Universidad Católica de Santa María.
Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
SISTEMA ELETRÓNICO DE ADQUISICIÓN
Y PROCESAMIENTO DE SEÑALES CON
COMUNICACIÓN USB
Cueto Q. Brayan, Suni Q. Brian, Valdivia M. Valery
Resumen - El aumento en el uso de procesadores de señales
digitales en sistemas electrónicos responde a la creciente
necesidad de manejar grandes volúmenes de datos en tiempo
real. En este estudio, se presenta una aplicación específica
centrada en el procesamiento de señales bioeléctricas. Se ha
desarrollado un algoritmo que permite la adquisición, filtrado y
transmisión eficiente de datos desde un procesador de señales
digitales a una computadora a través del puerto serial universal.
El enfoque principal se orienta a la comunicación entre un
Electroencefalógrafo Digital y una computadora, aunque el
algoritmo es adaptable para su implementación en otros
dispositivos que requieran una transmisión de datos con
requisitos críticos de tiempo. Destacamos el éxito al reemplazar
una tarjeta comercial de adquisición de datos, contribuyendo así
a mejorar la competitividad y reducir costos en equipos médicos
locales en comparación con los productos extranjeros.
Abstract- The increase in the use of digital signal processors in
electronic systems responds to the growing need to handle large
volumes of data in real time. In this study, a specific application
focused on bioelectrical signal processing is presented. An
algorithm has been developed that allows efficient acquisition,
filtering and transmission of data from a digital signal processor
to a computer through the universal serial port. The main focus
is on communication between a Digital Electroencephalograph
and a computer, although the algorithm is adaptable for
implementation on other devices that require data transmission
with time-critical requirements. We highlight the success in
replacing a commercial data acquisition card, thus contributing
to improving competitiveness and reducing costs in local medical
equipment compared to foreign products.
Índice de Términos - Procesadores de señales digitales (DSP),
Sensores bioeléctricos, Adquisición de datos en tiempo real,
Algoritmo de procesamiento de señales, Comunicación serial,
Electroencefalografía digital (EEG), Integración de sistemas
mecatrónicos, Competitividad en equipos médicos, Reducción de
costos, Sustitución de tarjetas de adquisición comercial.
I. INTRODUCCION
A lo largo de los años, México ha estado promoviendo el
avance de tecnología propia mediante la colaboración activa
en proyectos de investigación, con el objetivo de cumplir con
las metas establecidas en los planes de desarrollo nacional,
1
especialmente en la reducción de la dependencia de productos
importados [1]. En el contexto de la industria médica,
históricamente, el país ha tenido escasas empresas dedicadas
al diseño y desarrollo de equipos médicos de diagnóstico,
resultando en la necesidad de importar la mayoría de estos
equipos y generando costos elevados. En consecuencia, tanto
la Secretaría de Salud como los hospitales privados han
destinado considerables recursos financieros para adquirir los
dispositivos necesarios y mantener sus infraestructuras [2]. En
respuesta a esta situación, en 2003, el Centro de Ingeniería y
Desarrollo Industrial (CIDESI) inició sus esfuerzos en el
desarrollo de equipos médicos, inicialmente enfocándose en el
área de neurología y, en la actualidad, expandiendo sus
actividades al ámbito de la cardiología, como se muestra en la
figura 1.1.
Figura 1.1 Electroencefalógrafo Digital y Monitor Cardíaco
Inalámbrico desarrollados por CIDESI.
Este estudio contribuye al avance de la tecnología de equipos
médicos de diagnóstico en México, inicialmente dirigido a un
electroencefalógrafo (EEG) digital desarrollado por
profesionales del CIDESI®. Vale destacar que este EEG
digital representa uno de los primeros dispositivos médicos de
diagnóstico completamente diseñados y desarrollados en el
país, marcando un hito significativo.
El EEG digital creado ha empleado una tarjeta de
adquisición de datos comercial conectada al puerto PCI de una
computadora para capturar las señales bioeléctricas
procedentes de un sistema de acondicionamiento, conocido
como amplificador (ver figura 1.2). Este amplificador, un
dispositivo electrónico, se conecta a 24 sensores llamados
electrodos, los cuales transmiten las señales desde el cuero
cabelludo al amplificador. Dentro de este equipo, las 24
señales bioeléctricas experimentan un proceso de
acondicionamiento que involucra diversas etapas de
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
amplificación y filtrado analógico.
En la actualidad, la computadora, con la que el amplificador se
comunica, desempeña un papel central en el sistema debido a
la variedad de tareas que ejecuta para llevar a cabo la
adquisición de datos y aprovechar las distintas herramientas
del EEG digital de CIDESI® para el procesamiento de las
señales de electroencefalografía.
Figura 1.2 Forma actual de comunicación del EEG Digital con
una PC.
1.2 FORMULACIÓN DEL PROBLEMA
En esta sección se detallan las principales funciones que la
computadora del EEG Digital actualmente lleva a cabo en
tiempo real durante un estudio de electroencefalografía:
• Adquisición
• Filtrado
• Generación de montajes bipolares
• Almacenamiento de las señales bioeléctricas
cerebrales.
• Si el usuario requiere la herramienta de Video EEG
sincronizada con las señales cerebrales, se agregan
las tareas de adquisición y procesamiento de video
digital para lograr la sincronización y
almacenamiento correspondiente.
Debido a la complejidad inherente al análisis en tiempo real de
las señales EEG, el procesamiento en una PC se vuelve
desafiante, sugiriendo la necesidad de contar con
determinismo para realizar cada tarea en un tiempo definido.
Esto implica que la PC debe ser potente y operar con un
sistema operativo determinístico en tiempo real, aumentando
significativamente el costo del EEG.
Durante la comercialización de este equipo médico, se
observa que los usuarios a menudo ya poseen una
computadora, pero rara vez cumple con los requisitos
necesarios para garantizar el correcto funcionamiento del
EEG. Esto incluye situaciones en las que el usuario desea
utilizar el EEG con una computadora portátil, pero estas no
cuentan con el puerto PCI necesario para la comunicación con
la tarjeta de adquisición, lo que impide el uso del EEG Digital
de CIDESI® con una laptop.
Como solución a estos desafíos, este proyecto propone
abordar cuatro aspectos clave del EEG Digital:
• Reducción de los procesos realizados actualmente por
la PC con el EEG Digital.
2
• Implementación de determinismo necesario para un
estudio de EEG en tiempo real.
• Comunicación con cualquier computadora personal.
• Disminución de costos.
Para alcanzar estos objetivos, se propone la utilización de
un Procesador Digital de Señales (DSP), que contribuirá a
reducir los procesos realizados en la PC, especialmente en la
adquisición y filtrado de señales, al tiempo que satisface los
requisitos de determinismo para los estudios de EEG. Además,
se plantea el uso del puerto serial universal (USB) para
facilitar la comunicación entre el EEG digital y cualquier
computadora actual o futura.
Al lograr estos objetivos, se espera que el EEG Digital sea un
equipo de diagnóstico médico más competitivo en
comparación con productos similares importados, resultando
en una reducción de costos y mejoras en diversas
características, en línea con equipos de fabricantes
reconocidos como Neurotec, GE Medical Systems y Phillips
Medical, entre otros.
1.3 JUSTIFICACIÓN
En términos generales, la principal razón detrás de este
desarrollo es fomentar una mayor competitividad entre los
equipos desarrollados por CIDESI® y aquellos importados. La
meta es crear un módulo que no solo sea aplicable al EEG,
sino que también pueda extenderse a otros equipos médicos
desarrollados por CIDESI® en el futuro, aunque en este
proyecto se centrará exclusivamente en el EEG Digital.
Como se mencionó previamente, la creación de un sistema
propio de adquisición de señales bioeléctricas tiene el
potencial de reducir los costos asociados con el EEG, al
eliminar la dependencia de tarjetas comerciales de compañías
externas.
Respecto a la pregunta sobre el uso de un DSP, la respuesta
radica en que este procesador está especializado en el
procesamiento de señales. Aunque en la actualidad se enfoca
en el filtrado digital de señales bioeléctricas, en el futuro se
prevé integrar más procesamiento de señales directamente en
el sistema de adquisición, evitando la necesidad de realizar
estos procesos en la PC. Ejemplos de esto se evidencian en
investigaciones actuales en otras partes del mundo [3], [4], [5],
[6], [7]. Además, el DSP consume poca energía, tiene un
tamaño compacto y realiza operaciones matemáticas en
tiempo real, contando con un BIOS incorporado para
programar tareas en momentos específicos.
En cuanto al uso del puerto USB, la respuesta radica en la
capacidad de lograr velocidades de transferencia de hasta 12
Mb/s con el dispositivo seleccionado, o hasta 5 Gbps al
cambiar a un dispositivo compatible con la especificación 3.0.
El puerto USB es un protocolo de comunicación estándar con
alta confiabilidad y facilidad de conexión, y su uso está cada
vez más extendido en sistemas de cómputo. Además, la
investigación continua busca mejorar la tasa de transferencia
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
[8].
Aunque existen trabajos relacionados que exploran el uso de
procesamiento de señales digitales en equipos médicos de
diagnóstico, como se observa en [9], [10], [11] y [12], el
enfoque propuesto en este trabajo difiere al implementar
algoritmos directamente en un DSP y utilizar un sistema de
comunicación USB, eliminando la necesidad de una tarjeta de
comunicación adicional con la PC.
1.4 OBJETIVOS
El objetivo general establecido para este proyecto es el
siguiente:
Desarrollar e implementar un sistema electrónico de propósito
específico que emplee el protocolo de comunicación USB y
ejecute un conjunto de operaciones sobre el EEG en un DSP,
con el fin de optimizar el uso de recursos en aplicaciones en
línea.
Los objetivos específicos delineados para este trabajo son los
siguientes:
Desarrollar software en un DSP para la adquisición de 21
señales analógicas provenientes del amplificador del EEG, con
una frecuencia de muestreo de hasta 1000Hz.
Crear el algoritmo para el filtrado digital de las señales
directamente en el DSP.
Desarrollar el software necesario para la comunicación entre
el DSP y la PC a través del puerto USB.
Sincronizar la adquisición de datos con la comunicación USB.
Modificar el software actual del EEG para integrar la
comunicación con la tarjeta de adquisición de datos
desarrollada en el proyecto.
La Figura 1.3 ilustra el concepto propuesto de solución para
este trabajo.
Figura 1.3 Modificación de la comunicación entre el EEG
Digital y la PC utilizando un DSP
II. METODOLOGIA
2.1 BASES BIOMÉDICAS
La ingeniería biomédica, como disciplina relativamente
reciente, ha evolucionado para convertirse en un campo
interdisciplinario de gran importancia. Los ingenieros
biomédicos se dedican al diseño, desarrollo y aplicación de
materiales, dispositivos (como marcapasos,
electroestimuladores, etc.) y técnicas (incluyendo
procesamiento de señales, inteligencia artificial, entre otras)
tanto para investigaciones como para aplicaciones clínicas. Su
objetivo principal es encontrar nuevas soluciones a los
diversos desafíos de salud que enfrenta nuestra sociedad [1],
[2], [13], dando lugar al desarrollo de aplicaciones
3
biomédicas, como se observa en la Figura 2.1.
Figura 2.1 Aplicaciones biomédicas.
En la Figura 2.1 se presentan dos aplicaciones biomédicas
actualmente en desarrollo. La imagen izquierda describe el
avance de una aplicación de software diseñada para ayudar a
los neurólogos a identificar posibles problemas neurológicos
en un paciente, indicando con un punto rojo la zona afectada.
Por otro lado, la imagen derecha muestra una cápsula de
tamaño reducido que, al ser ingerida por el paciente, realiza un
escaneo de los signos vitales durante un periodo específico, y
al finalizar dicho lapso, la cápsula es absorbida por el
organismo.
Las transformaciones en el campo de la medicina, impulsadas
por los rápidos avances en disciplinas aplicadas como la
química, física, ingeniería, fisiología, entre otras, han creado
un entorno propicio para que la investigación médica logre
notables avances en el desarrollo de técnicas destinadas al
diagnóstico y tratamiento de enfermedades.
• El ámbito de la ingeniería biomédica actualmente
engloba diversas áreas emergentes, algunas de las
cuales son:
• Análisis de sistemas de ingeniería para abordar
problemáticas biológicas.
• Detección, medición y monitoreo de señales
fisiológicas mediante biosensores e instrumentación
médica.
• Interpretación diagnóstica mediante técnicas de
procesamiento de señales de datos bioeléctricos.
• Desarrollo de dispositivos y procedimientos
terapéuticos y de rehabilitación.
• Creación de dispositivos para el reemplazo o mejora
de funciones corporales, como órganos artificiales.
• Análisis computacional de datos relacionados con
pacientes y toma de decisiones clínicas, abarcando la
informática médica e inteligencia artificial.
• Avances en imagen médica, que incluyen la
visualización gráfica de detalles anatómicos o
funciones fisiológicas.
• Desarrollo de nuevos productos biológicos a través de
la biotecnología.
La ingeniería biomédica, siendo una disciplina
interdisciplinaria de ingeniería, abarca desde proyectos
teóricos no experimentales hasta aplicaciones de vanguardia
[14]. Estas aplicaciones pueden involucrar la investigación,
desarrollo, implementación y operación de soluciones
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery 4

