Universidad de Cundinamarca – Instrumentación Biomédica

Diseño E Implemeñtacioñ De Uñ
Electromiografo Mediañte Matlab
Jhon Alexander Díaz Acevedo, Iván Darío Betancourt, Pedro Hurtado.

de 100 productos adicionales para tareas especializadas, como

Resumen—En el presente documento se expone una el análisis de datos y procesamiento de señales.
pequeña práctica relacionada con la electromiografía
(EMG), es decir la medición de la actividad eléctrica En los últimos años, los ingenieros y los científicos han
generada por el musculo estirado, en esta práctica se tienen utilizado los productos de MathWorks en la parte médica para:
en cuenta tres bloques fundamentales, el primero consiste avanzar en el diagnóstico y tratamiento de trastornos del tracto
en la adquisición y amplificación de la señal, la segunda gastrointestinal mediante la mejora de la imagen visual del
consta de un filtro pasa bandas y la tercera de un filtro intestino Delgado y el avance el mapa del genoma humano por
rechaza bandas, es decir se aplicaran conceptos básicos de el desarrollo de algoritmos para la secuenciación de
electrónica para poder implementar un sencillo instrumentos del ADN [1].
electromiógrafo.
B. Filtro Pasa Banda Y Rechaza Banda
Palabras clave—Filtro, Frecuencia, electromiografía, músculo,
MatLab, Software.
Es filtro pasa banda como su nombre lo dice; solo deja pasar un
I. INTRODUCCIÓN rango de frecuencias (desde una frecuencia 1 hasta una
frecuencia 2). Los parámetros principales de un filtro son las
Elconvertido
uso de software en las aplicaciones biomédicas se ha
en un factor muy importante a la hora de
frecuencias de paso (F pass) que son aquella en donde la
frecuencia conserva su amplitud original, la otras son las
interpretar las señales o variables de esta disciplina, esto se debe
frecuencias de parada (F stop) que consiste en las frecuencias
a su facilidad de uso, interfaces muy llamativas y entendibles,
limite permitidas para que el filtro deje pasar frecuencias, es
portabilidad, entre otros muchos factores. En muchos casos de
decir, un filtro no es como una señal binaria, este posee un
las aplicaciones de instrumentación medica se requiere la
tiempo de bajada y subida, entre más empinada sea esa
implementación de una circuitería bastante robusta, por el
pendiente (entre más se parezca a un escalón) el filtro
hecho de que las mediciones tienen que ser exactas ya que se
aumentara su orden, por consiguiente será mayor el gasto
está hablando de la salud y seguridad del paciente, sin embargo
computacional (en circuitos, repercute en que hay que utilizar
el hecho de utilizar un montaje eléctrico robusto (en cuanto a
más amplificadores operacionales). Los otros parámetros
circuitería), este añade más ruido e inestabilidad (por ejemplo
importantes son las amplitudes, estas determinan que tanto se
un cambio en la temperatura), es por ello que el uso del software
atenuara la señal y así mismo la de paso. A continuación en la
se ha convertido en una muy buena opción de solución, debido
figura 1, se muestra gráficamente lo descrito anteriormente.
a que el software es exacto (los integrados y de más elementos
de un circuito poseen un margen de error y sumando todos los
errores, se tiene a la salida un error de medición considerable),
no tiene interferencias (como ruido, no le afecta la temperatura,
no se daña, etc), además brinda herramientas que facilitan la
implementación de los bloques (como factor principal los
cálculos matemáticos). Es decir la utilización de software es la
solución a muchos de los problemas que se presentan en este
tipo de aplicaciones.

