Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SANTO ANDR
2012
Agradeo a meu DEUS por tudo, aos meus pais, a minha famlia e aos meus
amigos que me deram o devido apoio.
Agradeo ao meu professor orientador Heinar Augusto Weiderpass - por sua
dedicao ao tema proposto e por transmitir esta gama de conhecimento
matemtico e computacional.
RESUMO
Sumrio
1.
INTRODUO ......................................................................................................................... 2
2.
OBJETIVO ................................................................................................................................ 5
3.
Nmeros Complexos....................................................................................................... 7
3.2.1
3.2.2
Interpretao Geomtrica....................................................................................... 9
3.2.3
3.3
Fasores ........................................................................................................................... 10
3.4
3.4.1
3.4.2
Operadores ............................................................................................................. 14
3.4.3
3.5
3.5.1
Vetores .................................................................................................................... 16
3.5.2
Matrizes ................................................................................................................... 17
3.5.3
3.6
3.6.1
3.6.2
3.7
Transformada de Fourier.............................................................................................. 26
3.7.1
3.8
3.9
3.9.1
3.9.2
3.9.3
3.10
Anlise tempo-frequncia............................................................................................. 40
4.
MTODOS.............................................................................................................................. 42
5.
RESULTADOS ....................................................................................................................... 45
6.
7.
REFERNCIAS ..................................................................................................................... 52
INTRODUO
1. INTRODUO
As tcnicas clssicas de processamento de sinal apresentam duas
alternativas na representao do mesmo, a fim de se conhecerem as
especificidades que o caracterizam. Tais representaes so no domnio do
tempo e no domnio da frequncia.
A representao temporal s(t), indica de que forma a amplitude do sinal
varia com o tempo, e em certos casos, fornece algumas indicaes acerca da
variao do contedo em frequncia do sinal.
A representao no domnio das frequncias (referida muitas vezes como
anlise espectral) S(f), permite averiguar a existncia de diferentes componentes
de frequncia no sinal, bem como obter informao sobre a magnitude destas
componentes.
As representaes em tempo-frequncia foram desenvolvidas no sentido
de tentar responder s limitaes encontradas com o uso das tcnicas clssicas.
A
anlise
tempo-frequncia
capaz
de
revelar
se
sinal
Segue abaixo uma pequena descrio sobre o que ser abordado ao longo
deste trabalho:
OBJETIVO
2. OBJETIVO
O objetivo deste trabalho basicamente aplicar os conhecimentos
matemticos e computacionais adquiridos na graduao aliados a tcnicas de
processamento de sinais, utilizando o programa Matlab para analisar e entender
os sinais biolgicos.
ESTUDO TERICO
3. ESTUDO TERICO
O Estudo terico favorece uma base matemtica e computacional sobre os
assuntos de nmeros complexos, fasores, operaes bsicas e a manipulao de
vetores e matrizes com Matlab, srie de Fourier e a transformada de Fourier.
necessrio obter o conhecimento destes assuntos para a compreenso
do algoritmo da transformada do KOA utilizado no Matlab.
= chamado de conjugado de .
25 = 25 1 = 5i.
Exemplo 2 - Os conjugados dos nmeros complexos z1 = 4+5i e z2 = 3-2i so z1=
4-5i e z2=3+2i, respectivamente ZILL (2001).
= 1.
1 + 2 = (4 + 3) + 5 + (2) = 7 + 3
1 2 = (4 3) + 5 (2) = 1 7
1. 2 = (4 + 5) + (3 2)
= (4 + 5)3 + (4 + 5)(2)
= 12 + 15 8 10
Quociente
O quociente de dois nmeros complexos e obtido multiplicando-se o
Exemplo 4
=
=
!"#
$%#
!"# $!#
$%# $!#
!"#!&#!'# (
)!
$
$
$
Pela figura (1), vemos que o ngulo que o vetor faz o eixo x positivo
satisfaz: = cos
e
b = r sen
Logo,
10
7 = 9
8
;?'
:;
<!
7 #@ = >
;?'