biomédicas. Un beneficio significativo de la ingeniería

biomédica radica en su capacidad para identificar problemas y
necesidades en el actual sistema de atención médica, y
abordarlos mediante el uso de tecnologías de ingeniería y
metodologías de sistemas existentes. En consecuencia, la
ingeniería biomédica ofrece una perspectiva esperanzadora en
la continua lucha por proporcionar atención médica de alta
calidad a un costo razonable.

2.2 PRINCIPIOS DE ELECTROENCEFALOGRAFÍA

La electroencefalografía consiste en el registro y evaluación

de los potenciales eléctricos generados por el cerebro,
generalmente inferiores a 400uV, obtenidos mediante
electrodos colocados en la superficie del cuero cabelludo. El
electroencefalograma (EEG) representa el registro de la
actividad eléctrica de las neuronas cerebrales, con formas
complejas que varían significativamente según la ubicación de
los electrodos y entre individuos. Un electroencefalógrafo es
un equipo médico de diagnóstico diseñado para realizar
electroencefalogramas mediante la adquisición
procesamiento de las señales cerebrales.
2.2.1 Perspectiva histórica
En 1870, Fritsch y Hitzig observaron que la estimulación
con corriente galvánica en áreas específicas de cerebros
expuestos provocaba movimientos en el lado opuesto del
cuerpo. Posteriormente, en 1913, Prawdwicz-Neminski
registró el "electrocerebrograma" de un perro, siendo el
primero en intentar clasificar tales observaciones. Es crucial
señalar que estos experimentos se realizaron en cerebros
expuestos, ya que las diferencias de potencial eran tan
pequeñas que aún no existía la capacidad de amplificar estos
voltajes, dificultando el registro de impulsos que alcanzaran el
exterior del cráneo.
Figura 2.2 Ritmos normales en electroencefalografía
y La actividad bioeléctrica cerebral puede ser captada utilizando
diversos métodos, ya sea sobre el cuero cabelludo, en la base
del cráneo o en el cerebro expuesto. Para capturar la señal, se
emplean diferentes tipos de electrodos, como los superficiales,
basales y quirúrgicos.
La Figura 2.2 ilustra los ritmos normales que se observan en
un estudio de EEG, originados en la corteza cerebral. En el
caso del EEG Digital desarrollado por CIDESI®, se adquieren
21 señales provenientes del cuero cabelludo, junto con un
punto de referencia comúnmente ubicado en la frente. Esto se
realiza para seguir el estándar internacional 10-20 en la
colocación de los electrodos. La Figura 2.3 presenta un
diagrama que indica la ubicación y el nombre de cada posición
de los electrodos según este estándar.

Fue en 1928 cuando Hans Berger ideó un método para

investigar la actividad eléctrica cerebral, descubriendo el
"ritmo de Berger". Berger observó que el ritmo amplio y
regular se alteraba cuando el sujeto abría los ojos o resolvía
problemas mentalmente. En esta época, ya era posible utilizar
amplificadores para monitorear los potenciales eléctricos
desde el cuero cabelludo.