Figura 1. Comportamiento y parámetros esenciales de un filtro pasa banda

II. MARCO TEÓRICO
A. MatLab
MATLAB, el lenguaje del cálculo técnico, es un entorno de
programación para desarrollo de algoritmos, análisis de datos,
visualización y cálculo numérico. La compañía produce cerca
Con el filtro rechaza banda ocurre exactamente lo mismo que
en el pasa banda, la única diferencia radica en que este atenúa
únicamente un rango de frecuencias (para este caso, uno muy
pequeño, lo cual se denomina muesca), es decir el filtro rechaza
banda se puede definir como un filtro pasa banda pero invertido.
A continuación se muestra el comportamiento de este filtro.
 Universidad de Cundinamarca – Instrumentación Biomédica
Figura 2. Comportamiento y parámetros esenciales de un filtro rechaza banda
III. PLANTEAMIENTO
Para la implementación del electromiócardiografo son
necesarios tres bloques; un amplificador de instrumentación
que es el encargado de amplificar las pequeñas corrientes
iónicas que produce el movimiento de los músculos, un filtro
pasa banda que determina el rango de frecuencias con las cueles
se ha de trabajar, y un filtro rechaza banda que es el encargado
de atenuar las frecuencias generadas por la red eléctrica (en este
caso 60Hz), a continuación en la figura 3 se muestra el diagrama
de bloques funcional del sistema a implementar.
Figura 3. Diagrama de bloques del sistema a implementar
Los electrodos se colocaran en el músculos de interés, en este
caso se realizaran las pruebas con los bíceps. La ubicación de
los electrodos se puede apreciar en la figura 4, en donde también
se puede ver como este musculo se contrae y se relaja, así
mismo aumentan y disminuyen las corrientes iónicas.
Figura 4. Ubicación de los electrodos en los bíceps y movimientos de
relajación y contracción del músculo.
El diseño de los filtro se realizara mediante MatLab ya que es
una herramienta bastante buena en cuanto al procesamiento de
señales.
IV. DESARROLLO
A. Diseño E Implementación
Para más información en cuanto al marco teórico y el diseño de
la etapa de amplificación ver [2], que se refiere al diseño del
electromiógrafo haciendo uso de A.O para la implementación
de los filtros.
Una vez se han ubicado los electrodos en el musculo de interés
y esta señal ha pasado por la etapa de amplificación, esta debe
ser capturada por el software, en este caso como se está
utilizando MatLab, se hará uso de la tarjeta de sonido del
computador (ya que no se cuenta con una tarjeta de adquisición
de MatLab o una de arduino), por consiguiente se necesita como
elemento principal para la conexión un simple “plug de audio”.
Para la adquisición de la señal se utilizan las siguientes líneas
de código.
%% adquiriendo la señal
F= 11025; % frecuencia de muestreo con la que se
grabara la señal
t= 5; % tiempo que durara la grabación
bits= 16; % número de bits
y= wavrecord(t*F, F, bits); % graba la señal
% se guardara la señal para poder utilizarla en
cualquier momento
wavwrite(y,Fs,16,'EMG_input.wav')
% leyendo la señal
% en caso de olvidar los parámetros anteriores
% [y,F,bits]=wavread('musculo.wav');
[y]=wavread('EMG_input.wav',5*F); % almacena la
señal guardada en Y
% comprobación
wavplay(y,F) % reproduce el sonido que produce el
movimiento del musculo
plot(y) % grafica la señal
Para que la adquisición de la señal tenga éxito, se recomienda
que la amplitud máxima de esta no supere los 2 voltios, ya que
si se excede este valor se podría causar daños a la tarjeta de
sonido (es una precaución ya el valor soportado por la tarjeta
son 5V), por otro lado, dependiendo de la técnica a utilizar para
trabajar con la señal, en ocasiones la amplitud de la señal será
recortada (normalizada) ente -1 y 1 por consiguiente procurar
que no exceda este valor.
Una vez se ha obtenido la señal deseada se prosigue al diseño
de los filtros, en este caso un pasa banda que va desde los 4Hz
hasta los 400Hz y un rechaza banda de 60Hz (55Hz a 65Hz).
Para el diseño de estos filtros se toman en cuenta las figuras 1
y 2, ya que son los parámetros que se tienen en cuenta para el
diseño de los filtros. A continuación se muestran las funciones
creadas para cada filtro, esto con el fin de hacer más sencillo el
trabajo de procesamiento de la señal, así mismo se mostrara el
comportamiento de los mismos.
 Universidad de Cundinamarca – Instrumentación Biomédica

