero que
la amplitud de la seal se mantiene en el tiempo). Por otro lado, la parte imaginaria representa el eje
de Frecuencias. Es decir, si la seal oscila ms o menos.
Por tanto, nos da una informacin bastante completa sobre el comportamiento de un sistema
Transformada Z
Cuando se trabaja en sistemas discretos, la transformada a utilizar es la transformada Z, que
viene dada por la expresin:
| | { } | | ( )

= n
n
z X = z n x = n x
La variable z se suele expresar en coordenadas polares como
j
e r = z
Existe una relacin entre la transformada de Laplace y la transformada Z. El mdulo de la
transformada representa el amortiguamiento de la seal. Valores del mdulo menores que la unidad
indican que la seal se amortigua con el tiempo, si son mayores que la unidad la seal se amplifica
y si el valor es la unidad significa que la amplitud de la seal se mantiene en el tiempo. Por otro
lado, la fase de la transformada Z indica la frecuencia de oscilacin de la seal.
Transformada de Fourier.
Recordemos que la expresin de la transformada de Fourier es:

dt x(t)e = y(t)
t j

Si la comparamos con la ecuacin que define la transformada de Laplace, podemos ver que
son casi idnticas. De hecho, la transformada de Fourier corresponde a la evaluacin de la
transformada de Laplace sobre el eje imaginario.
Por otro lado, la transformada de Fourier de una serie es:
( ) | |

= n
n j j
e n x = e X


Como podemos comprobar es prcticamente idntica a la de la transformada Z. De hecho, la
transformada de Fourier corresponde a muestras uniformemente espaciadas de la transformada Z
sobre el crculo unitario.
Anlisis Tiempo-Frecuencia
Si representamos una seal en el dominio del tiempo podemos tener una informacin muy
detallada de cmo cambia con el tiempo. Si llevamos a cabo una representacin en el dominio de la
frecuencia podemos averiguar que frecuencias estn presentes en la misma. Sin embargo, no
podemos indicar en que momento apareci o desapareci la contribucin de una determinada
componente en frecuencia. Para ello se utiliza lo que se conoce como representaciones tiempo
frecuencia. Es decir, queremos conseguir informacin simultnea de lo que ocurre en el dominio del
tiempo y de la frecuencia. Para ello debemos introducir la nocin de ventana. Una ventana no es
ms que una funcin que aplicada sobre otra restringe su tamao, de igual forma que una ventana
slo nos deja ver una parte del mundo que existe al otro lado de la pared.
Mediante la apliacin de ventanas podemos dividir nuestra seal original en mltiples
pedazos. Si aplicamos alguna transformacin integral a cada uno de estos pedazos obtendremos su
representacin en el otro dominio. Al unirlos todos tendremos una imagen que nos da, para cada
segmento de tiempo la representacin espectral de la seal.
Transformada Corta de Fourier
Si aplicamos la transformada de Fourier a cada uno de los segmentos resultantes de aplicar
la ventana obtenemos la siguiente imagen.

En esta figura podemos observar las diferentes componentes de frecuencia de una nota
musical (un do de piano) y como las de mayor frecuencia se extinguen antes que las de frecuencias
ms bajas.
Transformada Wavelet
Otra posibilidad consiste en aplicar la siguiente transformacin
( ) ( )

t'

x
dt' t' t
f
f

f
f
) x(t' = f t, TWC
0 0

donde ( ) t es la wavelet. Se trata de una funcin real o compleja, siendo la respuesta al
impulso de un filtro pasabanda. Esta funcin est centrada entorno a t=0. El parmetro f
0
es la
frecuencia central del filtro pasabanda. Esta transformada es, en origen, una representacin tiempo
escala (un punto de la representacin es un coeficiente de un desarrollo (continuo o en serie) de una
familia de funciones de soporte compacto), donde el parmetro escala viene dado por el cociente
f
f
0
. Para la representacin tiempo-frecuencia debemos asumir que la TF de ( ) t est concentrada
entorno a f
0
.
La representacin tiempo frecuencia con la TF tiene dos problemas:
1. No se puede incrementar la resolucin frecuencial y temporal de manera simultnea.
Si tomamos ms puntos en cada ventana, para tener una mejor resolucin
frecuencial, disminuye la resolucin temporal. Por tanto, la eleccin del tamao de la
ventana es siempre una cuestin de compromiso.
2. El tamao de la ventana es el mismo para cualquier frecuencia, por lo que se tiene la
misma resolucin temporal a frecuencias altas que bajas.
La utilizacin de la representacin tiempo-frecuencia con la TW no puede evitar el problema
nmero 1, pero mejora a la TF en cuanto que a altas frecuencias tiene mejor resolucin temporal y a
bajas frecuencias mejor resolucin frecuencial.