(#@ )B
;!
= 1 + +
# ( @(
!
# C @C
$!
+ (7)
Agora, i2 = -1, i3 = -i, i4 =1, i5 = i e assim por diante. Logo (7) pode ser
separado em parte real e parte imaginria:
7 #E = F1
E(
!
EG
!
EH
I!
+ J + F
EC
$!
EK
"!
EL
M!
+ J (8)
cos = >
;?'
(%)B
(;)
;
sen = >
;?'
(%)B
(;!)
;!
em que cada srie converge para todo nmero real . Portanto, (8) pode ser
escrita como:
vista de (9), a forma polar de um nmero complexo pode ser expressa de maneira
compacta:
= 7 #E (10)
3.2 Fasores
Senide um sinal na forma de uma funo seno ou cosseno, e que so
facilmente expressas em termos de fasores, os quais so muito mais fceis de
serem trabalhados do que as funes seno e cosseno.
11
qual, mostra que podemos representar cos e sen com as partes real e
imaginria de 7 P Q:
R3S = Re(7U )
S7< = Im(7U )
na qual Re e Im significam respectivamente a parte real e a parte imaginria.
Dada uma senide v(t) = Vm cos (t + ), utilizamos a equao cos = Re (7 PE )
sempre que a senide for expressa por um fasor, o termo 7 Pab estar presente de
modo implcito. Pois quando trabalhamos com fasores, devemos ter sempre em
mente a frequncia do fasor, caso contrrio poder incorrer em srios erros.
12
13
14
3.3.2 Operadores
A avaliao de expresses obtida com operadores aritmticos, mostrados
na tabela abaixo.
Operadores operam em operandos (a, b e na tabela 1).
Tabela 1: operadores aritmticos
Operao
Adio
Subtrao
Multiplicao
Diviso direita
Diviso esquerda
Expoente
Exemplo:
>> 3 + 4 * 9
ans =
39
Forma Algbrica
a+b
a-b
axb
ab
b a
ab
MATLAB
a + b
a b
a * b
a / b
b / a
a ^ b
Exemplo
5+3
23 - 12
3.14 * 0.85
56 / 8
8 / 56
5^2
15
Exemplo:
>> screws = 32
screws =
32
>> bolts = 18
bolts =
18
>> rivets = 40;
>> items = screws + bolts + rivets
items =
90
16
x = inicio : incremento :
fim
x = linspace (inicio, fim
,n)
x = logspace (inicio, fim,
n)
Descrio
Cria um vetor linha x contendo os elementos
especificados
Cria um vetor linha x comeando em
inicio, incrementa em um e para em fim
(ou antes). Note que x = [inicio:fim]
produz o mesmo resultado, mas leva mais
tempo, j que no MATLAB leva em conta
colchetes quanto o ponto-e-vrgula.
Cria um vetor linha x comeando em
inicio, incrementa em incremento e
para em fim (ou antes).
Cria um vetor linha x, com espaamento
linear, comeando em inicio e terminando
em fim, contendo n elementos.
Cria um vetor linha x, com espaamento
logartmico, comeando em 10 inicio,
terminando em 10 fim e contendo n
elementos.
17
>> a = 1:5
a =
1
>> zeros(2,5)
ans =
0
18
Multiplicao de Matrizes
1
2 5 1
m = n
o p = q1
0 3 1
5
0 2
4 2r
2 1
19
1
= t2 5 1u q1r = 2 . 1 + 5. (1) + 1 . 5 = 2
5
2
s$ = t0 3 1u q2r = 0 . 2 + 3 . (2) 1 .1 = 7
1
Da mesma forma, o resto dos elementos pode ser calculado para produzir:
2 22 5
s = mp = n
o
8 10 7
matriz
resultante,
escreva
os
tamanhos
da
(v : <). (< : w) = (v : w)
matriz
lado
lado.
-1
20
B =
1
-1
-2
22
-5
-8
10
-7
>> C = A*B
C =
>> C = B*A
??? Error using ==> mtimes
Inner matrix dimensions must agree.