function Hd = PasaBanda function Hd = RechazaBanda

%Ejemplo para utilizar la función: %Ejemplo para utilizar la función:
%FP=PasaBanda; %se almacena el filtro en una %FR=RechazaBanda; %se almacena el filtro en una
variable FP variable FR
%fvtool(FP) %para visualizar el filtro %fvtool(FR) %para visualizar el filtro
%OutFiltPass=filter(FP,y); % aplicar el filtro FP a %OutFiltStop=filter(FR,y); % aplicar el filtro FR a
una señal de entrada Y una señal de entrada Y
%plot(OutFiltPass) % para ver la señal filtrada %plot(OutFiltStop) % para ver la señal filtrada

% todas las frecuencias están en Hz. % todas las frecuencias están en Hz.
Fs = 1000;% Frecuencia de muestreo tiene que ser por Fs = 200; % Frecuencia de muestreo tiene que ser por
lo menos el doble de la señal a trabajar(nyquist) lo menos el doble de la señal a trabajar (nyquist)

Fstop1 = 4; % First Stopband Frequency Fpass1 = 55; % First Passband Frequency

Fpass1 = 7; % First Passband Frequency Fstop1 = 58; % First Stopband Frequency
Fpass2 = 400; % Second Passband Frequency Fstop2 = 62; % Second Stopband Frequency
Fstop2 = 410; % Second Stopband Frequency Fpass2 = 65; % Second Passband Frequency
Dstop1 = 0.0001; % First Stopband Attenuation Dpass1 = 0.057501127785; % First Passband Ripple
Dpass = 0.057501127785; % Passband Ripple Dstop = 0.001; % Stopband Attenuation
Dstop2 = 0.0001; % Second Stopband Attenuation Dpass2 = 0.057501127785; % Second Passband Ripple
dens = 20; % Density Factor dens = 20; % Density Factor

% calcular el orden de los parámetros usando % calcular el orden de los parámetros usando
FIRPMORD. FIRPMORD.
[N, Fo, Ao, W] = firpmord([Fstop1 Fpass1 Fpass2 [N, Fo, Ao, W] = firpmord([Fpass1 Fstop1 Fstop2
Fstop2]/(Fs/2), [0 1 ... Fpass2]/(Fs/2), [1 0 ...
0], [Dstop1 Dpass 1], [Dpass1 Dstop
Dstop2]); Dpass2]);

% calcular los coeficientes usando la función FIRPM % calcular los coeficientes usando la función FIRPM
b = firpm(N, Fo, Ao, W, {dens}); b = firpm(N, Fo, Ao, W, {dens});
Hd = dfilt.dffir(b); Hd = dfilt.dffir(b);

Respuesta en magnitud del filtro rechaza banda (dB)

La respuesta del filtro se puede observar en la gráfica 1, en
donde se muestra que efectivamente el filtro únicamente dejara 0

pasar las frecuencias que se encuentren en el rango de 4Hz a

400Hz, cabe resaltar que el filtro es de orden 397. -10

Respuesta en magnitud del filtro pasa banda (dB) -20

60
Magnitud (dB)

-30
40

-40
20

-50
0
Magnitud (dB)

-60
-20

-40 -70
0 10 20 30 40 50 60 70 80 90
Frecuencia (Hz)
-60 Grafica 2. Respuesta en magnitud del filtro rechaza banda (55Hz a 65Hz) (una
ventana más pequeña ocasionaría un filtro de mayor orden y por consiguiente
un mayor número de amplificadores o en este caso un mayor gasto
-80 computacional)

0 50 100 150 200 250 300 350 400 450 B. Resultados

Frecuencia (Hz)

Grafica 1. Respuesta en magnitud del filtro pasa banda (4Hz a 400Hz)

