Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Captulo I
1.1 Comportamiento Neuronal ___________________________________________ 4 1.2 Descripcin general__________________________________________________ 5 1.3 Equipo para el registro_______________________________________________ 6 1.4 Tipos de seales ____________________________________________________ 1.4.1 Electrooculograma (EOG) _________________________________________ 1.4.2 Electromiograma (EMG) __________________________________________ 1.4.3 Electroencefalograma (EEG) _______________________________________ 1.4.4 Electrocardiograma (ECG) _________________________________________ 6 6 7 7 9
1.5 Tratamiento de la seal ______________________________________________ 9 1.5.1 Transformada de Wavelet _________________________________________ 10 1.5.2 Anlisis de componentes independientes (ICA) ________________________ 11 Captulo II 2.1 Procesamiento de seales _____________________________________ 13 16 16 17 17 19 21 23 24 25 26 27 28 28 28 30 30 32 32 34 35 36 37 Introduccin ___________________________________________________ 13
2.2 Seales en tiempo continuo y discreto_______________________________ 2.2.1 Representacin Analgica _____________________________________ 2.2.2 Representacin Digital ________________________________________ 2.2.3 Seales en tiempo continuo ____________________________________ 2.2.4 Seales en tiempo discreto _____________________________________ 2.3 2.4 Seales Electrocardiogrficas (ECG) _______________________________ 2.4.1 Tipos de ondas que se registran _________________________________ 2.4.2 Principio de medicin _________________________________________ 2.4.2.1 Derivaciones de miembros ___________________________________ 2.4.2.2 Derivaciones precordiales____________________________________ 2.4.3 Anlisis de un ECG. __________________________________________ 2.4.3.1 Frecuencia ________________________________________________ 2.4.3.2 Ritmo cardiaco ____________________________________________ 2.5 Seales Electroencefalogrficas (EEG)______________________________ 2.5.1 Principio de medicin _________________________________________ 2.5.2 Interpretacin del EEG ________________________________________ 2.5.2.1 Tipos de frecuencias ________________________________________ 2.5.3 Diferentes morfologas del EEG_________________________________ 2.6 Conversin de seales analgicas a digitales y digitales a analgicas _____ 2.6.1 Conversin Analgica a Digital (A/D) ____________________________ 2.6.2 Teorema de Muestreo _________________________________________ 2.6.3 Conversin Digital a Analgica (D/A) ____________________________
Introduccin ___________________________________________________ 39
3.2 Anlisis frecuencial ______________________________________________ 39 3.2.1 Series de Fourier _____________________________________________ 41 3.3 Transformada Discreta de Fourier _________________________________ 42 3.4 Transformada Rpida de Fourier (FFT) ____________________________ 44 3.4.1 Algoritmo de la FFT __________________________________________ 46 Captulo IV 4.1 4.2 4.3 4.4 4.5 Planteamiento del problema ___________________________________ 47 Introduccin ___________________________________________________ 47 Objetivo _______________________________________________________ 47 Obtencin de los datos ___________________________________________ 48 Resultados esperados ____________________________________________ 48 Esquema general de la aplicacin __________________________________ 48 51 51 52 52 53 54
4.6 Casos de uso____________________________________________________ 4.6.1 Mdulo de captura ___________________________________________ 4.6.2 Mdulo de Fourier ___________________________________________ 4.6.3 Mdulo de Graficado _________________________________________ 4.6.4 Mdulo de Estadsticos ________________________________________ 4.6.5 Mdulo de visualizacin _______________________________________ Captulo V 5.1 5.2 5.3 5.4 5.5 5.6 5.7 6.1 6.2 6.3 6.4 6.5 6.6
Diseo e implementacin_____________________________________ 56
Software Necesario ______________________________________________ 56 Especificaciones Tcnicas_________________________________________ 57 Entrada de Datos _______________________________________________ 57 Acceso al sistema ________________________________________________ 59 Aplicando Transformada de Fourier _______________________________ 60 Graficando los datos _____________________________________________ 61 Opciones de salida_______________________________________________ 62 Ejemplos y resultados ________________________________________ 64 Introduccin ___________________________________________________ 64 Captura de un registro ___________________________________________ 64 Lectura de un registro ___________________________________________ 64 Transformada de Fourier ________________________________________ 65 Graficar un registro _____________________________________________ 66 Estadsticos ____________________________________________________ 67
Captulo VI
Conclusiones ___________________________________________________________ 68 2
Resultados Obtenidos __________________________________________________ 68 Algoritmo FFT vs DFT_________________________________________________ 68 Trabajo a futuro ______________________________________________________ 69 Limitaciones _________________________________________________________ 70 Bibliografa ____________________________________________________________ 72
Captulo I
Por lo tanto es ms como utilizar los trminos regeneracin inhibitoria y excitatoria para definir el principal tipo sinptico de la interaccin entre las poblaciones de neuronas.