21
Ou
>
de f(t). Ela ser uma harmnica mpar se n for impar e harmnica par se n for par.
;?
22
~
z
} S7< < 0 t dt = (24)
2
'
~
z
} R3S < 0 t dt = (25)
2
'
>
'
>
;?
;?
Logo,
~
} y([) [ = } 0 [ = 0 z (27)
'
'
Ou,
1 ~
0 = } y([) [ (28)
z '
23
} y([) cos v0 t dt
>
'
;?
= } ' cos v 0t dt
'
>
'
'
Ou
z ~
; = } y([) cos <0 [ [ (29)
2 '
z ~
; = } y([) sen <0 [ [ (30)
2 '
No qual:
24
;
;
Ou,
Q =
sen <0 =
1
7 P;a b + 7 %P;a b (33)
2U
1
y([) = ' + 9(; U; )7U<^0 [ + (; U; )7U<^0 [ (34)
2
;?
R' = ' ,
R; =
(B %PB )
R%; = R;
(B !PB )
(35)
25
Torna-se:
>
Ou,
>
y([) = 9 R; B (37)
;? %>
exponencial de Fourier poder ser obtido de an e bn, usando a equao (35) eles
tambm podem ser diretamente obtidos de f(t) a partir de:
Onde ' =
~
1 ~
R; = } y([) 7U<^0 [ [ (38)
2
26
y([) = 9 R; B (39)
;? %>
Onde,
1 ~/
R; = } y([) 7U<^0 [ [ (40)
z %~/
A frequncia fundamental :
0 =
2
(41)
z
2
(42)
z
27
>
1 ~/
y([) = 9 } y([)7 %P;a b [ 7 P;a b
z %~/
;? %>
>
= 9
;? %>
~/
%~/
>
~/
1
=
9 } y([)7 %P;a b [ 7 P;a b (43)
2
%~/
;? %>
. Portanto, para T,
>
>
9 } (44)
%>
;? %>
d
n0
>
1 >
y([) = } } y([)7 %Pab [ 7 Pab ^ (45)
2 %> %>
28
%
>
1
t(^)u = } (^)7 Pab ^ (47)
2 %>
Fourier:
y([) (^)
Pois uma pode ser obtida atravs da outra.
A transformada de Fourier (^) existe quando a integral de Fourier da
Equao (46) converge. Uma condio suficiente, mas no necessria, para que
>
de
Fourier,
algumas
vezes
interessante
substituir,
29
forma
de
uma
sequncia
de
nmeros
calcul-la
usando
um
30
31
Figura 5 - Comparao entre deslocamento causado pela multiplicao por uma fase linear
no domnio da frequncia na DTFT (centro) e na DFT (em baixo)
32
33
Sem
transformada
de
Fourier com
um
microprocessador ou
um
para fs,
onde fs
frequncia
de
amostragem. Aproveitando
34
valor
de
N deve ser
to
alto
quanto o
nmero
de amostras
35
1-
F1 = [0 : N1 - 1]/N1;
F2 = [0 : N2 - 1]/N2;
F3 = [0 : N3 - 1]/N3;
Cada transformada colocada em sequncia.
subplot(3,1,1)
plot(F1,X1,'-x'),title('N = 64'),axis([0 1 0 20])
subplot(3,1,2)
plot(F2,X2,'-x'),title('N = 128'),axis([0 1 0 20])
subplot(3,1,3)
plot(F3,X3,'-x'),title('N = 256'),axis([0 1 0 20])
Ao examinar o plot (mostrado na figura 7) pode se ver que cada uma das
transformaes adere s mesmas formas, diferindo apenas no nmero de
amostras utilizadas para se aproximar nessa forma.
36
37
X3 = abs(fft(x3,N));
F = [0:N-1]/N;
subplot(3,1,1)
plot(F,X1),title('3 periods'),axis([0 1 0 50])
subplot(3,1,2)
plot(F,X2),title('6 periods'),axis([0 1 0 50])
subplot(3,1,3)
plot(F,X3),title('9 periods'),axis([0 1 0 50])
.
