BIOINGENIERÍA II – PROCESAMIENTO DIGITAL DE SEÑALES
TALLER 3 UNIVERSIDAD DE LA COSTA INGENIERÍA ELECTRÓNICA Alumno: Daniel de Jesús Dávila Quiroz Profesor: José Leonardo Simancas García. 1. Explique qué entiende por característica. R/: una característica es un valor que puede ser calculado y deben ser respectivamente representativas a una señal y pueden ser reproducibles.
2. ¿Cuáles son las ventajas de extraer características de las señales?
R/: las ventajas de la extracción de características es la mejora de las señales, mediante el filtrado y la reducción de ruido.
3. Mencione algunas de las características que pueden extraerse de
las señales. R/: algunas de las características que podemos extraer son: la media, la desviación estándar etc…
4. ¿De qué forma aplicaría la extracción de características a un
EEG? R/: las formas de extracción que podemos aplicar a un EEG son las estadísticas, entre las cuales están , el valor absoluto medio, longitud de onda, cambios en la pendiente de la señal, también otras como varianza, cruce por cero y desviación estándar, con el objetivo de reducir la complejidad en la señal a la hora de computarse.
5. ¿Qué aplicación le daría usted al cálculo de la función de
correlación? R/: es de gran utilidad cuando se tiene una plantilla de señales, y se necesita comprobar a que clase y a que categoría pertenece la señal de prueba, si se tiene varias señales, se puede utilizar la correlación para las DANIEL DÁVILA
señales y la correlación más alta nos mostrara a que
señal es más probable que pertenezca.
6. ¿Qué entiende usted por modelo auto-regresivo? ¿Qué utilidad
tiene calcular orden de auto-regresión? ¿Para que utilizaría un modelo AR? R/: el modelo autoregresivo es un método de recolección de características lineales de señales biológicas tales como: Valor real, media cero, estacionaria, no determinista, autoregresiva, una de las más notorias utilidades de este proceso es la obtención de una ecuación que pueda ser ajustada a una señal. Se utilizaría un modelo Ar para in tentar moldear la señal teniendo en cuenta la relación.
7. ¿De qué manera calcularía el orden del modelo AR? ¿Existe
alguna función en Matlab para tal fin? ¿Cómo la aplicaría en un caso particular? R/: utilizando métodos para calcular el orden del modelo como el de Akaike que es un criterio de información (AIC) basado en un error de predicción final o transferencia autoregresiva de criterio, En matlab se puede hacer con la función arburg (x, p).
8. Explique alguna aplicación de un modelo AR a las señales
biológicas. R/: Al utilizar los coeficientes AR de orden seis se puede observar que las matemáticas y la rotación de los objetos ahora pueden ser diferenciadas aunque los valores no sean exactos.
9. Mencione alguna característica espectral que sea de utilidad para
el estudio de las señales biológicas. R/: algunas características espectrales útiles son la frecuencia y el tiempo, son claves en la obtención de biopotenciales. DANIEL DÁVILA
10. ¿Existe alguna forma de relacionar las características
espectrales con la correlación? R/: si, podemos ver en la correlación espectral el cálculo de la frecuencia en vez del tiempo, haciendo uso de los valores de PSD. 11. ¿Existe alguna forma de relacionar las características espectrales con los modelos AR? R/: si ya que estas pueden ser procesadas a partir del uso de los modelos AR.
12. ¿Qué utilidad tienen las características temporales?
R/: son fundamentales ya que nos permite obtener valores como frecuencia en señales de potencial evocado y otras como el cruce por cero que mide las veces que la señal cruza la línea de amplitud cero.