TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE TIJUANA

DEPARTAMENTO DE INGENIERÍA
BIOMÉDICA Y ELECTRÓNICA

CARRERA:
INGENIERÍA BIOMÉDICA
MATERIA:
ANÁLISIS DE SEÑALES Y SISTEMAS
UNIDAD 2
“ANÁLISIS EN EL DOMINIO DEL TIEMPO
PARA SEÑALES CONTINUAS”
PRÁCTICA 3
“PRÁCTICAS DE SERIES DE FOURIER EN MATLAB-SIMULINK”
ELABORADO POR:
HERNANDEZ GARCIA OCTAVIO FAUSTO - 16212239
HERNANDEZ SERRANO JOEL - 17210762
LEPE ZAMORA LILIA VALERIA - 17210764

DOCENTE:
DR. JOSÉ RICARDO CÁRDENAS VALDEZ

06 / 03 / 2020 TIJUANA, B.C., MÉXICO

 ÍNDICE

I. INTRODUCCIÓN 3

II. DESARROLLO 6
2.1. SEÑAL RAMPA 6
2.2. SEÑAL ECG 7

III. RESULTADOS 8
3.1. SEÑAL RAMPA 8
3.2. SEÑAL ECG 9

IV. CONCLUSIONES 10

REFERENCIAS 11

ANEXOS 12

2
ÍNDICE DE FIGURAS
Figura 1. Obtención del complejo QRS 5
Figura 2. Derivación III del complejo QRS 5
Figura 3. Señal del ECG con filtros. 6
Figura 4. ECG con ruido. 6
Figura 5. Código de MATLAB para coeficientes de S.F., rampa. 7
Figura 6. Modelo matemático Simulink,rampa. 8
Figura 7. Código de MATLAB para coeficientes de S.F., ECG. 8
Figura 8. Modelo matemático Simulink, ECG. 8
Figura 9. Aproximación de Fourier en MATLAB,rampa. 9
Figura 10. Aproximación de Fourier en Simulink,rampa. 9
Figura 11. Aproximación de Fourier en MATLAB, ECG. 10
Figura 12. Aproximación de Fourier en Simulink, ECG. 10
Figura 13. Firma de práctica. 13

3
I. INTRODUCCIÓN
Las series de Fourier (SF) fueron el precursor de la transformada de Fourier. La propia SF sólo es
útil para señales periódicas. En el mundo real, normalmente no se recibe demasiadas señales
periódicas. Los únicos podrían ser los generados en el laboratorio o quizás por los osciladores en los
circuitos de comunicación para la modulación de una señal. Es especialmente útil porque puede
manejar señales aperiódicas. Todas las señales que se encuentran en el mundo real son aperiódicas o
no deterministas.
Una señal disponible en el mundo real son las señales del corazón, quien en el proceso de
transportar la sangre a través del cuerpo humano se contrae de diferentes formas para bombear
sangre a diferentes direcciones. Esta actividad genera señales eléctricas de pequeña magnitud que
son recopiladas en un electrocardiograma (ECG) que indican el comportamiento y estado del
corazón, sin embargo, en todo sistema eléctrico se presentan dificultades relacionadas con las
interferencias que inciden en las señales. El ECG es especialmente susceptible a distorsiones debido
a que presenta una magnitud reducida y su medición no se hace directamente, sino que se realiza
sobre el cuerpo del paciente[1].
Las series de Fourier son series de términos coseno y seno y surgen en la tarea práctica de
representar funciones periódicas generales. Como aplicación constituyen una herramienta muy
importante en la solución de problemas en los que intervienen ecuaciones diferenciales ordinarias y
parciales. La teoría es bastante complicada, pero la aplicación de estas series es simple, son en
cierto sentido, más universales que las series de Taylor, ya que muchas funciones periódicas
discontinuas pueden desarrollarse en serie de Fourier, pero, desde luego, no tienen representaciones
en serie de Taylor[2].
La idea que subyace en las series de Fourier es la descomposición de una señal periódica en
términos de señales periódicas básicas (senos y cosenos) cuyas frecuencias son múltiplos de la señal
original. La idea de descomposición es un proceso fundamental en el área científica en general: la
descomposición permite el análisis de las propiedades y la síntesis de los objetos o fenómenos[3].
El cómputo y estudio de la serie de Fourier se conoce como análisis armónico y es extremadamente
útil como una forma de dividir una función periódica arbitraria en un conjunto de términos simples
que se pueden conectar, resolver individualmente y luego volver a combinar para obtener la
solución al problema. Problema original o una aproximación a él con la precisión que se desee o sea
práctica. Los ejemplos de aproximaciones sucesivas a funciones comunes que utilizan series de
Fourier.
La Transformada de Fourier como complementación de las series de Fourier, es una herramienta
matemática y en primera instancia fue creada con la intención de explicar el fenómeno de
propagación del calor como un conjunto de oscilaciones cuyas frecuencias son múltiplos enteros de
una oscilación fundamental. Los coecientes de Fourier, permiten la caracterización de una señal
continua en el tiempo con la propiedad de periodicidad. Estos coecientes ofrecen la información
de la señal en el dominio de la frecuencia. Según la teoría de Fourier, es posible tomar estos
coecientes y reconstruir una señal periódica[4].
Ambas herramientas matemáticas se utilizan para un análisis del complejo QRS que se encuentra en
el electrocardiograma (ECG) en el trazo de la actividad eléctrica del corazón. Compuesta por
formas de onda P, QRS, T y U sucesivamente. Entre ondas, se presentan intervalos, segmentos, y
puntos de referencia de un gran interés diagnóstico. Debido a que la señal del complejo QRS, está
interpretada y graficada en el tiempo, la técnica matemática más recomendada es obtener la
ecuación mediante series de Fourier, para después utilizar un método de Fourier llamado
Transformada de Fourier (FT) y la transformada discreta de Fourier (DFT). obtiene un análisis en

