DANIEL DÁVILA

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.