frecuencia hacen posible atenuar potenciales lentos no relacionados con la seal fisiolgica de inters, como respuesta electrodrmica o galvnica de la piel, desbalance del CD del electrodo, artefacto de respiracin y artefacto de EMG en el EEG y EOG. La combinacin de filtros de alta y baja frecuencias hace posible establecer una banda de frecuencia que es especfica para la variable de inters. Por ejemplo, la respiracin es una seal lenta, de baja frecuencia y generalmente flucta entre 12 y 18 respiraciones por minuto; en contraste, la seal del electromiograma es una seal mucho ms rpida, su frecuencia es alta, alrededor de 30 a 120 Hz.
que la polaridad de la retina es negativa respecto al de la cornea. Los electrodos que se usan, al igual que en el registro de EEG, son de oro o de cloruro de plata. Durante el sueo pueden darse movimientos oculares lentos, oscilatorios como sucede en fases de sueo y movimientos oculares rpidos, los cuales parecen espordicamente en salvas y son caractersticos del sueo REM, aunque tambin se observan en al fase de adormecimiento.
1.4.2 Electromiograma (EMG) Mide el grado de tono muscular que presentan los msculos esquelticos. El EMG submentoneano registra los cambios de tensin muscular que se dan en las distintas fases del dormir. Debe hacerse con al menos 3 electrodos colocados en la regin mentoniana y submentoniana.
1.4.3 Electroencefalograma (EEG) Se comienza a hablar de las seales EEG cuando se encuentran evidencias de actividad elctrica en el cerebro de los animales, el primero en hacerlo fue el ingls Caton en 1874 cuando observ fluctuaciones de la corteza cerebral en conejos y confirm que esas fluctuaciones estaban relacionadas con la actividad funcional del cerebro. Aos mas tarde, en 1912, Kaufmann confirm la conclusin a la que llegaron algunos y que consista en afirmar que el potencial elctrico de la corteza cerebral era modificado por una estimulacin sensorial y estaba relacionado con la funcin nerviosa. Para 1925, Neminski, us un galvanmetro para sus mediciones trabajando con perros y report la actividad elctrica en la corteza cerebral en muchos de los trminos que hoy se usan todava. Encontr que el electrocerebrograma (llamado as por el mismo) consista principalmente de fluctuaciones espontneas en el potencial con una frecuencia de 10 a 15 por segundo, llamadas ondas del primer orden, y otras fluctuaciones ms rpidas con frecuencia de 20 a 32 por segundo, llamadas ondas de el segundo orden.