Figura 8: FFT de um cosseno de 3, 6 e 9 perodos.
O segundo plot tambm tem uma aparncia sinc-like, mas sua frequncia
maior e tem uma maior magnitude de 01. fs e 0.9 fs. Da mesma forma, o terceiro
plot tem uma frequncia maior sinc e magnitude. Como x [n] estendido para um
grande nmero de perodos, o sincs vai comear com mais impulsos.
38
, a frequncia de Nyquist.
(HANSEN, 2011) Lembre-se tambm que um sinal real deve ter uma
39
n = [0:149];
x1 = cos(2*pi*n/10);
N = 2048;
X = abs(fft(x1,N));
X = fftshift(X);
F = [-N/2:N/2-1]/N;
plot(F,X),
xlabel('frequency / f_s')
40
41
MTODOS
_____________________________________________________________
42
4 MTODOS
Foi utilizado o programa Matlab e tcnicas de processamento digital de
sinais para a anlise dos sinais biolgicos, estes fornecidos pela profa. Dra. Isabel
de Camargo Neves Sacco, da Faculdade de Medicina da USP.
Segundo WEIDERPASS (2003) o Kernel timo Adaptativo consegue
eliminar os termos cruzados e preservar de forma superior a discriminao no
tempo e na frequncia em diferentes relaes sinal-rudo.
A metodologia utilizada foi aplicar a anlise tempo-frequncia no sinal
biolgico, atravs da transformada de Kernel Adaptativo. O algoritmo foi
implementado no software Matlab. Os msculos analisados foram Fibular longo,
Gastrocnmio anterior, Tibial anterior e Vasto lateral; conforme ilustrados na
Figura 10.
43
Segue abaixo o script do algoritmo AOK (Adaptive Optimal Kernel) executado no Matlab
clear all
close all
[nome,caminho]=uigetfile({'*.asc'},'escolha o arquivo');
arquivo=fullfile(caminho,nome);
s=load(arquivo);
s1(:,:)=s(:,1);
s2=s(:,2);
s3=s(:,3);
s4=s(:,4);
subplot(2,2,1)
plot(s1)
xlabel('FIBULAR LONGO')
subplot(2,2,2)
plot(s2)
xlabel('GASTROCNMIO ANTERIOR')
subplot(2,2,3)
plot(s3)
xlabel('TIBIAL ANTERIOR')
subplot(2,2,4)
plot(s4)
xlabel('VASTO LATERAL')
Prompt='Escolha msculo';
Lista={'FL','GM','TA','VL'};
Inicial=1;
Selecao='single';
Tamanho=[260 70];
Titulo='EMG - Anlise por Wavelet';
[ind,ok]=listdlg('PromptString',Prompt,'ListString',Lista,'InitialValue',...
Inicial,'SelectionMode',Selecao,'ListSize',Tamanho,'Name',Titulo);
switch (ind)
case 1
sst=s1;
musculo='
case 2
sst=s2;
musculo='
case 3
sst=s3;
musculo='
case 4
sst=s4;
musculo='
end
FIBULAR LONGO';
GASTROCNMIO ANTERIOR';
TIBIAL ANTERIOR';
VASTO LATERAL';
figure(2)
periodogram(sst,[],'onesided',512,2000);
title(['Estimativa da Densidade Espectral de Potncia: - Musculo = '
musculo]);
% Anlise da densidade espetral de potncia. possvel verificar a banda
% de frequncias de cada sinal.
xlabel(['Frequncia (0 a 1000 Hz)']);
ylabel('Potncia/Frequncia (dB/Hz)');
grid on;
figure(3)
stem(abs(fft(sst)));
tic
tfr = rgk(sst,2);
toc
figure(4)
contour(tfr); xlabel('time'); ylabel('frequency');title(musculo)
disp('ddddd')
%mesh(tfr); xlabel('time'); ylabel('frequency');title(musculo)
44
RESULTADOS
_____________________________________________________________
45
5 RESULTADOS
Ao executar o algoritmo no console do Matlab, so exibidas quatro janelas.