4
frecuencia en tiempo continuo y discreto, con el objetivo de poder reducir el ruido. Las
herramientas para la detección del complejo y para la eliminación se encuentran en lenguajes de
programación LabVIEW y MatLab para las aplicaciones de filtrado.
Las siguientes figuras muestran el panel de control, donde se han obtenido el tratamiento de las
señales del electrocardiograma, así como su programación. La Figura 1, representa la señal de la
derivación I, pasada ya por las diferentes etapas de tratamiento y filtrados. En términos médicos se
interpretaría como “Una señal en la que su complejo QRS se comporta como sinuoso con
características sanas, aunque la señal sola no da datos precisos sobre algunas otras patologías
cardiacas, mencionando alguna: engrandecimiento de cavidades, para esto tendríamos que obtener
algunas derivaciones más.” (interpretación por el Cardiólogo Fernando Ortíz Galván, certificado
por el Consejo Mexicano de Cardiología CMN siglo XXI) [5].

Figura 1. Obtención del complejo QRS.

Figura 2. Derivación III del complejo QRS.

5
 Figura 3. Señal del ECG con filtros.

Figura 4. ECG con ruido.

En la Figura 3, se muestra la potencia y el espectro de la señal sin efectos de ruido, se puede

observar el dominio de la frecuencia que está alrededor de los 25 Hz. El efecto que aparece con
relativa frecuencia en señales electrocardiográficas y en general, en cualquier señal biomédica, es la
superposición de una interferencia debido a la señal de la red, como se muestra en la Figura 4.
Mediante lo anterior, para analizar el complejo QRS, tendríamos que sacar la función matemática
que lo representa mediante series de Fourier ya que es una señal periódica, pero, aunque sea de las
características ya mencionadas no podemos decir con exactitud qué función predomina en cada
intervalo (PR, QRS, etc.). Es por esto que se utilizan herramientas de software para su análisis,
como son lo será el MatLab y el entorno de programación Simulink, con el objetivo de diseñar
ltros, para la eliminación de ruido.

6
II. DESARROLLO
Equipo utilizado para llevar a cabo el desarrollo de prácticas.
Equipo
● Software MATLAB
● Entorno de programación visual Simulink

2.1. SEÑAL RAMPA

Se tiene como objetivo la reconstrucción de señales a través de las Series de Fourier descritas a
continuación:

Se utiliza el software MATLAB para la obtención de los coeficientes de la serie a0, an, bn, donde la
exactitud de la reconstrucción estará en función del valor de N y L ​representa el dominio de la
función. En la Figura 5 se muestra el código implementado dónde se crean variables y un ciclo for
que genera los coeficientes para número de datos de una señal rampa, definiendo cada ecuación de
la serie en el código.

Figura 5. Código de MATLAB para coeficientes de S.F., rampa.

7
En la Figura 6 se muestra el entorno Simulink, utilizando bloques se diseña el modelo matemático
de la Serie de Fourier para la reconstrucción de la señal y ser observada en el osciloscopio, cada
bloque representa una parte de la serie.

Figura 6. Modelo matemático Simulink, rampa.