2.2.2 Técnicas para grabar un EEG

Las grabaciones de un EEG, desde el cuero cabelludo,

permiten medir los cambios de potencial en el tiempo entre un
electrodo de señal y uno de referencia. La etapa de
acondicionamiento es crucial debido a la susceptibilidad del
cerebro a interferencias eléctricas y de movimiento muscular.
Las señales cerebrales oscilan en un rango de voltaje de 1 a
200uV y en un rango de frecuencia entre 0.5 a 100 Hz.
Figura 2.3 Nombre y ubicación de cada electrodo según
estándar 10-20 para un EEG.
Como se mencionó anteriormente, los potenciales
bioeléctricos del cerebro generalmente tienen un rango de
frecuencia entre 0.5 y 100 Hz para casos clínicos. Sin
embargo, en situaciones especiales, como estudios científicos,
se consideran frecuencias mucho más altas. Por lo tanto, se
recomienda que cualquier equipo de electroencefalografía sea
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
capaz de muestrear señales de hasta 200 Hz, y actualmente, el
estándar manejado es de 1000 Hz por canal monitoreado.
En la grabación del EEG, es común utilizar montajes o
derivaciones bipolares para la visualización de señales, lo que
implica la formación de la diferencia entre dos electrodos para
crear un canal de visualización (por ejemplo, Fp1-F7). En
algunas condiciones, es importante obtener las señales en
modo referencial, donde un electrodo menos la referencia se
presenta en un canal visual (por ejemplo, Fz-Ref).
A continuación, se presenta una tabla que muestra la
subdivisión de frecuencias presentes en un
electroencefalograma según la frecuencia predominante en la
actividad actual del paciente.
Tabla 2.1 Frecuencia dominante según actividad o condición
del paciente [15].
A partir de lo anterior, se evidencia que en el análisis de un
EEG es crucial identificar la frecuencia predominante en
ciertas actividades y/o condiciones del paciente. Por este
motivo, ciertas herramientas para el análisis de la frecuencia
de los potenciales bioeléctricos son esenciales para el médico,
entre las que se incluyen histogramas y/o mapeo cerebral.
El EEG Digital desarrollado por CIDESI® presenta las
siguientes características distintivas:
• Adquisición de 21 canales.
• Frecuencia de muestreo de hasta 1000 Hz.
• Resolución de 12 bits.
• Filtrado digital.
• Configuración de montajes personalizada por el
usuario.
• Mapeo cerebral.
• Histogramas de frecuencia.
• Video EEG.
2.3 SISTEMAS DE MEDICIÓN IDEAL DE
BIOSEÑALES
En la Figura 2.4 se presenta una representación esquemática
de un sistema de medición biomédico típico. El proceso
fisiológico de interés se convierte en una señal eléctrica
mediante un transductor. Por lo general, se requiere un
5
procesamiento de señal analógica, que incluye amplificación y
filtrado de paso bajo o paso banda. Dado que es más
conveniente realizar el procesamiento de la señal mediante
métodos digitales, la señal analógica se convierte a digital
mediante un convertidor analógico a digital.
Una vez convertida, la señal se almacena frecuentemente en
memoria para facilitar el procesamiento subsiguiente de la
señal.
Figura 2.4 Representación esquemática de un sistema de
medición de bioingeniería típico
En aplicaciones en tiempo real, es esencial procesar los datos
de entrada de manera rápida y determinista, utilizando un
sistema de buffers mínimo para evitar retrasos en la obtención
de los datos. En este proyecto, se gestionan los datos en
tiempo real, realizando la conversión analógica a digital, el
almacenamiento en un buffer y el procesamiento a través de
un Procesador Digital de Señales (DSP) de Texas Instruments.
La elección de esta compañía se basa en la colaboración de
CIDESI como casa de diseño de Texas Instruments, brindando
un amplio conocimiento de las herramientas de desarrollo y
acceso directo a soporte técnico, lo que reduce posibles
riesgos en el desarrollo del proyecto.
El ruido o la variabilidad en la señal son inherentes a la
mayoría de los sistemas de medición y a menudo limitan el
rendimiento de los equipos médicos. En las mediciones
biomédicas, la variabilidad tiene cuatro orígenes principales:
• Variabilidad fisiológica: Debido a influencias
biológicas distintas a las de interés en el sujeto de
medición.
• Ruido ambiental o interferencia: Puede provenir de
fuentes externas o internas al cuerpo, como en el caso
del EEG, donde se captan señales del movimiento
muscular, los ojos y, en ocasiones, del corazón.
• Artefactos del transductor: Ocurren cuando el
transductor responde a energías diferentes de las
deseadas, como el artefacto de movimiento en
grabaciones de potenciales eléctricos mediante
electrodos en la piel.
• Ruido electrónico: Con características y fuentes
conocidas, este tipo de ruido abarca un amplio rango
de frecuencias y se presenta en cualquier sistema
electrónico.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
El ruido ambiental puede originarse tanto de fuentes
externas como internas al cuerpo. Un ejemplo clásico es el
EEG, donde se captan señales procedentes del movimiento
muscular, de los ojos y, en casos específicos, del corazón [4],
[17].
Los artefactos en el transductor se generan cuando este
responde a energías distintas a las deseadas. Por ejemplo, en
grabaciones de potenciales eléctricos con electrodos sobre la
piel, se ve afectado por artefactos de movimiento, donde los
electrodos reaccionan tanto al movimiento mecánico como a
la señal eléctrica buscada.
En contraste con otras fuentes de variabilidad, el ruido
electrónico tiene características y fuentes bien identificadas.
Este tipo de ruido abarca un amplio rango de frecuencias
desde DC hasta 1012-1013 Hz, y se conoce como "ruido
blanco" porque contiene energía en todas las frecuencias
relevantes para aplicaciones biomédicas. La energía de este
ruido es prácticamente constante en todo el espectro y está
presente en cualquier sistema electrónico.
Finalmente, en la tabla 2.3 se presentan las diversas fuentes de
ruido o variabilidad, junto con sus causas respectivas y
posibles soluciones.
Tabla 2.2 Fuentes de ruido en sistemas biomédicos [14]
Un estudio de electroencefalografía se ve influenciado por
diversas fuentes de interferencia, incluyendo el ruido
ambiental, artefactos y ruido electrónico. Para mitigar estos
efectos en la etapa analógica, se implementa un proceso de
amplificación y filtrado analógico. Este ajuste se realiza para
obtener señales máximas de ±3.0 V, en contraste con el valor
actual de ±10.0 V antes de ingresar a la fase de adquisición de
datos.
2.4 Procesamiento Digital de Señales (DSP): En esta sección,
se exploran conceptos esenciales del procesamiento digital de
señales (DSP), un aspecto central en este trabajo. Se detallan
las diferencias entre señales analógicas y digitales, y se aborda
el tema de los filtros digitales.
Señales Analógicas y Digitales: El DSP utiliza información
codificada en forma de secuencias de mediciones numéricas,
generalmente provenientes de datos monitoreados en el mundo
real, como biopotenciales, vibraciones sísmicas, imágenes y
ondas de sonido. Se destaca que la conversión de señales
analógicas a digitales habilita su manipulación mediante
operaciones matemáticas y algoritmos.
Aplicaciones del Procesamiento Digital: El DSP ha sido
aplicado extensamente en la medición y análisis de señales. Se
6
describen dos enfoques principales: preacondicionar la señal
medida, que implica rechazar ruido e interferencias mediante
filtros digitales; e interpretar las propiedades de los datos
obtenidos, útil en la identificación de la morfología de señales
bioeléctricas o la identificación de objetos.
Filtros Digitales en Equipos Médicos: Los filtros digitales son
componentes habituales en equipos electrónicos médicos,
como electrocardiógrafos (ECG) y electroencefalógrafos
(EEG). Estos dispositivos capturan biopotenciales, señales
débiles que suelen estar acompañadas de ruido e
interferencias. La presencia de filtros digitales contribuye a
mejorar la calidad de las mediciones al eliminar o reducir
estos elementos no deseados.
2.5 Señales Continuas:
Se refiere a una señal continua en amplitud y tiempo cuando
puede asumir una cantidad infinita de valores y el tiempo
puede dividirse en incrementos infinitamente pequeños. Este
tipo de señal es comúnmente conocido como analógico en la
actualidad, como se ilustra en la figura 2.5.
Figura 2.5 Señal analógica vs Señal digital.
Los potenciales bioeléctricos generados por el cerebro, el
corazón, entre otros, se clasifican, según las definiciones
previas, como señales analógicas. En el contexto de este
proyecto, el procesamiento se llevará a cabo en un DSP y
posteriormente se enviará la información a una PC. Por lo
tanto, es esencial realizar una conversión de señal analógica a
digital. A continuación, se proporcionará una explicación
teórica sobre el proceso de conversión analógica a digital y su
implementación en este trabajo.
2.6 CONVERSIÓN ANALÓGICA A DIGITAL
En este proyecto, se emplean dos convertidores analógico-
digitales, específicamente el TLV2556 [43]. Estos dispositivos
poseen una resolución de 12 bits, una velocidad de 200 KSps
y disponen de 11 canales de entrada analógica. Estas
características son adecuadas para cumplir con el requisito de
monitorear las 21 señales bioeléctricas del cerebro.
La señal analógica se convierte a digital a través de un proceso
denominado digitalización o conversión analógica a digital.
Este proceso se basa en dos operaciones fundamentales: el
muestreo, que consiste en tomar muestras de la señal
analógica en intervalos regulares, y la cuantificación, que
implica asignar valores digitales a estas muestras.
En este proyecto, se emplean dos convertidores analógico-
digitales, específicamente el TLV2556 [43]. Estos dispositivos
poseen una resolución de 12 bits, una velocidad de 200 KSps
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
y cuentan con 11 canales de entrada analógica, lo que permite
cumplir con la exigencia de monitorear las 21 señales
bioeléctricas del cerebro.
La conversión de la señal analógica a digital se lleva a cabo
mediante un proceso conocido como digitalización o
conversión analógica a digital, el cual se basa en dos
operaciones fundamentales: el muestreo, el
En este proyecto, se utilizan dos convertidores analógico-
digitales, específicamente el TLV2556 [43], los cuales tienen
12 bits de resolución, 200 KSps y 11 canales de entrada
analógica, satisfaciendo así la necesidad de monitorear las 21
señales bioeléctricas del cerebro.
La conversión de la señal analógica a digital implica dos
operaciones fundamentales. Primero, el muestreo, que consiste
en tomar muestras de la señal en momentos específicos y de
manera regular. La segunda operación es la cuantificación,
que implica aproximar los valores continuos de la amplitud a
un conjunto manejable de valores en el sistema digital.
En la figura 2.6 se presentan los elementos básicos de un
sistema de procesamiento digital de señales. La señal
analógica se convierte primero en una señal de tiempo discreto
mediante un circuito de muestreo y retención. La salida de este
circuito se aplica a continuación a un convertidor analógico-
digital (ADC), donde la señal analógica muestreada se
convierte en una señal codificada digitalmente.
Posteriormente, la señal digital obtenida se aplica a un sistema
de procesamiento de señales (PC, uC, DSP, uP), donde se
lleva a cabo un algoritmo. Dependiendo de la aplicación, en
ocasiones es necesario que la salida del procesador digital se
utilice directamente en forma digital, mientras que en otras
situaciones es necesario volver a convertir la señal digital a
una señal analógica mediante un convertidor digital-analógico
(DAC).
Figura 2.6 Sistema de procesamiento digital de señales.
En nuestra situación, nos limitamos al sistema de
procesamiento hasta el DSP, ya que los datos se transmiten
desde este hacia la PC a través del bus USB en formato digital.
Por lo tanto, no necesitamos el convertidor DAC en este
contexto.
2.6.1 Muestreo
La operación de convertir una señal continua en el tiempo a
una señal discreta en el tiempo se conoce como muestreo. Este
procedimiento implica tomar muestras de la señal continua en
intervalos regulares de tiempo [28]. Más precisamente, se
puede conceptualizar como la multiplicación de la señal
continua en el tiempo g(t) con un tren de pulsos unitarios p(t),
7
resultando en la señal muestreada g#
(t), como se muestra en la fórmula 2.1 y la figura 2.7.
(2.1)
Debido a que los pulsos unitarios son solamente unos o ceros,
la multiplicación puede
ser considerada como una operación de switcheo.
Figura 2.7 Muestreo visto como un proceso de multiplicación.
El periodo de tiempo T entre los pulsos unitarios del tren de
pulsos es llamado periodo de muestreo. Este periodo T está
relacionado a la taza de muestreo o frecuencia de
muestreo fs tal que:
(2.2)
En una señal continua, conocemos su valor en cualquier
momento del tiempo, mientras que en una señal discreta en el
tiempo (señal muestreada), solo conocemos su valor en puntos
específicos del tiempo. Para llevar a cabo adecuadamente el
proceso de muestreo, se aplica el teorema de Nyquist. El Dr.
Nyquist formuló el siguiente teorema de muestreo: "Una señal
muestreada contiene toda la información sin ninguna
distorsión cuando la frecuencia de muestreo (fs) es al menos el
doble de la frecuencia máxima (fmax) de la señal muestreada".
Este teorema establece que la reconstrucción exacta de una
señal periódica continua a partir de sus muestras es
matemáticamente posible si la señal está limitada en banda y
la tasa de muestreo es al menos el doble de su ancho de banda.
En caso contrario, si no se cumple con este criterio, pueden
surgir frecuencias cuyo muestreo coincida con otras, lo que
conduce a un problema conocido como aliasing.
En este trabajo, se consideran frecuencias de muestreo que van
desde 200 Hz hasta 1000 Hz para las señales bioeléctricas del
cerebro, como se menciona en el capítulo 2.
Los biopotenciales eléctricos del cerebro abarcan un rango de
0.5 Hz a 100 Hz, lo que satisface la condición del teorema de
muestreo. En el análisis de frecuencia del proceso de
muestreo, se revela que este crea múltiples réplicas infinitas
del espectro de la señal original g(t). Cada réplica está
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
desfasada por múltiplos de la frecuencia de muestreo ws,
como se ilustra en la figura 2.8. Dos situaciones pueden surgir
durante el muestreo de la señal: si fmax < fs/2, las copias del
espectro no se superpondrán (figura 3.4a). Sin embargo, si
fmax ≥ fs/2k, las copias del espectro se superpondrán (figura
2.8b). En situaciones prácticas, para evitar el efecto alias, se
coloca siempre un filtro pasa bajos (anti-alias) antes del
dispositivo de muestreo. Este filtro tiene la función de reducir
el ancho de banda de la señal continua dentro de las
frecuencias de interés.
Figura 2.8 Parte del espectro de una señal muestreada.
Dado que la construcción de filtros perfectos es prácticamente
imposible, existe el riesgo de que componentes de frecuencia
muy alta se introduzcan en la señal muestreada, generando una
distorsión conocida como "aliasing". Además, el aliasing
podría ocurrir si señales de muy alta frecuencia se incorporan
al camino después de aplicar el filtro anti-aliasing.
2.6.2 Cuantificación
El proceso de muestreo mencionado anteriormente convierte
una señal continua en el tiempo en una señal discreta en el
tiempo, mientras que el proceso de cuantificación convierte
una señal que es continua en amplitud en una señal discreta en
amplitud, como se ilustra en la figura 2.9. La mayoría de los
sistemas en la actualidad emplean el código binario, donde el
número de niveles de cuantificación N, o resolución, es:
N = 2 ^n (2.3)
Donde "n" es la longitud del dato binario. Por ejemplo, en
nuestro caso, los biopotenciales se cuantificarán con n=12 bits,
lo que resultará en una resolución de N=4096. En otras
palabras, los valores continuos de las señales de entrada al
sistema de adquisición de datos se dividirán en solo 4096
valores distintos. Es evidente que al utilizar más bits para
8
representar los biopotenciales, la resolución del sistema
mejorará, lo que proporcionará una representación más precisa
de la señal original.
Figura 2.9 Cuantificación de señal análoga
2.6.3 Filtro anti-alias
Para prevenir el fenómeno de aliasing en un sistema de
adquisición de datos, es comúnmente utilizado el filtro anti-
aliasing, un filtro analógico pasa bajos colocado justo antes de
los convertidores analógico a digital (ADC). Este filtro tiene
como objetivo limitar el ancho de banda de la señal analógica
que será muestreada [29]. En este proyecto, se han
incorporado filtros anti-aliasing para cada canal, con una
frecuencia de corte de 100 Hz a la salida de cada señal del
amplificador del EEG, cumpliendo así con esta fase. Este
filtrado se mantiene de la versión de adquisición de datos con
la tarjeta comercial de NI. Cabe destacar que el filtro
implementado en la etapa de acondicionamiento del EEG es
un filtro pasa bajos RC.
2.6.4 Arquitecturas de convertidores análogo-digital más
usuales.
Los convertidores analógico-digitales (ADC) son dispositivos
que transforman una señal analógica en una palabra digital.
Los convertidores convencionales llevan a cabo el muestreo
de la señal analógica, que varía en el tiempo, a una frecuencia
suficientemente alta para captar las componentes de más alta
frecuencia de dicha señal, de acuerdo con el teorema de
muestreo. En consecuencia, la frecuencia de muestreo es un
requisito crucial para seleccionar una arquitectura de
convertidor adecuada. Diversas arquitecturas aprovechan el
paralelismo para alcanzar velocidades de operación elevadas,
en el rango de cientos de megahercios, mientras que otras
pueden utilizarse para obtener alta precisión, con resoluciones
de 16 o 24 bits, en señales con frecuencias máximas en el
orden de decenas de kilohercios. Entre las arquitecturas
comunes se encuentran Flash, de aproximaciones sucesivas y
Sigma-Delta.
2.7 FILTROS DIGITALES
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
En muchas aplicaciones del procesamiento de señales es
necesario diseñar dispositivos o algoritmos que realicen
operaciones sobre las señales y que los englobaremos bajo la
denominación genérica de Sistemas. Un filtro digital es un
sistema de tiempo discreto que realiza alguna transformación
sobre una señal de entrada digital x(n), generando una
secuencia de salida y(n), tal y como se aprecia en la figura
2.10.
Figura 2.10 Diagrama de bloque de un filtro digital.
El comportamiento de un filtro se describe comúnmente en
términos de la relación entrada-salida. Esta relación se evalúa
introduciendo diversas entradas al filtro y observando δ(n) la
respuesta del sistema a cada una de ellas. Cuando la entrada es
la secuencia de impulsos la respuesta al impulso desempeña
un papel fundamental para describir las características del
filtro. Matemáticamente, un filtro digital genérico se expresa
mediante la ecuación 2.4.
(2.4 )
Siendo h(n-k) la respuesta a δ(n-k), la ecuación queda:
(2.5)
Como se puede apreciar, la ecuación 2.5, está basada en la
convolución y la cual define la propiedad del filtro. Un filtro
debe ser estable pero pudiera ser o no casual. Un filtro es
estable si y solo si,
(2.6)
Casualidad implica que el filtro no responderá a una entrada
antes de que esta sea aplicada. Un filtro es considerado casual
si y solo si h (k)=0 para k<0. La convolución se utiliza de
manera fundamental en la implementación de un filtro digital,
como se explica en la sección 3.3.1.
Similar a los filtros analógicos, existen diversas
clasificaciones para los filtros digitales. Estas clasificaciones
se basan en la parte del espectro que permiten pasar y atenúan.
Algunas de ellas incluyen pasa alto, pasa bajo, pasa banda y
rechaza banda. Además, los filtros pueden clasificarse según
su orden, como primer orden, segundo orden, y así
sucesivamente. También se pueden categorizar según el tipo
de respuesta ante una entrada unitaria, dividiéndose en FIR
(Respuesta al Impulso Finita) e IIR (Respuesta al Impulso
9
Infinita).
En la actualidad, los filtros digitales se utilizan ampliamente
en una variedad de dispositivos electrónicos. Aunque pueda
parecer simple, en este trabajo se ha propuesto el uso de filtros
digitales para filtrar las señales bioeléctricas del EEG
directamente en el procesador de señales digitales (DSP), en
lugar de realizar este filtrado en la PC como se ha hecho hasta
ahora. El filtro específico utilizado para las aplicaciones de
EEG es un filtro FIR pasa bandas, junto con un rechaza banda
a 60 Hz, y puede ser aplicado también para un ECG.
2.7.1 Convolución
La convolución es un método matemático para combinar dos
señales y formar una tercera. Es una técnica fundamental en el
Procesamiento de Señales Digitales, ya que relaciona las tres
señales clave: la señal de entrada, la señal de salida y la
respuesta al impulso del sistema.
La respuesta al impulso representa la reacción de un sistema
lineal ante una señal de impulso (función delta), comúnmente
normalizada y denominada impulso unitario. Esta prueba es
útil para verificar si dos sistemas son diferentes, ya que cada
uno tendrá una respuesta al impulso única.
(2.7)
(2.8)
La función es cero para cualquier valor de t, excepto en t = 0,
donde el valor de la
función es infinito, en la figura 2.11 se puede ver la
representación gráfica de esta
función.
Figura 2.11 Función Delta ó impulso.
Conociendo la respuesta al impulso de un sistema,
inmediatamente se sabrá cómo
reaccionará el sistema a cualquier impulso.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
Figura 2.12 Respuesta al impulso.
En vista de lo expuesto, al efectuar la operación de
convolución entre la señal de entrada y la respuesta al impulso
del sistema, podemos determinar la señal resultante, como se
ilustra en la figura 2.13. Comúnmente, la convolución se
denota con el símbolo *, y se emplea extensamente en la
implementación de filtros digitales, como se muestra en la
figura 2.14. En este proyecto, estamos aplicando la
convolución en el Procesador de Señales Digitales (DSP)
específicamente para llevar a cabo el filtrado digital
Figura 2.13 Convolución.
Figura 2.14 Aplicación de la convolución en filtros digitales.
En la mayoría de las aplicaciones de Procesamiento de
Señales Digitales (DSP), es común que la señal de entrada
contenga cientos, miles o incluso millones de muestras,
mientras que la respuesta al impulso suele ser
significativamente más breve. Aunque matemáticamente la
convolución no impone restricciones a la longitud de estas
señales, se especifica la longitud de la señal resultante. En
10
términos precisos, la longitud de la señal de salida se
determina como la suma de la longitud de la señal de entrada y
la longitud de la respuesta al impulso, disminuida en uno.
Si describimos el proceso de convolución en el ámbito digital
mediante una fórmula, obtenemos la siguiente expresión:
(2.9)
En donde:
• y[i] : Señal de salida
• i : i-esima muestra de la señal de salida
• M : La cantidad de datos de la respuesta al impulse
• h[j] : Respuesta al impulso
• j = j-esima muestra de la respuesta al impulso
A continuación, se detallarán tanto los filtros de respuesta al
impulso finito (FIR) como los filtros de respuesta al impulso
infinito (IIR). Como se ha señalado anteriormente en este
trabajo, exclusivamente se emplea el filtro FIR para la
implementación de un filtro pasa banda y otro rechaza banda
de 60 Hz.
2.7.2 Respuesta al Impulso Finito (FIR)
Los filtros digitales de Respuesta Finita al Impulso, también
conocidos como filtros FIR (por sus siglas en inglés Finite
Impulse Response), constituyen un tipo de filtro en el cual,
conforme a su denominación, si la entrada es una señal
impulso, la salida presenta un número limitado de términos no
nulos. La configuración de la señal en la salida del filtro se
fundamenta exclusivamente en la combinación lineal de las
entradas actuales y anteriores, de la siguiente manera:
(2.10)
donde N es el orden del filtro, que también coincide con el
número de términos no nulos y con el número de coeficientes
bk del filtro. Observe que la expresión de la ecuación 2.10
corresponde a la convolución de la señal de entrada y[i] con la
respuesta al impulso del filtro FIR h[n], ecuación 2.9.
Aplicando la transformada Z a la respuesta al impulso del
filtro FIR h[n], se tiene:
(2.11)
En la figura 2.15, se muestra el diagrama en bloques de la
estructura básica del filtro FIR, para una cantidad de 12
coeficientes.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery 11