El psiquiatra suizo Hans Berger (1929) realiz un intento satisfactorio del registro de la actividad elctrica del cerebro humano. Demostr que el cerebro de un hombre tiene un golpeteo elctrico el cual proviene de la neuronas, no de los vasos sanguneos o del tejido conjuntivo y que cambia con la edad, con la simulacin sensorial y con varios cambios en el estado fisicoqumico del cuerpo. Berger llam electroencefalograma (EEG) al registro que logr tomar y es el que se usa hoy en da. Este EEG permiti registrar la actividad elctrica cerebral sobre la superficie del cuero cabelludo y sus diversas variaciones durante este perodo. Estas variaciones fueron sistematizadas por Loomis, Harvey y Hobart (1937 y 1938). Observando estos autores que la actividad elctrica cerebral muestra cambios tpicos en el transcurso del sueo y que las ondas se hacen ms lentas y aumentan de amplitud a medida que el sueo se profundiza. As establecieron la primera clasificacin de las fases del sueo que distingua cinco patrones distintos de actividad elctrica cerebral relacionados con diferentes niveles o estados de sueo. Estado A, Estado B, Estado C, Estado D, Estado E. Mediante el EEG se registran los cambios de voltaje entre dos electrodos colocados sobre el cuero cabelludo. Estos potenciales se amplifican y pueden enviarse a un osciloscopio para su observacin directa o a papel continuo para su anlisis visual o a un ordenador el cual puede analizar la amplitud y el espectro de frecuencia de la actividad EEG y cuantificar automatizadamente las seales EEG. Las seales EEG reflejan en gran parte los cambios de potencial de las membranas de las clulas nerviosas del encfalo, en particular de las neuronas corticales. As se registra la actividad cerebral espontnea que se da durante la vigilia al cual puede clasificarse en cuatro bandas de frecuencia que corresponden con los distintos ritmos cerebrales. Estos se definen por su frecuencia, medidas en herzios (Hz), y por su amplitud, medida en microvoltios ( V). Los ritmos de alta frecuencia tienen por lo general una amplitud menor que los de baja frecuencia, aunque la amplitud de las seales EEG recogidas sobre le cuero cabelludo estn distorsionadas por efecto de los tejidos que rodean el encfalo.
1.4.4 Electrocardiograma (ECG) Estas seales miden el ritmo cardiaco del corazn. Hay una gran variedad de procedimientos para registrar la actividad ECG durante el registro polisomnogrfico. La tcnica ms simple incluye la colocacin de un electrodo sobre la superficie de la piel por debajo de la clavcula derecha. El trmino polisomnografa fue propuesto por Holland, Dement y Raynal en 1974, para describir el registro simultneo de varios parmetros fisiolgicos, as como el anlisis e interpretacin de los mismos. Como tcnica, la polisomnografa es esencial para la formulacin de diagnstico de los trastornos del dormir. Es un procedimiento complejo que debe ser ejecutado por personal capacitado. Analizando los datos de la Polisomnografa se obtienen una serie de medidas que en conjunto informan de la continuidad y eficiencia del sueo, su organizacin como as tambin la composicin porcentual de fases con lo que se puede establecer si el patrn de sueo es normal o patolgico. El EEG, el EOG y el EMG se recogen simultneamente de modo que se pueda observar la relacin entre los tres parmetros y asignar a cada unidad de tiempo en que se divide el registro de sueo (poca de registro, que conforme a los criterios de cuantificacin habituales dura 30 segundos) la fase o estado correspondiente segn las caractersticas electroencefalogrficas, electrooculogrficas y electromiogrficas
predominantes (mayor al 50 %) en dicha etapa. Estas son las variables que se registran habitualmente en una Polisomnografa del sueo humano. Adems pueden registrarse el electrocardiograma (ECG), la respiracin nasal y torxica, los movimientos de las piernas, y diversos tipos de actividad fisiolgica como registros del aparato digestivo.