A figura 11 ilustra a primeira janela exibida. Um primeiro resultado de anlise
temporal de um sinal eletromiogrfico contendo os msculos Fibular longo,
Gastrocnmio anterior, Tibial anterior e o Vasto lateral.
0.3
0.5
0.2
0
0.1
0
-0.5
-0.1
-0.2
1000
2000
FIBULAR LONGO
3000
-1
0
1000
2000
3000
GASTROCNMIO ANTERIOR
0.5
0.5
0
-0.5
-0.5
-1
1000
2000
TIBIAL ANTERIOR
3000
-1
1000
2000
VASTO LATERAL
3000
46
Potncia/Frequncia (dB/Hz)
-50
-60
-70
-80
-90
-100
-110
-120
0.2
0.4
0.6
Frequncia (0 a 1000 Hz)
0.8
47
48
300
250
frequncia (Hz)
200
150
100
50
0
50
100
150
200
250
300
350
tempo (ms)
400
450
500
550
49
DISCUSSO e CONCLUSES
_____________________________________________________________
50
6 DISCUSSO e CONCLUSES
O presente trabalho foi uma abordagem inicial na tentativa de se perceber
caractersticas dinmicas de sinais biolgicos dos msculos: Fibular longo, Tibial
anterior, Gastrocnmio anterior e Vasto lateral, no qual, permitiu a compreenso
de como aplicar a teoria estudada.
A anlise de sinais no domnio do tempo e da frequncia aplicada em
diversas reas do conhecimento, por fornecer uma viso holstica, tratando-se
notadamente de uma rea multidisciplinar.
Tais reas, segundo WEIDERPASS (2003) so: processamento do sinal de
voz, processamento de sinais biolgicos, sistemas para deteco em radares,
deteco de movimento em imagens, entre outras.
.
51
REFERNCIAS
_____________________________________________________________
52
REFERNCIAS
HLAWATSCH F. ; AUGER, F. Representations in time and frequency. TimeFrequency Analysis: Concepts and Methods. Londres : ISTE and Wiley,
2008. p.137
ZILL, D.G.; CULLEN, M.R. Equaes Diferenciais. 3. ed. So Paulo : MAKRON
Books, 2001. Volume 2, p 385-387
HANSELMAN, D. ; LITTLEFIELD B. Operaes com Vetores e Matrizes.
Matlab 6 - Curso Completo. So Paulo : Prentice Hall (Pearson),2004,
676 p.
KUNCICKY, D. MATLAB Programming. 1.ed. Florida: Prentice Hall, 2003,
288p.
CARVALHO J.L.A et al. Processamento de Sinais Biolgicos, Braslia.
Disponvel em: <http://www.pgea.unb.br/~joaoluiz/pdf/adson-psbcapitulo.pdf>. Acesso em 29 jan. 2012.
SACCO I. C. N., AMADIO A.C. (2003). Influence of the diabetic neuropathy of
the behavior of electromyographic and sensorial responses in treadmill
gait. ClinicalBiomechanics; 18(5): 425-34. Sao Paulo: Clinical
Biomechanics.
HANSEN, J. FFT Tutorial. Kingston. nov.2011. Tpico lab 1.Disponvel em:
<http://www.ele.uri.edu/courses/ele436/labs/fft.pdf> Acesso em: 10 jan.
2012.
SADIKU, MATTHEW N. O. SADIKU; ALEXANDER, CHARLES K.
Fundamentos de Circuitos Eltricos. Porto Alegre: Bookman, 2003, 857
P.
WEIDERPASS, H. A.Estudo de mtodos para representao conjunta espao,
tempo e frequncia em sinais multidimensionais. 2003. 114 p.
Dissertao (Mestrado em Engenharia) - Escola Politcnica da
Universidade de So Paulo, So Paulo, 2003.
Imagens dos msculos disponveis:
<http://www.rad.washington.edu/academics/academicsections/msk/muscle-atlas/lower-body>.Acesso em: 14 ago. 2011.
53