Figura 2.15 Representación en diagrama a bloques del filtro

FIR con 12 coeficientes.

Ya que un filtro FIR ideal es aquel sistema discreto cuya

salida es una versión escalada, a través de un factor Ao, y
desfasada de la entrada, por D muestras, es decir:
(2.12)
El filtro no distorsiona la excitación x[n] al permitir el paso de
sus componentes frecuenciales en el rango de interés. Así pues
se tiene que la función de transferencia es:
( 2.13)
Siendo la respuesta en frecuencia o la transformada de Fourier
a tiempo discreto del filtro FIR igual a:
(2.14)
Figura 2.16 Parámetros de un filtro digital pasa bajas.
Para diseñar un filtro FIR, es esencial considerar que la
cantidad de coeficientes o la duración de la respuesta al
impulso del filtro siempre es finita, a diferencia de la respuesta
al impulso de su correspondiente filtro ideal. Por lo tanto, la
respuesta al impulso del filtro FIR exhibirá un cierto nivel de
truncamiento implícito en comparación con la respuesta al
impulso del filtro ideal. Este truncamiento se refleja en la
respuesta en frecuencia del filtro, donde se producen
ondulaciones antes y después de cualquier discontinuidad. Por
esta razón, es comúnmente práctica utilizar ventanas a través
de un número finito de secuencias de w[n], con el objetivo
principal de reducir los rizos en la banda de rechazo de la
respuesta en frecuencia del filtro.
En la figura 2.17 se presenta una representación gráfica de esta
situación, y la tabla 2.3 exhibe las ventanas típicas que se
emplean con mayor frecuencia [28].

De la ecuación 2.14 se deduce que la magnitud H(ejΩ)

permanece constante en el rango de frecuencias para el cual se
diseñó el filtro, y la fase varía de manera lineal con la
frecuencia.

En la práctica, un filtro implementado físicamente presenta

bandas de paso, transición y rechazo, no solo frecuencias de
corte, como se ilustra en la figura 2.16, correspondiente a un
filtro pasa bajos.

El siguiente paso implica la obtención de los coeficientes del

filtro FIR cuya respuesta cumple con las especificaciones.
Además, se destaca que el filtro FIR es estable, ya que su
función de transferencia discreta no tiene polos fuera del
círculo unitario, como se muestra en la ecuación 2.10.