sumados al ruido elctrico del resto de generadores que existen en el cuerpo (ECG, EMG, artefactos, etc.) y el ruido generado por los propios instrumentos de medida. El EEG, adems, en el caso de este estudio, se registra mediante la utilizacin de electrodos que captan la seal en la superficie externa del cuero cabelludo, y por tanto atenuada por este. Las seales resultantes son extremadamente pequeas, en torno a los 300V, y complejas. Es indispensable, como consecuencia, una fase de tratamiento de la seal electroencefalogrfica, que extraiga la informacin realmente relacionada con el estado mental del individuo. A continuacin se muestran un par de tcnicas de reciente aparicin utilizadas para el estudio comparativo de procesado de seales
1.5.1 Transformada de Wavelet La transformada Wavelet pertenece a una serie de tcnicas de anlisis de seal denominadas comnmente anlisis multiresolucin. Con ello se significa que es capaz de variar la resolucin de los parmetros que analiza (escala, concepto relacionado con la frecuencia y tiempo) a lo largo del anlisis. Su principal caracterstica es que permite conocer qu frecuencias componen una seal en cada instante con las siguientes resoluciones:
Para las altas frecuencias consigue una buena resolucin en el tiempo que permita su exacta localizacin temporal, an a cambio de perder resolucin frecuencial.
Para las componentes de bajas frecuencias lo ms relevante es conocer su frecuencia an a costa de perder resolucin temporal.
10
El hecho de poder localizar en el tiempo las componentes frecuenciales de una seal es fundamental cuando la seal es no estacionaria y parte de la informacin relevante reside en el momento en el que aparece cada componente. Esta es justo la problemtica a la que se enfrenta el anlisis de la seal EEG.
Esta seal es de baja frecuencia e intrnsecamente no estacionaria. A ella se suman, como ya se ha explicado anteriormente, ruidos, tambin llamados artefactos, que suelen ser seales de ms altas frecuencias, o bien, seales patolgicas como focos epilpticos.
La gran ventaja del uso de la transformada wavelet reside en que es capaz de localizar con exactitud en el tiempo estas ltimas componentes no deseadas, y permite conocer de forma precisa la frecuencia de las seales de baja frecuencias, que son las que mejor informacin aportan acerca del estado mental.
1.5.2 Anlisis de componentes independientes (ICA) El anlisis de componentes independientes, en adelante ICA, fue presentado en 1986 por Jeanny Herault y Christian Jutten en Utah como una red neuronal basada en la ley de aprendizaje de Hebb capaz de realizar una separacin ciega de seales. En concreto, este algoritmo trata de separar un nmero determinado de seales estadsticamente independientes a partir un nmero idntico de seales de entrada que son suma lineal de las primeras.
La primera aplicacin inmediata de ICA, es la eliminacin de artefactos. Se trata de separar estas ltimas seales no deseadas pudiendo realizar la clasificacin nicamente sobre las seales originales resultado de la actividad neuronal.
La restriccin en el uso de esta tcnica est en sus condiciones de aplicacin; para un caso general, son:
11
Las fuentes, es decir, las seales originales que se mezclan y que ICA deber recuperar posteriormente, deben ser linealmente independientes
El retardo de propagacin a travs del medio en el que se mezclan las seales tiene que ser despreciable
Las seales originales deben ser analgicas y su funcin de distribucin de probabilidad no puede ser gaussiana.
Es razonable suponer que las tres primeras condiciones del apartado anterior se cumplen en el caso del cerebro y las seales electroencefalogrficas. No se puede decir lo mismo, sin embargo, de la cuarta condicin, puesto que nunca se sabr cuantas componentes independientes se estn mezclando en el cerebro y, por tanto, cuntas seales (es decir, electrodos) se darn como entrada al algoritmo. Este problema obliga al ajuste del nmero de electrodos de entrada en funcin de los resultados, tratando de buscar aquel nmero de electrodos que mejor resultados produzca.