APLICACIONES DEL PROCESAMIENTO DE SEALES
Sonido
En sonido podemos encontrar las siguientes aplicaciones:
Sntesis
La palabra sintetizador viene de sntesis (Composicin de un todo por reunin de unas
partes). De hecho la ecuacin que devuelve la seal original en funcin de los coeficientes
transformados se denomina Ecuacin de sntesis. Podemos analizar una nota musical aplicandole
la ecuacin de anlisis de la transformada de Fourier y obtener las amplitudes y frecuencias de los
cosenos que la componen. Una vez hecho esto, podemos sumar dichos cosenos mediante la
ecuacin de sntesis y obtener la seal original o una representacin muy parecida de la misma.
Existen varios mtodos de sntesis:
1. Sntesis aditiva de Fourier: Consiste en sumar seales sinusoidales para generar una
seal aproximadamente igual a la nota musical o sonido que se quiere representar. El
resultado puede ser bastante exacto, pero para ello se requieren un gran nmero de
componentes y por lo tanto precisa una gran cantidad de memoria, lo que la hace
difcil para implementar en dispositivos.
2. Sntesis substractiva: En este caso la aproximacin es algo diferente. En primer lugar
se genera un ruido que cubra un gran ancho de banda. A continuacin se aplica un
filtro (que se ha tenido que disear previamente) y que elimine las componentes de
frecuencias que no deben estar en la seal. El resultado suele ser bastante ms
realista que el de la sntesis aditiva, ya que generalmente las componentes
individuales del sonido rara vez suelen ser sinusoides puros y s un grupo de
sinusoides muy cercanas en frecuencia.
3. Sntesis FM: Aplicando la modulacin en frecuencia se puede generar un espectro
muy complejo a partir de nicamente dos o tres sinusoides. El problema est en
encontrar qu parmetros deben tener stas (y los parmetros de conexin entre
ellas) para que se generen los armnicos desados. ste es un mtodo muy bueno para
generar sonidos de efectos especiales e imitar el sonido de instrumentos de metal.
Sin embargo, su calidad empeora notablemente para imitar otros tipos de
instrumentos.
Voz
Una tcnica que ha avanzado muchsimo es la del reconocimiento de voz. Hoy en da ya es
posible realizar consultas bancarias, siendo atendido por un programa que reconoce lo que
hablamos y acta en consecuencia. El proceso de reconocimiento de voz es bastante complejo y
tiene mltiples etapas. Por ello nos quedaremos slo con su primera fase: La separacin de partes
habladas (voiced) y silencios (unvoiced), ya que los algoritmos deben aplicarse slo a aquellas
partes que contengan algn mensaje.
Bsicamente la idea es, aplicando la TCF, estudiar la evolucin de la energa de la seal. En
primer lugar se selecciona un umbral muy alto, tanto que cualquier seal que lo sobrepase sea con
toda seguridad voz (y no ruido). El corte con la curva de energa nos da dos puntos iniciales de
inicio y fin de palabra. Sin embargo, no son definitivos. Se selecciona un segundo umbral mucho
ms cercano al nivel de ruido, de forma que el tamao de la palabra se extiende hacia la derecha y
hacia la izquierda desde el primer umbral hasta el segundo. A veces es necesario tener en cuenta la
influencia del ZCR (frecuencia) para poder detectar correctamente sonidos como las fricativas.
Utilizando esta tcnica se ha podido desarrollar un programa que determina el inicio y fin de
cada slaba, as como la duracin de cada palabra para su aplicacin a la ayuda de estudiantes
dislxicos. ste trabajo ha sido publicado en congresos internacionales como [7] y [8].
Tambin se ha llevado a cabo un pequeo reconocedor del habla para un diccionario
pequeo sin identificacin del hablante [PFC-1].

Seales biomdicas
El procesamiento de seales tiene una gran importancia en medicina. Est presente en las
ms modernas tcnicas (TAC, escaner, etc..) para construir imgenes tridimensionales a partir de
imgenes bidimensionales.
Tambin se utiliza el procesamiento de imgenes para su aplicacin al estudio de imgenes
de microscopio electrnico (estudio de clulas, etc).
Una de las primeras reas en las que se comenz a utilizar el procesamiento de seales fue
en su aplicacin al estudio de seales biomdicas (EEG, ECG, etc.). Veremos a continuacin
algunos aspectos del estudio del EEG.
EEG
En primer lugar, es necesario registrar la seal digitalmente. Por tanto no son vlidos los
viejos registros en papel. En su lugar, hoy en da, los electroencefalgrafos digitales han desplazado
completamente a los analgicos.
El primer aspecto a tener en cuenta es que permiten representar la seal en diferentes escalas
y diferentes regiones a voluntad. La aplicacin de algunos mtodos matemticos como la TCF
permiten ver las frecuencias activas en cada instante de tiempo. Por otro lado, se puede estudiar la
evolucin de bandas de frecuencia (regiones de varios Hz de ancho). Algunas publicaciones del
autor sobre este tema se pueden ver en [1], [2], [3], [4], [5], [6].
En esta universidad se han desarrollado algunos programas para el anlisis y visualizacin
del EEG, tutorizados por el autor como [PFD-1]
Por otro lado, aplicando mtodos de interpolacin se puede obtener muy facilmente una
imagen de la distribucin de un determinado parmetro sobre todo el cuero cabelludo a partir de los
valores registrados en cada uno de los electrodos. Esto se ha implementado a travs de un proyecto
fin de carrerra [PFC-2].
Estos estudios han dado lugar
Los programas de estos proyectos (y algunos otros no citados en el presente trabajo) se han
implementado en el Departamento de Neurofisiologa del Hospital Universitario Nuestra Seora de
la Candelaria. Por ltimo se han aadido algunas referencias bibliogrficas sobre las bases del
procesamiento de seales y audio digital y enlaces a algunas pginas sobre EEG.