Figura 2.17 Concepto del diseño de filtros digitales utilizando

ventanas.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
Tabla 2.3 Ventanas utilizadas en las operaciones de filtrado
digital.
Las características principales de los filtros FIR radican en la
ausencia de retroalimentación, lo que implica una mayor
exigencia en términos de capacidad de memoria. Además,
estos filtros son inherentemente estables, tienden a tener fase
lineal y, en general, son más sencillos de implementar en
comparación con los filtros IIR.
Cuando se aborda el diseño de filtros, se busca alcanzar un
comportamiento específico tanto en el dominio del tiempo
como en el dominio de la frecuencia. Este comportamiento
inicialmente se guía por consideraciones "estéticas", que se
traducen en la estabilidad, la distorsión y la disposición
espacial de los ceros del filtro.
2.7.3 Respuesta al impulso infinito (IIR)
La ecuación básica para el filtro IIR es la misma que para
cualquier proceso lineal general mostrado en la ecuación 2.15.
(2.15)
En la ecuación mencionada, b(n) corresponde a los
coeficientes del numerador, que también se utilizan en los
filtros FIR. Por otro lado, a(n) representa los coeficientes del
denominador, x(n) es la señal de entrada, y y(n) es la salida.
Los coeficientes del numerador, b(n), operan exclusivamente
12
sobre los valores de entrada, x(n), mientras que los
coeficientes del denominador, a(n), afectan a valores
anteriores de la salida, y(n), razón por la cual a veces se
denominan coeficientes recursivos.
La principal desventaja de los filtros IIR es su característica
de fase no lineal. El diseño de estos filtros no es tan directo
como el de los filtros FIR. Dado que los filtros IIR tienen
funciones de transferencia que son análogas a un proceso
lineal general, que incluye tanto polos como ceros, muchos
conceptos del diseño de filtros analógicos pueden aplicarse a
estos filtros. La determinación del número de polos necesario
en un filtro IIR para lograr una atenuación deseada es un
proceso relativamente sencillo.
Existen dos métodos generales para el diseño de filtros de
respuesta al impulso infinita (IIR). El método más común
implica el diseño de un filtro analógico IIR y luego mapearlo a
su equivalente digital. El segundo método utiliza un enfoque
algorítmico que generalmente requiere el uso de computadoras
para resolver un conjunto de ecuaciones lineales y no lineales.
Este método se emplea para diseñar filtros con respuestas en
frecuencia arbitrarias, que no están limitadas por las
características de los filtros analógicos existentes.
En el diseño de un filtro digital a partir de su prototipo
analógico, es necesario transformar Ha(t) en Ha(n) o, de
manera equivalente, Ha(s) en Ha(z). El mapeo del plano s al
plano z se puede expresar como:
(2.16)
En la expresión mencionada, m(z) representa la función de
mapeo. Para que la transformación genere un filtro digital
aceptable, la función de mapeo m(z) debe cumplir con las
siguientes propiedades:
• Mapeo del eje jΩ al círculo unidad |𝑧| = 1: Este
mapeo debe establecer una correspondencia uno a
uno entre el eje jΩ y el círculo unidad, con el fin
de preservar las características de respuesta en
frecuencia del filtro analógico.
• Puntos del semiplano izquierdo: Los puntos en el
semiplano izquierdo deben ser mapeados a puntos
dentro del círculo unidad para garantizar la
estabilidad de los filtros analógicos.
• Función racional de z: La función de mapeo m(z)
debe ser una función racional de z para que Ha(s)
sea mapeada a una función racional en z.
En el contexto actual del desarrollo, se utiliza un filtro
pasabanda con frecuencias de 0.5 Hz a 100 Hz y una banda de
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
rechazo de 60 Hz para el procesamiento de señales. Estos dos
últimos filtros son del tipo FIR y se aplican mediante la
operación de convolución
III. DESARROLLO Y RESULTADOS DEL PROYECTO
Como se ha expuesto a lo largo de este informe, el
propósito central de este trabajo es abordar cuatro factores
fundamentales en el marco del desarrollo del EEG Digital en
CIDESI:
• Reducción de procesos en la PC: El objetivo es
minimizar la carga de trabajo que realiza la
computadora personal en términos de
procesamiento de señales.
• Determinismo en la aplicación: Se busca lograr un
comportamiento determinista en la aplicación,
asegurando respuestas predecibles y consistentes.
• Comunicación con cualquier computadora personal:
Se pretende establecer una comunicación eficiente
con cualquier computadora personal, garantizando
flexibilidad en la integración del sistema.
• Disminución de costos: El objetivo incluye la
reducción de los costos asociados con la
implementación y operación del sistema.
Cada sección ha proporcionado los fundamentos teóricos
necesarios para cumplir con los objetivos establecidos al inicio
del proyecto. En la siguiente parte, se detallará cada fase del
desarrollo y se presentarán los resultados obtenidos. Es
importante destacar que se parte de la premisa de la existencia
previa de un equipo de electroencefalografía digital en
CIDESI, compuesto por un módulo de amplificación de
señales bioeléctricas y una computadora personal con una
tarjeta de adquisición de datos comercial y un software
dedicado. Este trabajo se centra principalmente en modificar la
adquisición de señales y parte del software existente,
reemplazando la tarjeta de adquisición de datos comercial por
un desarrollo propio, eliminando el procesamiento de señales
en la PC y agregando la comunicación con el amplificador de
señales a través del puerto USB.
3.1 ADQUISICIÓN DE LAS SEÑALES DE EEG
En primer lugar, se examina el proceso de adquisición de
datos. La Secretaría de Salud, a través del cuadro básico para
equipos de electroencefalografía digitales, especifica que la
frecuencia de muestreo debe ser de 1000 datos por segundo, y
la cantidad de datos que se deben monitorear son 21
electrodos, considerando cada electrodo como un canal a
adquirir.
Adicionalmente, se tiene conocimiento de que la señal de
interés en electroencefalografía varía en amplitud desde 25 a
13
200 µV y en frecuencia desde 0.5 a 100 Hz.
Con base en la información proporcionada, se lleva a cabo
una búsqueda de convertidores analógico-digitales que
podrían ser utilizados en la aplicación, teniendo en cuenta el
tamaño final del prototipo.
Se inicia la exploración enfocándose en los convertidores de
Texas Instruments y considerando el número de canales
disponibles por componente. Esta empresa ofrece
convertidores analógicos a digitales con capacidades de 1, 2,
3, 4, 6, 7, 8, 11, 12 y 16 canales. Al evaluar las opciones, se
observa que seleccionar un convertidor de 8 canales permitiría
alcanzar una resolución de hasta 24 bits, pero se requerirían
tres de estos convertidores. Por otro lado, optar por uno de 11
canales ofrecería hasta 12 bits de resolución y solo serían
necesarios dos convertidores. Dadas las opciones, se reduce la
consideración a convertidores de 8 y 11 canales.
Se examina la resolución de los convertidores, destacando
que para los de 8 canales se podría lograr una resolución
máxima de 24 bits, mientras que para los de 11 canales se
obtendría como máximo 12 bits. A continuación, se revisa la
cantidad de bits necesarios para obtener una resolución
aceptable en el sistema.
Dado que la señal de interés en electroencefalografía tiene una
amplitud máxima de 200 µV (o ±100 µV en un
acondicionamiento bipolar), y considerando que el DSP opera
con una alimentación de 3.3 Voltios, se establece una
referencia de 1.5 Voltios para el convertidor analógico-digital.
Con esta configuración, se concluye que para -100 µV,
después de las etapas de amplificación, se obtendría una señal
de 0 Voltios, y para 100 µV se alcanzarían 3 Voltios.
Con los datos anteriores calculamos la resolución para 12 bits.
Aplicando la fórmula 4.1.
(3.1)
Sustituyendo valores tenemos
(4.2)
La información previa señala que por cada variación de bit en
el convertidor, se tiene una variación de 733 µV en la entrada.
Este valor representa el voltaje mínimo que nuestro sistema
puede detectar con la resolución especificada. Cabe destacar
que esta medida es posterior a la amplificación de la señal de
interés. Ahora es necesario calcular cuál sería la mínima
variación de la señal original antes de la amplificación que
podría ser detectada.
Con base en los cálculos, se determina que el sistema podría
detectar una variación mínima de la señal original de
aproximadamente 0.049 µV, lo cual resulta adecuado para la
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
aplicación.
Considerando estos resultados, se elige utilizar el ADC
TLV2556 en el diseño. Este componente, de la empresa Texas
Instruments, presenta las siguientes características [48]:
El ADC TLV2556 de Texas Instruments, seleccionado para el
diseño, presenta las siguientes características:
• Resolución de 12 bits.
• Velocidad de muestreo de hasta 200 kS/seg.
• Dispone de 11 canales de entrada analógica.
• Máximo error de linealidad de ±1 LSB.
• Operación unipolar o bipolar.
• Longitud de datos de salida programable.
• Interfaz de comunicación serial SPI con una
velocidad de hasta 15 MHz.
En el diagrama funcional del ADC TLV2556, representado en
la figura 4.1, se observan las entradas analógicas AIN0 hasta
AIN10. VCC se conecta a 3.3 V, operando en modo unipolar
con REF+ conectado a una referencia de 1.5 V y REF-
conectado a GND (0 V). La señal ̅INT̅̅ /EOC genera una
interrupción al DSP para indicar la finalización de una
conversión.
La comunicación SPI se implementa mediante los siguientes
pines:
• DATA IN: Utilizado por el DSP para configurar el
ADC.
• CS̅ : Este pin permite al DSP seleccionar cuál de los
dos ADC le solicita datos.
• I/O CLOCK: Este pin proporciona al ADC la
frecuencia de reloj para su operación, suministrada
por el DSP.
• DATA OUT: El ADC envía al DSP la trama de datos
con los diez valores de conversión.
Figura 3.1 Diagrama de bloque funcional del ADC
3.2 DISEÑO DE FILTROS DIGITALES
Dada la naturaleza de la señal en la aplicación, que
corresponde a un biopotencial eléctrico del cerebro, se deben
tener en cuenta dos aspectos cruciales para el diseño del
14
filtrado de la señal.
En primer lugar, debido al movimiento de los cables que
transportan las señales desde el paciente hasta el equipo EEG,
se genera un offset en la señal adquirida del cabezal. Este
offset tiene una frecuencia de oscilación por debajo de los 0.5
Hz.
En segundo lugar, se sabe que las señales de interés para
esta aplicación están por debajo de los 100 Hz, y debido a la
alimentación eléctrica en México, donde contamos con un
suministro de energía de 60 Hz, las señales adquiridas siempre
contienen la frecuencia de 60 Hz. Por esta razón, y debido a
las magnitudes de la señal de interés, muchas veces el ruido de
60 Hz es mayor que la señal del EEG.
Con base en estas dos consideraciones, se requiere la
implementación de tres filtros principalmente. El primero sería
un filtro pasa-altas con una frecuencia de corte de 0.5 Hz. El
segundo sería un filtro pasa bajas con una frecuencia de corte
de 100 Hz. Por último,
Figura 4.2 Señal Fp1-F7 de Physionet.
frecuencia, el ruido de 60 Hz y el ruido de alta frecuencia.
Este enfoque permite evaluar la eficacia de los filtros
diseñados y aplicados en el procesamiento de señales con
interferencias comunes en las señales de electroencefalografía.
La figura 4.2 muestra la señal original obtenida de la base
de datos y la señal modificada que incluye las interferencias
simuladas, permitiendo así realizar pruebas y validaciones del
rendimiento de los filtros en condiciones realistas. Cada
conjunto de datos representa 10 segundos de grabación.
Este enfoque de simulación facilita la evaluación del
comportamiento de los filtros en situaciones de interferencia
típicas, lo que resulta esencial para garantizar la robustez y la
eficacia del sistema ante condiciones del mundo real.
y alta frecuencia, así como también el de 60 Hz. En la figura
4.3 se muestra la señal Fp1-F7 ya con el ruido añadido a la
señal original.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery 15

Figura 3.3 Señal Fp1-F7 de Physionet con ruido.

filtro, más recursos computacionales requerirá su

implementación en el DSP.

