UNIVERSIDAD DEL NORTE

DEPARTAMENTO DE INGENIERÍAS ELÉCTRICA Y ELECTRÓNICA

Asignatura: Señales y Sistemas. Docente: Pedro Juan Narváez.

Lab 3: Proyecto Final de señales

Aldair Andrés Acuña Altahona, Sergio Andrés De La Ossa Gómez
{aaacuna, sadelaossa} @uninorte.edu.co
7 de noviembre de 2019

Abstract~ This document presents the development, strategies
and results of the implementation of a code on python. The code
was able to analyses biomedical signal and classify them depend-
ing on their characteristics. Also the documents the results and
limitations of the code.
era la diferencia entre este resultado y nuestra “autocorre-
lación”, para ver qué tan relacionada estaba con la señal
de dicha clase.

1. INTRODUCCION
Este proyecto presenta la aplicación de la teoría aprendida en el
curso de señales y sistemas, solo que ahora se utilizan señales
biomédicas (cardiacas, musculares y cerebrales) en el programa
diseñado en Python se busca que estas señales puedan ser proce-
sadas y catalogadas. Así este informe mostrara los resultados ob-
tenidos a partir de la implementación de procesos usados para el
estudio de este tipo de señales. Fig. 2: Parte del código que define la diferencia entre la correlación
xx y correlación xy
2. PROCEDIMIENTO
(SC#) hace referencia a las transformadas de Fourier de
Para determinar la clase a la que pertenecía la señal ingre-
las señales de electrocardiogramas de muestra que tene-
sada de la siguiente manera:
mos para comparar con “Y_1” que es el conjugado de la
transformada de la señal ingresada.

Estas diferencias fueron guardadas en 3 vectores, un vec-

tor representando cada tipo de señal, es decir un vector de
diferencias para las señales de electrocardiogramas, uno
Fig. 1: lectura de los .WAV para realizar la correlación
para las señales de electroencefalogramas y uno para las
de electromiogramas.
Se optó por usar el teorema de correlación, el cual nos
dice como se calcula la correlación entre dos funciones a
partir de las transformadas de Fourier de dichas funciones.
Para ello se tuvo en cuenta la siguiente relación[1]: Fig. 3: Parte del código

La imagen anterior muestra cómo se concatena un vector

Ecuación 1 =𝑅𝑥𝑦 = 𝑋 ∗ (𝑤)𝑌(𝑤) [2]
con todas las diferencias del tipo de señales de encefalo-
grama.
Ecuación 2 =𝑅𝑥𝑥 = 𝑋 ∗ (𝑤)𝑋(𝑤) = ||𝑋(𝑤)||2 [2]
Ya teniendo los tres vectores simplemente se hizo una
En donde la relación 2 representa la correlación ideal, en
comparación entre ellos para ver en cuál de los vectores se
donde se verifica la relación que tiene la señal con ella
encontraba el valor de menor diferencia, es decir. Saber en
misma dando como resultado el valor absoluto al cuadrado
cual tipo de señal se encontraba la comparación con la que
de su transformada de Fourier. Esta relación también se
la señal ingresada obtuvo una mayor correlación. De esta
conoce como autocorrelación.
manera, se encontrara con certeza a qué tipo de señal per-
Por lo tanto nuestro análisis consistió en realizar el proceso tenece .
de correlación de la señal ingresada con las señales de
muestra de diferentes tipos de señales biomédicas que po-
see el algoritmo en su base de datos y ver que tan grande
1
 Fig. 4: Parte del código encargada de mostrar los resultados

3. ANALISIS DE RESULTADOS
La interfaz diseñada para el muestreo, caracterización y clasifi-
cación de las señales demostró que puede tomar cada señal inde-
Fig. 7:Interfaz mostrando la señal y la respuesta en frecuencia de un
pendientemente, sacar sus características y dar como resultado electroencefalograma
que tipo de señal es la que se está ingresando.
Como se observa cada una de las señales tiene su propia respuesta.

4. CONCLUSION
Este proyecto deja en claro la utilidad de la teoría vista en
el curso de señales, se ve como herramientas como la co-
rrelación, la transformada de Fourier representación de se-
ñales y demás permite llevar datos reales a un computador
el cual los puede procesar y entregar conclusiones, ya sea
para señales biomédicas o demás este laboratorio muestra
la utilidad de las herramientas que entrega la asignatura.

Fig. 5:Interfaz mostrando la señal, respuesta en frecuencia y que tipo 5. REFERENCIAS

de señal representa.
[1] “Correlación”, 1995. [En línea]. Disponible en:
Como se ve la interfaz muestra de manera muy intuitiva la señal selec-
http://www6.uniovi.es/vision/intro/node31.html.
cionada en el menú y al momento de presionar en el botón de clasificar
se hace todo el proceso de correlación para definir a que tipo de señal
[Consultado: 07-nov-2019].
pertenece. El código muestra una limitación para el usuario ya que este [2] Transformada de Fourier , correlación , teorema de
solo puede ingresar las señales que están dentro del menú. Para los Parseval , TFC(45). .
otros casos se puede ver que la respuesta en frecuencia es diferente y
hay similitudes cuando se prueba el mismo tipo de señal.

Fig. 6:Interfaz mostrando la señal y la respuesta en frecuencia de un

electromiograma