Lo mismo se realizó para el diseño del filtro rechaza banda, que
en este caso es de 60Hz debido a la frecuencia que se maneja
en la red eléctrica del país, en la gráfica 2 se puede observar el
comportamiento del filtro (este filtro es de orden 142), a
continuación se muestra la función creada para dicho filtro:
Haciendo uso de las funciones se puede realizar el análisis, sin
embargo es mucho más fácil y visible, si se hace mediante la
herramienta “sptool” [3] (el código que maneja la herramienta
es exactamente igual al mostrado anteriormente, por
consiguiente es válido usar ya sean la funciones o usar la
herramienta). Inicialmente se tiene la señal de entrada, la señal
EMG a procesar, que fue la que se obtuvo inicialmente. A
continuación en la gráfica 3 se puede observar dicha señal.
 Universidad de Cundinamarca – Instrumentación Biomédica
Grafica 3. Señal capturada mediante MtLab a la cual se le realizara el
procesamiento.
Después de obtener la señal, esta se debe filtrar, e inicialmente
se le aplica el filtro pasa banda de 4Hz a 400Hz, al hacer esto la
señal pierde amplitud considerablemente, ya que las
frecuencias que estén por fuera de ese rango son atenuadas,
debido a que las frecuencias más importantes para el análisis
son las estipuladas, a continuación en la gráfica 4 se muestra la
señal filtrada (la escala de la graficas en cuanto amplitud están
atenuadas x10, por consiguiente, si se encuentra 0.1 se refiere a
1).
Grafica 4. Señal filtrada con el pasa banda de 4Hz a 400Hz
Como se puede observar la señal ha cambiado bastante, no solo
en amplitud, también en su forma, en donde también se puede
apreciar que en los fragmentos de la señal cuando el musculo
está en reposo se ha reducido considerablemente el ruido. En la
gráfica 5 se muestra la comparación entre las dos gráficas, para
que se puedan apreciar mejor las diferencias, haciendo énfasis
en el fragmento de la señal que esta ente los ejes verticales que
la encierran, en la gráfica 6, se muestra esta misma comparación
pero más ampliada en cuento al eje de tiempo para poder
apreciar como influyo en filtro en el cambio de la señal.
Grafica 4. Comparación entre la señal original y la filtrada (la que posee una
amplitud menor se refiere a la filtrada)
Grafica 5. Comparación entre la señal original y la filtrada (ampliada) (la que
posee una amplitud menor se refiere a la filtrada)
Como se puede observar en la gráfica 5, la señal filtrada es
mucho más limpia, propia para que un especialista de la salud
pueda analizar fácilmente, sin embargo aún falta aplicar el filtro
rechaza banda para atenuar las frecuencias que se asocian a la
red eléctrica, a continuación en la gráfica 6, se puede observar
la comparación entre la señal resultante del filtro pasa banda y
esta misma filtrada con el rechaza banda.
Grafica 6. Comparación entre la señal que paso por el filtro pasa banda de
4Hz a 400Hz y que nuevamente se filtró con el rechaza banda de 60Hz (la
señal que esta punteada es la del filtro pasa banda)
Como se puede observar en la gráfica anterior, el filtro rechaza
banda no influye demasiado, lo único que hace es desfasar la
señal, muy probablemente no habían interferencias fuertes en el
momento de tomar la señal, sin embargo es aconsejable tener
este filtro. Finalmente en la gráfica 7, se puede observar con
claridad únicamente la señal resultante (ampliada en el eje de
tiempo), con la que el especialista puede analizar su
comportamiento y dar un diagnóstico.
Grafica 7. Señal totalmente filtrada lista para ser analizada por el especialista
médico o interesado en la aplicación.
 Universidad de Cundinamarca – Instrumentación Biomédica
A comparación de los resultados obtenidos mediante la
implementación de los filtros de forma análoga, con MatLab
son mucho más cómodos de analizar los resultados, además la
visualización es mucho mejor, por otro lado es mucho más
exacto y como se pudo ver se definieron filtros de orden 397, lo