El VI Configure Classical Filter Design en LabVIEW

facilita la generación del arreglo de coeficientes según el
diseño de filtro necesario. En este contexto, se busca diseñar
un filtro pasa-banda que abarque desde una frecuencia muy
baja, como 0.5 o 1 Hz, hasta aproximadamente 100 Hz, así
como un filtro rechaza-banda específicamente para la
frecuencia de 60 Hz.
Dado que se requiere eliminar la señal de muy baja
frecuencia inducida por el movimiento de los cables de EEG y
el offset, así como también las altas frecuencias que no son
parte de la señal de EEG, se opta por un filtro pasa-banda.
Además, dado que la frecuencia de línea de 60 Hz está dentro
del rango de medición y debe ser eliminada, se implementa un
filtro rechaza-banda.
LabVIEW ofrece el VI Configure Classical Filter Design,
como se muestra en la figura 4.4, que permite generar los
coeficientes necesarios para el diseño del filtro. Se exploran
dos opciones para el filtro pasa-banda: la primera consiste en
realizar un filtro pasa-bajas en cascada con un filtro pasa-altas
o viceversa, y la segunda implica diseñar directamente el filtro
pasa-bandas. Se llevan a cabo pruebas en LabVIEW para
determinar cuál de estas configuraciones proporciona mejores
resultados.
Figura 3.4 Diseño de filtro pasa-banda.
Al emplear el VI "Configure Classical Filter Design" y
seleccionar directamente un filtro pasa-banda, se obtiene que
el filtro tendría 1856 coeficientes, según la configuración
realizada. En contraste, al optar por la configuración de un
filtro pasa-bajas y otro pasa-altas, se tendría un orden de 474 y
1856, respectivamente, para un total de 2330 coeficientes,
manteniendo la misma configuración que el filtro pasa-banda.
De manera análoga, se lleva a cabo el diseño del filtro
rechaza-banda utilizando la herramienta de LabVIEW. En la
figura 4.5 se presenta la configuración realizada, resultando en
un filtro de orden 800. Este orden se refiere a la cantidad de
coeficientes del filtro diseñado.
La elección entre estas opciones no solo considera la eficacia
del filtrado, sino también el impacto computacional. Un filtro
con menos coeficientes puede ser más eficiente en términos de
recursos computacionales, lo cual es crítico al implementar el
filtro en el DSP.

La elección entre estas opciones se basa en verificar cuál de

las dos tiene un orden de filtro menor y, por supuesto, cuál
presenta un comportamiento adecuado con una señal real de
EEG. El orden de un filtro indica la cantidad de coeficientes
que tiene, y un filtro con menos coeficientes requiere menos
recursos computacionales para su implementación en el DSP.

Figura 3.5 Diseño de filtro rechaza-banda.