2.2. SEÑAL ECG

Se recaudan 2,500 valores de una señal ECG de una base de datos para su reconstrucción, visto con
anterioridad en la ​sección 2.1 se realiza el mismo procedimiento para la obtención de los
coeficientes a0, an, bn, para generar la Serie de Fourier en el entorno Simulink, donde ​N ​equivale a
2,500​ ​datos de la señal ECG, esto se muestra en las Figuras 7 y 8.

Figura 7. Código de MATLAB para coeficientes de S.F., ECG.

Figura 8. Modelo matemático Simulink, ECG.

8
III. RESULTADOS
3.1. SEÑAL RAMPA
En las siguientes Figuras# se muestra la aproximación de la Serie de Fourier que se asemeja a la
señal rampa con ​N=3.

Figura 9. Aproximación de Fourier en MATLAB.

Figura 10. Aproximación de Fourier en Simulink.

9
3.2. SEÑAL ECG

Figura 11. Aproximación de Fourier en MATLAB.

Figura 12. Aproximación de Fourier en Simulink.

10
IV. CONCLUSIONES
- Hernandez Garcia Octavio Fausto
La finalidad de realizar series de Fourier es la graficación aproximada de una señal, en este caso, de
dos casos particularmente académicos, la primer aproximación fue la de una rampa periódica a 3
términos, representada en el código propuesto en clase por N, que representa la cantidad de señales
que se reproducen, por lo que una señal representada a mayores términos será más fiel a su figura,
para comprobar esto, se efectúa una segunda aproximación de una señal ECG obtenida de un
generador de funciones, realizada en Matlab mediante su aproximación por series de Fourier con
2500 términos, la cual nos da una casi perfecta representación de la misma, la utilidad de calcular
estas aproximaciones es compararlas con otra señal obtenida del mundo real de similares aspectos y
depurar cualquier otra interferencia(ruido) encontrada en la señal.
- Hernandez Serrano Joel
Se calcularon los coeficientes de la serie de Fourier tanto para una señal rampa con N=3 que
representa los números de datos de esta, y una señal ECG en la cual se recaudaron los datos de un
generador de funciones con una N=2500 muestras, que posteriormente se reconstruyó esa señal por
medio de una combinación de senos y cosenos, es decir, la serie de Fourier, en la cual se obtuvieron
2 señales, la señal rampa en la que se aprecia claramente las componentes de las funciones seno y
coseno y esto es porque el valor de N es pequeño, en contraparte, la señal ECG tuvo un valor de
N=2500 y se obtuvo una reconstrucción con gran exactitud donde no es apreciable a simple vista
estas componentes de la serie de Fourier.
- Lepe Zamora Lilia Valeria
En el presente trabajo se muestra una aproximación mediante la Serie de Fourier, se comprendieron
los componentes de la serie mediante la combinación de senos y cosenos, así como también el
comportamiento de nuestros datos por medio de una aproximación, hay que mencionar que a una
mayor cantidad de datos observados, mejor es la estimación. Realizando los análisis se puede
observar que la aproximación propuesta en la función rampa no fue la adecuada ya que no se
asemeja a la función deseada, se necesitará un número de aproximación más grande para lograrlo,
teniendo un ​N=3 son muy pocas muestras, también, se tiene una señal ECG con un número de datos
de 2500, un ancho de pi, 2500 muestras de la señal para tener una aproximación más cercana a la
real en la que se obtuvieron los resultados deseados.

11
REFERENCIAS
[1] J. Castañeda Cardenas, Eliminación de perturbaciones en señales ECG utilizando ltrado de
Kalman implementado en un DSP., 1st ed. Pereira: Universidad Tecnológica de Pereira. Facultad de
Ingenierías Eléctrica, Electrónica, Física, y Ciencias de la Computación., 2014.
[2] E. Kurmyshev and R. Sanchez-Yanez, Fundamentos de métodos matemáticos para sica e
ingeniería, 1st ed. México: Limusa, 2003, pp. 193-195..
[3] Principles of Fourier Analysis, Studies in Advanced Mathematics: KENNETH B. HOWELL,
Department of Mathematical Science University of Alabama in Huntsville, 2001.
[4] J. González Barajas, Series y Transformadas de Fourier para Señales Continuas y Discretas en el
Tiempo, 1st ed. Bogota: OmniaScience, 2015, pp. 13-14.
[5] D. Vallín González, .APLICACIÓN DEL ANÁLISIS TIEMPO-FRECUENCIA EN
ELECTROCARDIOGRAFÍA.", San Cristóbal, Venezuela., 2009.

12
ANEXOS

Figura 13. Firma de práctica.

13