cual haciendo uso de amplificadores operacionales sería una
tarea casi que imposible de realizar (con los materiales que
cuanta un estudiante claro está), sin embargo los resultados
obtenidos mediante la implementación del filtro análogo fuero
también muy buenos ya que como se puede observar en las
figuras 5 y 6, el comportamiento es muy similar a las gráficas 3
y 4, en donde el fragmento de la señal cuando el musculo está
en reposo al ser filtrada se elimina considerablemente el ruido,
además la señal filtrada también disminuye su amplitud (fijarse
en la escala de osciloscopio CH1 2.00V figura 5 y CH2 1.00V
figura 6). Los dos resultados fueron buenos, pero el análisis que
se pudo realizar con MatLab muy difícilmente se hubiera
podido realizar mediante la otra forma en que se realizó en filtro
anteriormente [2], además la señal resultante es mucho más
pulcra, lo cual hace que sea mucho más cómodo su análisis.
Figura 5. Captura tomada del osciloscopio a la salida del AD620
Figura 14. Captura tomada del osciloscopio a la salida de los filtros
V. CONCLUSIONES
A la hora de tomar las mediciones con los electrodos, por lo
generar se imagina que la fuerza es el factor principal por el cual
se producen los cambios de voltaje a la salida del
electromiógrafo, sin embargo el factor más significativo es la
posición del musculo, es decir se puede hacer un analogía entre
la galga extensiometrica y el musculo ya que esta proporciona
un cambio de tención ante una deformación, lo mismo ocurre
con el musculo, es decir este sería el sensor que le indica a los
médicos el estado de salud de los mismo, o el sensor que le
indica a un deportista como está deformando su galga
(alongando su musculo) para así determinar si esta realizado un
movimiento apropiado a la hora de lanzar una pelota por
ejemplo. Esto no quiere decir que la fuerza no sea un factor
importante ya que también influye bastante ya que genera
corrientes iónicas debido al esfuerzo y también ayuda a que el
musculo se alongué más. Por consiguiente el estudio de los
músculos puede ser aplicado a diversas disciplinas y esto
gracias a un de los elementos principales que toma la señales,
el electromiógrafo.
El uso de software para el desarrollo de la aplicación ha sido de
gran ayuda debido a la facilidad de implementación de los
filtros, porque no hay que realizar ningún cálculo matemático
para el diseño de cada filtro, no hay que preocuparse por el
orden del mismo, por consiguiente se puede ser tan exigente
como se quiera con el diseño del mismo, a tal punto que en este
caso se obtuvieron filtros de orden 142 y 397 lo cual es
excelente ya que si se deseara implementar un filtro de esta
magnitud se requeriría un circuito eléctrico demasiado robusto
(si se usan amplificadores operacionales como se hizo en la
primer practica [2]). Por otro lado MatLab permite un análisis
mucho más detallado de la señal ya que la visualización del
mimo es mucho más amigable y se puede manejar al antojo del
diseñador debido a la facilidad del manejo de los ejes (tiempo y
amplitud). La única desventaja en cuanto al método utilizado
para el procesado de la señal, es que no se puede realizar en
tiempo real debido a la forma en que se capturo la misma, por
consiguiente si se quisiera trabajar en tiempo real se requeriría
de una tarjeta de adquisición de MatLab o una placa de Arduino.
REFERENCIAS
[1] Matworks, Products [Online], Disponible en la página de internet
<http://www.mathworks.com/company/aboutus/products.html> [Citado
13 de octubre del 2012].
[2] Jhon Díaz, Iván Betancourt, Pedro Hurtado, Diseño E Implementación De
Un Electromógrafo [Online], Articulo IEEE, Pdf, Disponible en la página
de internet <http://es.scribd.com/doc/109951894> [Citado 13 de octubre
del 2012].
[3] Matworks, Documentation, Open interactive digital signal processing tool
[Online], Disponible en la página de internet
<http://www.mathworks.com/help/signal/ref/sptool.html> [Citado 13 de
octubre del 2012].