 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
Como lo comentamos previamente, ahora requerimos validar
la funcionalidad de ambas implementaciones para un filtro
pasa-banda. En las figuras 4.6 y 4. 7 se muestran las imágenes
de las señales filtradas por ambas implementaciones (pasa-
banda directo o pasa-altas + pasa-bajas) en conjunto con el
filtro rechaza-banda.
Figura 3.6 Señal Filtrada por filtro pasa-banda y rechaza-
banda.
Figura 3.7 Señal Filtrada por filtro pasa-altas en casacada con
pasa-bajas, así como rechaza-banda.
Adicional a estas dos implementaciones, también se validó
una tercera, en donde se intercambian los filtros pasa-altas y
pasa-bajas, pero al tener el mismo comportamiento que las dos
implementaciones anteriores no se coloca la imagen de la
señal resultante con esta última implementación. En la figura
4.8 se muestra parte del código implementado en LabVIEW
para la realización de estas pruebas.
Figura 3.8 Código LabVIEW – Análisis de Filtros.
Los resultados obtenidos revelan que prácticamente no hay
variación significativa entre las diferentes implementaciones
posibles del filtro pasa-banda. En vista de esto, se considera
más conveniente implementar directamente el filtro pasa-
banda en el DSP en lugar de realizar el filtro en cascada. La
figura 4.9 muestra las dos señales superpuestas, una
correspondiente a la implementación directa del filtro pasa-
banda y la otra a la implementación en cascada con pasa-altas
y pasa-bajas. Este análisis respalda la elección de simplificar
la implementación utilizando directamente el filtro pasa-banda
en el DSP.
16
Figura 3.9 Señales superpuestas del filtro pasa-banda
Los coeficientes generados para cada filtro son almacenados
en un archivo de texto, el cual se utilizará ya en nuestro diseño
final para la implementación del filtro digital en el DSP.
4.3 PROCESADOR DIGITAL DE SEÑALES
TMS320C5509A
En esta fase, comenzaremos a trabajar con el DSP, el
procesador de señales utilizado en este trabajo. En conjunto
con el ADC, se emplea el TMS320VC5509 de la empresa
Texas Instruments. Inicialmente, se utiliza una tarjeta de
evaluación de este procesador fabricada por la empresa
Spectrum Digital TMS320VC5509EVM. A partir de esta
tarjeta, se inicia el trabajo hasta desarrollar un prototipo propio
en CIDESI.
La tarjeta de evaluación (EVM) mencionada permite
examinar todas las características del procesador de señales
digitales C5509. Esto es crucial para determinar si estas
características cumplen con los requisitos deseados para esta
aplicación, como bajo consumo de energía, comunicación
USB y determinismo. Además, este módulo sirve como una
excelente plataforma para desarrollar y ejecutar firmware para
los procesadores de señales digitales TMS320VC5509 [49].
En la figura 4.10, se presenta el diagrama de bloques de la
tarjeta de evaluación utilizada, y a continuación, se describen
algunas de las características generales de dicha tarjeta de
evaluación.
Procesador VC5509A operando a 120 MHz.
• Interfaz de Bus Serial Universal (USB) 1.1
• Display de cristal líquido (LCD) de 128x64 pixeles y teclado
con nueve botones y potenciómetros.
• Cuatro conectores de expansión (datos, entradas/salidas,
control e interfaz de host port).
• Interfaz para memorias tipo Memory Stick y Media Card.
• Memoria RAM 4 Meg x 16 DRAM
• Memoria Flash 1 Meg x 16.
• Conector JTAG (1149.1) para emulación.
• Operación a 5 VDC
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
Figura 3.10 Diagrama a bloques TMS320VC5509 EVM
Ahora procederemos a realizar el análisis para determinar la
cantidad de datos que necesitan ser transmitidos desde el
Procesador Digital de Señales (DSP) hacia la PC, de acuerdo
con las especificaciones técnicas de nuestro sistema. Como se
ha mencionado anteriormente, es necesario que el equipo sea
capaz de operar en frecuencias de muestreo que oscilan entre
200 Hz y 1000 Hz, conforme a las normativas establecidas
para equipos de Electroencefalografía (EEG) registrados en el
país. En este contexto, si consideramos una frecuencia de
muestreo (fs) de 200 Hz, un Convertidor Analógico-Digital
(ADC) con una resolución de 12 bits y un amplificador de
EEG con 21 canales, obtenemos lo siguiente:
𝑓𝑠 ∗ #𝑏𝑖𝑡𝑠𝐴𝐷𝐶 ∗ #𝐶𝑎𝑛𝑎𝑙𝑒𝑠 = 200 ∗ 12 ∗ 21 = 50,400
𝑏𝑖𝑡𝑠/𝑠𝑒𝑔 (3.3)
Si se cambia únicamente la frecuencia de muestreo a 1000 Hz,
la cual corresponde a la frecuencia de muestreo más alta
contemplada para la aplicación, tendremos:
𝑓𝑠 ∗ #𝑏𝑖𝑡𝑠𝐴𝐷𝐶 ∗ #𝐶𝑎𝑛𝑎𝑙𝑒𝑠 = 1000 ∗ 12 ∗ 21 = 252,000
𝑏𝑖𝑡𝑠/𝑠𝑒𝑔 (3.4)
En función de los objetivos establecidos, para la obtención de
1000 datos por segundo, se presenta una necesidad de 252
kilobits por segundo. El procesador digital de señales C5509A
dispone de un puerto USB que permite el desarrollo de
dispositivos USB "full speed", totalmente compatible con la
versión 1.1 de la especificación del bus serial universal (USB),
con una tasa de transferencia de datos de hasta 12 megabits
por segundo. De esta manera, se alcanza la máxima capacidad
de transferencia de datos mediante el puerto USB.
En relación con el desarrollo del firmware (programación,
compilación y depuración) en el DSP, se utiliza el software
Code Composer Studio v3.1, un entorno de desarrollo
integrado (IDE) exclusivo para dispositivos de Texas
17
Instruments.
Como se mencionó con anterioridad, la aplicación involucra la
adquisición, filtrado y envío de datos a una computadora
personal, siendo crítico el tiempo entre cada tarea ejecutada.
Por lo tanto, se tomó la decisión de emplear una herramienta
potente de los DSP de Texas Instruments conocida como
DSP/BIOS. Este kernel de tiempo real escalable proporciona
métodos para sincronizar y planificar tareas críticas en forma
paralela.
A través de este kernel o sistema operativo, se lleva a cabo
el control de los tiempos de adquisición y procesamiento de
datos. Además, proporciona la capacidad de gestionar de
manera efectiva la memoria del dispositivo, tanto en la
definición del tamaño como en las transferencias de datos
mediante DMA (Acceso Directo a Memoria).
En la figura 3.11 se presenta el diagrama de estados del
firmware desarrollado en el DSP, ilustrando cómo se ejecutan
tareas de manera simultánea en forma paralela.
Figura 3.11 Diagrama de estados del firmware desarrollado
En colaboración con el kernel mencionado, durante este
proyecto se emplea otra herramienta fundamental de Texas
Instruments denominada DSP/BIOS Driver. Esta herramienta
posibilita la creación de controladores específicos para los
periféricos presentes en el DSP y sus tarjetas de evaluación
asociadas o prototipos finales personalizados. Además, ofrece
la opción de integrar a una aplicación controladores
previamente desarrollados por otros, en caso de no ser
necesario crear nuevos controladores.
En nuestro caso, hemos utilizado esta herramienta como punto
de partida para gestionar la tarjeta de evaluación del DSP, lo
que nos ha permitido comprender su manejo de recursos.
Además, la empleamos en el desarrollo de un controlador
personalizado para la comunicación con los ADC utilizados en
este proyecto.
En la figura 3.12, podemos visualizar el entorno de desarrollo
para el firmware del DSP. El código mostrado corresponde a
la implementación de la adquisición de datos usando
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
comunicación SPI con el ADC externo
Figura 4.12 Entorno de desarrollo para el DSP.
Durante la fase de diseño y depuración del código del
firmware del DSP, se emplearon señales sinusoidales
generadas mediante un equipo comercial. A estas señales se
les añadieron distintos niveles de ruido, variando tanto su
amplitud como su frecuencia. En una primera instancia, se
enfocó en la adquisición de datos, desarrollando un
controlador para la comunicación entre el ADC seleccionado y
el DSP 5509A.
Este módulo de adquisición se perfeccionó hasta lograr su
funcionalidad para diversas frecuencias de muestreo,
abarcando desde los 200 Hz hasta los 1000 Hz. Es importante
destacar que la frecuencia de muestreo será seleccionada por
el usuario a través del software en la PC, con opciones
preestablecidas. Las frecuencias disponibles son 200 Hz, 500
Hz y 1000 Hz.
Figura 3.13 Validación de filtrado digital implementado en
DSP.
3.4 COMUNICACIÓN USB
Una vez confirmada la efectividad de la adquisición de
datos, se procedió a la implementación del módulo de filtrado
de señales en el DSP. En esta fase, se incorporaron dos filtros
digitales tipo FIR mediante la convolución de los coeficientes
generados por LabVIEW con los datos adquiridos para cada
18
filtro.
Durante este periodo, se realizaron pruebas variadas para
validar los diseños de ambos filtros, comenzando con la
aplicación del filtro pasa-banda y luego del filtro rechaza-
banda. Se exploraron diferentes órdenes de filtros, ya que los
órdenes originales resultaron ser demasiado altos, lo que
conllevaba a un aumento en las operaciones y, por ende, en el
tiempo de procesamiento. En términos generales, a medida
que aumenta la cantidad de coeficientes, se incrementa el
tiempo necesario para procesar los datos.
Por tanto, se trabajó de cerca con el diseño en la PC y la
implementación del filtro en el DSP, buscando un equilibrio
entre la cantidad de coeficientes y el tiempo de procesamiento.
Se buscó alcanzar un punto óptimo ajustado a la señal de
interés. Finalmente, se estableció un tamaño de 150
coeficientes para el filtro pasa-banda y 55 para el rechaza-
banda.
La validación de las frecuencias de corte de ambos filtros se
llevó a cabo con la ayuda de un generador de frecuencias,
según se muestra en la figura 4.13. Este generador
suministraba señales eléctricas al amplificador del EEG,
permitiendo observar la atenuación de la señal para
frecuencias anteriores y posteriores a las frecuencias de corte.
En un sistema USB, hasta la versión 2.0, la comunicación se
establece entre un dispositivo maestro y un esclavo, siendo el
host típicamente el dispositivo maestro que inicia todas las
transferencias de datos entre él y los dispositivos USB
conectados al sistema. Es crucial comprender la dirección de
una transferencia de datos, que se describe en relación con el
host:
Transferencia de Salida (OUT Transfer): Hace referencia a
la transferencia de datos desde el host hacia el dispositivo, es
decir, desde el Host hacia el Dispositivo.
Transferencia de Entrada (IN Transfer): Se refiere a la
transferencia de datos desde un dispositivo hacia el host, es
decir, desde el Dispositivo hacia el Host.
En este contexto, el Host se refiere a la PC a la cual se
conectará el Electroencefalograma (EEG) mediante el puerto
USB, mientras que el dispositivo es la tarjeta desarrollada en
este trabajo para facilitar la comunicación entre el EEG y la
PC.
Como se detalló en el tercer capítulo de este trabajo, cada
transferencia en una comunicación USB, ya sea de entrada o
salida, puede ser de uno de los siguientes tipos: Transferencia
de Control (Control Transfer), Transferencia Bulk (Bulk
Transfer), Transferencia de Interrupción (Interrupt Transfer) o
Transferencia Isócrona (Isochronous Transfer).
El dispositivo utilizado en este trabajo cuenta con un
endpoint de entrada y un endpoint de salida para cada uno de
los tipos de transferencia manejados en una comunicación
USB. Todos los datos transferidos entre el host USB y el
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
dispositivo USB pasan a través de un endpoint en el
dispositivo.
En función de lo mencionado anteriormente, se define:
OUT Endpoint: Se refiere a un endpoint que retiene los
datos recibidos desde el host USB. Para utilizar los datos
enviados por la PC, el DSP debe leer los datos desde un
endpoint de salida.
IN Endpoint: Hace referencia a un endpoint que almacena los
datos que se enviarán al host USB. Para transmitir los datos
adquiridos hacia el host, el DSP debe escribir los datos en un
endpoint de entrada.
El dispositivo USB empleado en este desarrollo cuenta con
16 endpoints, de los cuales dos son exclusivos para
transferencias de control (IN0 y OUT0), mientras que los
catorce restantes (IN1-IN7 y OUT1-OUT7) son endpoints de
propósito general. Estos últimos se pueden configurar
mediante código para cualquiera de las tres transferencias
restantes (Bulk, Interrupt o Isochronous).
La figura 4.14 proporciona una representación conceptual
de cada uno de los bloques en el módulo USB presente en el
DSP C5509A. Cabe destacar que los bloques sombreados no
forman parte del módulo USB, sino del DSP. El bloque
denominado SIE actúa como el manejador del protocolo USB.
Esta figura ilustra la interacción entre los distintos bloques del
módulo USB con la CPU y la memoria del DSP para llevar a
cabo transferencias de datos, tanto de entrada como de salida,
a través del puerto USB.
Se recomienda encarecidamente el uso del controlador DMA
para la transferencia de datos entre la memoria del DSP y el
módulo USB. Esto ayuda a reducir la carga de tareas en el
procesador, ya que las transferencias por DMA son mucho
más eficientes que transferir datos directamente desde la
memoria del DSP sin la utilización de DMA. Por lo tanto, en
la implementación en el DSP, se gestiona la transferencia de
datos a través del DMA.
Figura 3.14 Diagrama a bloques conceptual del módulo USB
19
del DSP C5509A.
De acuerdo con la teoría presentada en el capítulo 3 y las
especificaciones técnicas de nuestra aplicación, se determina
que la comunicación de los datos adquiridos hacia la PC debe
realizarse mediante la transferencia isócrona. Esta elección se
fundamenta en que este tipo de transferencia asegura la menor
latencia posible en la comunicación entre el host y el
dispositivo. Sin embargo, cabe mencionar que la desventaja de
la transferencia isócrona radica en la ausencia de un chequeo
de errores automático. Por lo tanto, es crucial validar la
comunicación con este tipo de transferencia e implementar
manualmente el chequeo de errores.
Además de la transferencia isócrona, es necesario
implementar la transferencia de control, requerida por
cualquier dispositivo USB para el proceso de enumeración y la
desconexión del dispositivo. Por último, se considera la
implementación de una transferencia de interrupción, dado
que la adquisición de datos debe controlarse desde la PC. Es
decir, el usuario determina cuándo iniciar o finalizar este
proceso.
En el DSP, se trabajó con estos tres tipos de transferencias,
configurando los registros necesarios para establecer la
comunicación y asegurándose de que la lectura de las señales
y el envío de datos no interfieran en el procesamiento del
DSP.
Durante el desarrollo de este proyecto, se procedió
inicialmente a configurar los endpoints IN y OUT asociados a
la transferencia de control para verificar que la PC pudiera
reconocer el dispositivo y llevar a cabo el proceso de
inicialización y enumeración en el DSP. Estos endpoints
desempeñan un papel clave al asistir al DSP cuando el usuario
conecta o desconecta el dispositivo de un puerto USB en la
PC, generando los eventos necesarios para el reconocimiento
del dispositivo o para desactivar la comunicación.
En la figura 3.15, se presenta el código de una función que
implementa una respuesta a los eventos del bus USB y
gestiona los paquetes de configuración del USB.
Esencialmente, maneja la lógica y eventos de los endpoints
asociados a transferencias de control.
Un desafío inicial asociado al uso de transferencias
isócronas fue la falta de un controlador genérico para
Windows que pudiera ser utilizado para que la PC reconociera
el dispositivo USB. Por lo tanto, fue necesario desarrollar
controladores específicos para Windows, utilizando el
Windows Driver Kit (WDK) de Microsoft para generar un
controlador específico del dispositivo que utilizara
transferencias isócronas.
Una vez completada la redacción del código del controlador
para facilitar la comunicación entre el dispositivo USB y la
PC, se realizaron pruebas de validación para garantizar que la
PC pudiera reconocer el dispositivo conectado de manera
adecuada. Posteriormente, se procedió a trabajar en el envío de
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
datos previamente filtrados a la PC mediante el puerto USB,
así como en la implementación de la transferencia de
interrupción para iniciar y detener la adquisición de datos
desde la PC.
Figura 3.15 Código para manejar eventos en endpoints de
control.
En la figura 3.16 se muestra una parte del código
implementado de la rutina para realizar una transferencia
isócrona en un dispositivo USB.
Finalmente se logró la comunicación correcta y el driver
desarrollado funciona correctamente en la PC. Se genera un
código en LabWindows/CVI, importando la dll que se generó
del driver para poder trabajar con las funciones de
comunicación al dispositivo USB
20
Figura 3.16 Código para transferencia isócrona en el DSP.
El software original del EEG Digital, previamente
desarrollado en CIDESI, se creó utilizando la plataforma
LabWindows/CVI. Para este proyecto, se continuó trabajando
con esta plataforma, realizando ajustes en el programa original
para reemplazar las etapas de adquisición y procesamiento de
las señales.
En la versión original, la adquisición de datos se llevaba a
cabo utilizando una tarjeta comercial de adquisición de datos
de National Instruments, a través del puerto PCI de una PC.
En el software, se empleaban los controladores
proporcionados por National Instruments para la
comunicación con sus tarjetas de adquisición de datos.
La principal modificación en la aplicación se efectuó en este
punto, ya que ahora la adquisición de datos se realiza en la
tarjeta electrónica desarrollada, y los datos se transmiten desde
esta tarjeta hacia la PC mediante el puerto de comunicación
USB. Como se mencionó anteriormente, fue necesario
desarrollar un controlador específico para facilitar la
comunicación entre la tarjeta desarrollada y la PC.
La nueva versión del código del software del EEG Digital
utiliza este controlador desarrollado y ajusta el código para la
adquisición de datos. En la aplicación original del EEG,
después de adquirir datos, se realizaba el filtrado digital de las
señales antes de mostrarlas al usuario y almacenarlas en la PC.
Con el desarrollo llevado a cabo en este trabajo, los datos
enviados desde la tarjeta electrónica hacia la PC ya son datos
con señales filtradas digitalmente. Por lo tanto, otro cambio en
la aplicación consistió en eliminar la etapa de filtrado en la
aplicación de la PC.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
Estos fueron los cambios implementados en la aplicación
del EEG Digital, logrando finalmente obtener una versión
funcional del EEG con la tarjeta electrónica desarrollada en
este trabajo.
A continuación, se presenta una comparativa entre una
adquisición utilizando el EEG en su estado actual (figura 4.17)
y la adquisición con el diseño desarrollado en este trabajo
(figura 4.18).
Figura 3.17 Resultado utilizando la tarjeta de adquisición de
datos PCI comercial y una PC.
Figura 4.18 Resultado utilizando la tarjeta desarrollada en el
presente trabajo y una PC.
IV. CONCLUSIONES
4.1 CONCLUSIONES
Finalmente se trabajó en el desarrollo de un prototipo del
módulo de adquisición de datos, ya que todo el trabajo previo
se realizó utilizando un módulo comercial de evaluación del
DSP, pero este módulo es costoso, ya que contiene muchos
componentes adicionales que para nuestra aplicación no son
requeridos. Por lo tanto a partir de analizar que componentes
son requeridos, se procede a diseñar un prototipo que nos
permita validar la adquisición, filtrado y comunicación USB,
el cual se instala directamente en el amplificador del EEG
Digital. En la figura 5.1 se muestra el prototipo desarrollado
21
de manera final para este trabajo de tesis.
Figura 4.1 Prototipo electrónico final.
Se planteó inicialmente los siguientes objetivos:
- Desarrollo de software en un DSP para la adquisición de 21
señales analógicas, con una frecuencia de muestreo de hasta
1000Hz.
- Desarrollo del algoritmo para el filtrado digital de las señales
en el propio DSP.
- Desarrollo de software para la comunicación entre el DSP y
la PC mediante el puerto USB.
- Sincronizar la adquisición de datos con la comunicación
USB.
- Modificar el software actual del EEG para integrar la
comunicación con la tarjeta de adquisición de datos
desarrollada en el proyecto. Con el desarrollo completo en este
trabajo se logró cumplir completamente con cada uno de estos
objetivos específicos planteados al inicio del trabajo, vale la
pena
comentar que en el tema de adquisición de datos se maneja el
cambio de frecuencia de muestreo en valores predefinidos,
debido a que se colocan los coeficientes para cada uno de los
filtros en la memoria ROM del módulo desarrollado y no
podría trabajar con cualquier frecuencia seleccionada en el
rango requerido. Finalmente los valores que el usuario podría
seleccionar para la frecuencia de muestreo en la adquisición de
datos son: 200Hz, 500Hz y 1000Hz.
En la figura 4.2, se muestra el desarrollo completo realizado
en el presente trabajo.
Figura 4.2 Resultado final del trabajo realizado.
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery
V. REFERENCIAS
[1] D. Lederman, F. W. Maloney, y L. Servén, Lessons from
NAFTA for Latin American and Caribbean (LAC) Countries:
A Summary of Research Findings, 2003.
[2] Secretaría de Salud México, Programa de Acción:
Investigación en Salud, México DF, 2001.
[3] E. Biegeleisen, K. Nepal, T. Ning, Real-time Analysis of
Biomedical Signals using a High Speed DSP Board, 2002.
[4] D. Cvetkovic, E. D. Übeyli, I. Cosic, Wavelet transform
feature extraction from human PPG, ECG, and EEG signal
responses to ELF PEMF exposures: A pilot study, Digital
Signal Processing 18, pp. 861–874, 2007.
[5] M. Engin, et al, A prototype portable system for EEG
measurements, Measurement 40, Elseiver Ltd, pp.936-942,
2007
[6] C. Guger, Design of an EEG-based Brain-Computer
Interface (BCI) from standard components running in real-
time under Windows, Biomed Tech (Berl), 44(1-2), pp.6-12,
Jan-Feb 1999.
[7] R. Hornero, et al, A DSP Implementation of Wavelet
Transform to Detect Epileptiform Activity in the EEG,
Proceedings of the Eighth Annual International Conference on
Signal Processing Applications and Technology, 2000.
[8] http://www.usb.org/developers
[9] A. Furfaro, et al, Procesamiento Intensivo del ECG con
procesadores IA-32 e IA-64, XV Congreso Argentino de
Bioingenieria, 2005.
[10] M. Najim, Digital Filters Design for Signal and Image
Processing, iSTE, 2006.
[11] L. Sousa, at al, Generic Architecture Designed for
Biomedical Embedded Systems, IFIP International Federation
for Information Processing, Volume 231, Embedded System
Design: Topics, pp. 353–362, 2007.
[12] B. Hollý, A. S. Hassan, AD Converters and DSP in
Biomedical Engineering Education, 2003.
[13] American Academy of Neurology, Assessment of Digital
EEG, Quantitative EEG, and EEG Brain Mapping, Report of
the American Academy of Neurology and the American
Clinical Neurophysiology Society, 1997.
[14] J.D. Bronzino, The Biomedical Engineering Handbook,
CRC Press LLC, Second Edition, 2000.
[15] S. Meneses, Acondicionamiento para
Electroencefalógrafo, Informe Técnico, 2004.
[16] T. J. Willis, Biomedical Digital Signal Processing,
Prentice Hall, 2000.
[17] D. J. Mcfarland, A. T. Lefkowicz, J. R. Wolpaw, Design
and operation of an EEGbased brain–computer interface with
digital signal processing technology, Behavior Research
Methods, Instruments, & Computers, 29 (3), pp.337–345,
1997
[18] S. W. Smith, Digital Signal Processing - A Practical
Guide for Engineers and Scientists, Newnes, 2003.
[19] J. Bai, et al, A Portable ECG and Blood Pressure
Telemonitoring System, IEEE Engineering in Medicine and
Biology, pp. 63-70, 1999.
[20] M. S. Filho, H. A. Schneebeli, A. C. Machado, An
22
integrated software platform for the design and DSP-based
implementation of digital filters, IEEE, 1997.
[21] E. Jovanov, et al, Real Time Holter Monitoring of
Biomedical Signals, DSP Technology and Education
Conference DSPS, August 4-6, 1999, Houston, Texas.
[22] C. S. Ho, et al, Design of Portable ECG Recorder with
USB Storage, IEEE, 2007
[23] D. Balasubramaniam, D. Nedumaran, Doppler
Spectrogram Calculation using CFFT Algorithm in a Digital
Signal Processor Based System, Third Asia International
Conference on Modelling & Simulation, pp. 341-344, 2009.
[24] I. Bloch, Information Fusion in Signal and Image
Processing: Major Probabilistic and Non-probabilistic
Numerical Approaches, Wiley, 2008.
[25] W. Hamadene, L. Peyrodie, C. Vasseur, Exploring the
Nonlinear Dynamics of EEG Signals, IEEE CCECE/CCGEI,
Saskatoon, May 2005.
[26] M. Mesbah, B. Boashash, Performance comparison of
seizure detection methods using EEG of newborns for
implementation of a DSP subsystem, 2002.
[27] E. Jovanov, et al, Real Time Portable Heart Monitoring
Using Low Power DSP, International Conference on Signal
Processing Applications and Technology ICSPAT, 2000,
Dallas, Texas.
[28] J. G. Proakis, Dimitris G. Manolakis, Tratamiento digital
de señales. Principios, algoritmos y aplicaciones, Ed. Prentice
Hall, 1998.
[29] J. Van de Vegte, Fundamentals of Digital Signal
Processing, Ed. Prentice Hall, 2001.
[30] V. K. Madisetti, Digital Signal Processing Handbook:
Video, Speech and Audio Signal Processing and Associated
Standards, CRC Press, Second Edition, 2010.
[31] J. L. Semmlow, Biosignal and Biomedical Image
Processing MATLAB based Applications, Marcel Dekker Inc,
New York, NY, 2004.
[32] D. Stranneby, Digital Signal Processing: DSP &
Applications, Newnes, 2001.
[33] Hu, Yu Hen, Programmable Digital Signal Processors:
Architecture, Programming and Applications, New York, NY,
USA: Marcel Dekker Incorporeted, 2001.
[34] G. Frantz, DSP’s Past Can’t Hold a Candle to its Future,
Texas Instruments, 2007
[35] P. Lapsley and Jeff Bier, DSP Processor Fundamentals
Arquitectures and Features, IEEE, 1997.
[36] S. M. Kuo, W. Seng Gan, Digital Signal Processors
Architectures, Implementations, and Applications, Ed.
Prentice Hall, 2004.
[37] S. Note, P. van Lierop, J. van Ginderdeuren, Rapid
Prototyping of DSP Systems: Requirements and Solutions,
1995
[38] Compaq, Intel, Microsoft, NEC, Universal Serial Bus
Specification Rev. 1.1, 1998.
[39] S. Olsen, USB - Under the Hood and Looking Forward:
An Introduction to USB and the future of USB, 2007.
[40] B. Bo, S. Shuying, W. Chunping, Design of Data
Acquisition Equipment Based on USB, 2007.
[41] C. Cansaya Herrera, Desarrollo de una interfaz USB para
 Universidad Católica de Santa María. Cueto Brayan, Suni Brian Rodrigo , Valdivia Valery 23