REFERENCIAS

[1] Maas, J. L. Snchez, L. Moreno, J.D. Pieiro, R. M. Aguilar, J.J. Merino, J. Sigut and
A. Hamilton ,Discriminacin de niveles de Maduracin Cerebral mediante la cuantificacin del
Electroencefalograma, Archivos de Pediatra, Vol. 47, N. 6,pginas: 316-324, 1996

[2] S. Maas, J.L. Snchez, L. Moreno, J.D. Pieiro, R. Aguilar, J.J. Merino, J. Sigut, La
aplicacin conjunta del potencial evocado y el electroencefalograma mejora la discriminacin de la
maduracin cerebral, Revista de Neurologa, Vol. 25, N. 144, pps: 1181-1186, 1997

[3] J.L. Snchez, S. Maas, L. Moreno, J.D. Pieiro, R. Aguilar, J.J. Merino, J. Sigut, A.
Hamilton, L. Acosta, Estudio de la Maduracin Cerebral mediante el anlisis cuantitativo del
electroencefalograma, Revista de Neurologa, Vol. 25, N. 146, pps: 1529-1534, 1997

[4] L. Moreno, J.L. Snchez, L. Acosta and G. Vera, A software package for Signal
Processing: application to EEG Signals, MICRO-90. International Society for Mini and
Microcomputers, Proceedings of the ISMM International Conference, MICRO90, ACTA PRESS,
1990, ISBN 0-88986-148-X, Montreal, Canad, 1990

[5] L.Moreno, J. L. Snchez, S. Maas, J.D. Pieiro, L. Acosta, J.L. Ichaso, Anlisis
multivariante del EEG en el estudio de la Maduracin Cerebral, IV Reunin de la Sociedad
Canaria de Neurociencias, Tenerife, 1991

[6] L. Moreno, J.L. Snchez, L. Acosta, J.D. Pieiro, J.L. Ichaso and S. Maas,
Multichannel Digital Processing for EEG Analysis, Chairman de la sesin n 4 y ponente, Circuits
and Systems 91. IASTED, Proceedings of the IASTED International Symposium CS91, ACTA
PRESS, 1991, ISBN 0-88986-149-8, Kongresshauss Zurich, Suiza, 1991


[7] Snchez, J., Estvez, J., Moreno, L., Sigut, J., Muoz, V., Aguilar, R., Merino, C.,
Using speech processing in a tutorial system for dyslexic readers, 4th WSEAS International
Conference on AUTOMATION & INFORMATION (ICAI'03), WSEAS Transactions on
computers, April 2004, ISSN: 1109-2750, Tenerife, Diciembre 2003

[8] Autores: Moreno, L. Gonzlez, C., Snchez, J., Muoz, V., Estvez, I., Aguilar, R.,
Sigut, J., Intelligent system to asses and treat developmental dyslexia in spanish language, Fourth
International ICSC Symposium onENGINEERING OF INTELLIGENT SYSTEMS (EIS 2004),
Madeira, Portugal, Marzo 2004.


PROYECTOS FIN DE DIPLOMATURA

[PFD-1] Desarrollo e implementacin de un programa para la caracterizacin de seales por
mtodos paramtricos y no paramtricos, Pedro Miguel Gonzlez Rodrguez y Jose Carlos
Rodrguez Palmero, Tutor: Jos Luis Snchez de la Rosa, 1993

PROYECTOS FIN DE CARRERA

[PFC-1] Reconocimiento automtico del habla, Jorge Pedro Quesada Gonzlez y Emilio
Valencia Rodrguez, Tutor: Jos Luis Snchez de la Rosa, 1998

[PFC-2] Desarrollo de una aplicacin para la representacin del mapa topogrfico cerebral
tridimensional en tiempo real., Daniel McNamara y Jorge Pestano, 2004.

TESIS DOCTORALES

[TD-1] Mtodos para el Procesamiento y Anlisis Estadstico Multivariante de Seales
Multicanal: Aplicacin al Estudio del EEG, Jos Luis Snchez de la Rosa, 1993.

[TD-2] Diagnstico de la maduracin cerebral mediante tcnicas de anlisis computerizado
y estadstico del EEG y Potenciales Evocados. 1994

BIBLIOGRAFA

[1] Seales y Sistemas ; A.V. Oppenheim, A. Willsky; Prentice-Hall, 970-17-0116-X, 1995.

[2] Tratamiento de seales en tiempo discreto, A. V. Oppenheim, Prentice may, 2 ed., 84-
205-2987-7

[3] Principios de Audio digital, Pohlman, McGraw Hill, 84-481-3625-X

ENLACES

[1] http://www.digital-eeg.com/

[2] http://www.selectorweb.com/emg_eeg.html

[3] http://www.eegspectrum.com/