Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis de Señales Neurofisiologicas PDF
Analisis de Señales Neurofisiologicas PDF
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.
1. y (t ) = t
2. y (t ) = sin ( (2ft )
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 y(t) = e at , exponenciales complejas y(t) = e jt
Tipos de seales
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.
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
intrnsecamente1 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:
20 16
Los rayos X oscilan entre 3 10 y 3 10 Hz (ciclos por segundo)
16 14
Los rayos UV entre 3 10 y 3 10 Hz
El espectro visible (con todos sus colores) ocupa una regin muy estrecha alrededor
14
de 3 10 Hz
11
El infrarrojo vara en frecuencias desde el visible hasta 3 10 Hz
11 4
Entre 3 10 Hz y 3 10 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.
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:
1 1
cos(t ) = e jt + e jt
2 2
1 jt 1 jt
sin (t ) = e e
2j 2j
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.
Ak = Bk + jC k
x(t) = A0 + 2 An cos(n2f 0 t + k )
n=1
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.
X(f)e
j 2ft
x(t) = df
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.
x[n]= xc (nTs ) -<n<
Es decir, se toman valores de la seal en instantes de tiempo regularmente espaciados. Ts 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
s(t) = (t nT)
n=
xs (t) = x (nT) (t nT )
n=
c
1
X s ( j ) = X c ( j kj s )
T k=
* denota convolucin.
Se puede ver a partir de la ltima ecuacin que la transformada de Fourier de X s (t) consiste
en copias repetidas peridicamente de la transformada de Fourier de X c (t) . Es necesario
que se cumpla la relacin:
s > 2N
De esta manera, las rplicas no se solapan, al sumarse. Consecuentemente X c (t) se puede
recuperar a partir de X s (t) con un filtro paso bajo ideal. Si la relacin anterior no se cumple,
entonces no es posible recuperar X c (t) a partir de. X s (t)
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.
x(t) y(t)
h(t) H(f)
x[n] y[n]
h[n] H[k]
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.
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:
y(t) = f(x(t))
Por ejemplo, en el caso de un sistema elctrico V(t) = RI(t)
Por otro lado, un sistema tiene memoria si la salida depende del valor de la entrada hasta
t
1
ese momento. Por ejemplo, en un sistema elctrico V(t) = I( )d
C
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:
x1(t) y1(t)
x2 (t) y 2 (t)
a x1(t) + b x2 (t) a y1 (t) + b y 2 (t)
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.
Sea hk [n] la respuesta del sistema a [n k ] , (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:
y[n ] = T {x[n ]}
y[n ] = T x[k ][n k ]
k=
Utilizando el principio de superposicin, esta expresin se transforma en:
y[n]= x[k ]T {[n k ]}= x[k ]h [n]
k
k= k=
Lo cual significa que la respuesta del sistema a cualquier entrada se puede expresar en
trminos de la respuesta del sistema a [n k ] . Este sera el resultado si solo se impusiera la
condicin de linealidad, y hk [n] dependera de n y de k. La propiedad de invarianza en el tiempo
implica que si [n ]T h[n ] , entonces [n k ]T h[n k ] . Con esta restriccin adicional, la ecuacin se
transforma en:
y[n]= x[k ]h[n k ]
k=
Como consecuencia, la respuesta de un sistema LTI queda caracterizada completamente por
su respuesta al impulso, en el sentido de que dada h[n ] , es posible calcular la salida y [n ] debida a
cualquier entrada x[n ] .
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 x[n]= e jn <n<
A partir de la ecuacin que define la suma de convolucin se obtiene:
y[n]= h[k ]e j(n k ) = e jn h[k ]e jk
k= k=
Si definimos:
H (e j )=
h[k ]e
k=
jk
Obtenemos
y[n] = H (e j )e jn
Por tanto, e jn es una autofuncin del sistema y el autovalor asociado es H (e j ). 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.
HERRAMIENTAS GENERALES
En este epgrafe se comentarn aquellos conceptos de carcter general que son necesarios
para posteriormente poder realizar cualquier operacin.
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).
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.
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:
x(t)e
st
y(t) = dt
Donde s es una variable compleja con la forma s = + j . 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:
{x[n]}= x[n]z n
= X (z )
n=
Transformada de Fourier.
Recordemos que la expresin de la transformada de Fourier es:
y(t) = x(t)e jt dt
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:
( ) x[n]e
jn
X e j =
n=
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
f f
TWC x (t, f ) = x(t' ) (t t' ) dt'
t'
f0 f0
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 f0 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
f0
. Para la representacin tiempo-frecuencia debemos asumir que la TF de (t ) est concentrada
f
entorno a f0.
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.
[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
BIBLIOGRAFA
[2] Tratamiento de seales en tiempo discreto, A. V. Oppenheim, Prentice may, 2 ed., 84-
205-2987-7
[1] http://www.digital-eeg.com/
[2] http://www.selectorweb.com/emg_eeg.html
[3] http://www.eegspectrum.com/