el control de estaciones de radio HF y VHF para

comunicación de datos, 2005.
[42] W. Chengru, L.Yingwei, The principle of USB 2.0 and
project developing, 2006.
[43] Z. Xi, The introduction of USB technology, 2005.
[44] Z. Nianhuai, J Hao, The USB interface developing
manual, 2002.
[45] J. Hyde, USB Design by Example: A Practical Guide to
Building I/O Devices, 2nd Edition, Intel Press, 2001.
[46] A. Jan, USB Complete, 4th Edition, Lakeview Research
LLC, Madison, WI, 2009.
[47] R. Posada, et al, USB Bulk Transfers between a PC and a
PIC Microcontroller for Embedded Applications, Electronics,
Robotics and Automotive Mechanics Conference, 2008.
[48] Texas Instruments, TLV2556 Datasheet, Rev. 1, 2002.
[49] Spectrum Digital Inc, TMS320VC5509 Evaluation
Module Technical Reference, Rev. B, 2001.
[50] Texas Instruments, TMS320C5000 DSP/BIOS API
Reference Guide, 2003
[51] Texas Instruments, TMS320C55x Chip Support Library
API Reference Guide, September 2004.
[52] Texas Instruments, DSP/BIOS Driver Developer’s Guide,
2002.
[53] http://www.physionet.org/