12
Captulo II
Procesamiento de seales
2.1 Introduccin
Las seales generalmente transportan informacin acerca del estado o del comportamiento de sistemas fsicos, y a menudo, estas seales son sintetizadas con el propsito de comunicar informacin entre personas o entre personas y mquina. Aunque las seales pueden ser representadas en diferentes formas, en todos los casos le informacin est contenida en un cierto patrn de variaciones. Estas seales son representadas matemticamente como funciones de una o ms variables independientes. El procesamiento de seales se refiere a la representacin, transformacin y manipulacin de seales y la informacin que en ella se tiene. Por ejemplo, podramos separar dos o ms seales que se encuentran combinadas o cambiar los componentes o parmetros de alguna de ellas. En el caso de los sistemas de comunicacin,
generalmente es necesario hacer un procesado previo como modulacin, compresin para la transmisin y un procesado para recibirla. En los aos 60, la tecnologa del procesamiento de seales fue casi exclusiva analgica en tiempo continuo pero la rpida evolucin de las computadoras digitales junto con los microprocesadores a la par del desarrollo de importantes avances tericos tales como el algoritmo de la Transformada Rpida de Fourier (TRF) trajo como consecuencia un cambio significativo en la tecnologa digital dando como resultado un gran avance en el campo del procesamiento digital de seales. En el procesamiento digital de seales, stas son representadas como secuencias de nmeros, y su procesamiento se realiza con ayuda de la computacin digital. El valor de una seal, en tiempo continuo o discreto, puede ser continuo o discreto. Si una seal toma todos los valores posibles en un intervalo tanto finito como infinito, se dice que es continua. Por el contrario, si toma valores de un conjunto finito de valores se dice que es discreta.
13
Normalmente, estos valores son equidistantes y por tanto pueden expresarse como un mltiplo de la distancia entre dos valores sucesivos. Una seal en tiempo discreto, que toma valores en un conjunto discreto se denomina seal digital. En la figura 2.1 se muestra una seal digital con tres valores posibles.
-1
El trmino procesamiento de seales en tiempo discreto incluye al procesamiento digital de seales como un caso especial pero no excluye la posibilidad de que estas secuencias sean procesadas con otros mtodos tecnolgicos para el tiempo discreto. El procesamiento en tiempo discreto de seales en tiempo real es bastante comn en sistemas de comunicacin, radares, codificacin de voz y video, ingenieras biomdica por mencionar algunas.
El procesado del reproductor de discos compactos es un ejemplo un poco diferente en cuanto a la forma en como se adquiere la informacin ya que esta se encuentra almacenada en el disco compacto y el procesado final se realiza en tiempo real cuando se requiere de una salida (pe. sonido). El procesado de seales tradicional, involucra el procesado de una seal para obtener otra seal. Un problema del procesado de seales es su interpretacin. En muchos de los casos el objetivo del procesado no es obtener una seal de salida o entenderla, ms bien interpretar la entrada o simplemente obtener informacin de esta. Tpicamente, en tales sistemas se aplica un procesado digital (filtrado, estimacin de parmetros, etc.) seguido de un sistema de reconocimiento de patrones para producir una representacin simblica.
14
Esta salida simblica puede alternadamente ser la entrada de un sistema de procesado simblico para obtener una interpretacin final de la seal. Los lenguajes de programacin orientados a objetos ofrecen un ambiente adecuado para la manipulacin de seales, sistemas y expresiones de procesado de seales sin evaluaciones explicitas de las secuencias.
Para que una seal pueda ser procesada digitalmente ha de ser en tiempo discreto y tomar valores discretos (es decir, ha de ser una seal digital). Si la seal a procesar es analgica, se convierte a digital muestrendola en el tiempo y obteniendo por tanto una seal en tiempo discreto y posteriormente, cuantificando sus valores en un conjunto discreto. El proceso de convertir una seal continua en discreta, denominado cuantificacin, es bsicamente un proceso de aproximacin y se puede lograr por redondeo o truncamiento.
Existen algunas diferencias fundamentales en cuanto a las teoras para el procesamiento de seales en una y varias dimensiones. Muchas aplicaciones de procesamiento de imgenes requieren trasladarse a tcnicas de procesamiento en dos dimensiones. Este es el caso para las reas de codificacin de video, imgenes mdicas, anlisis de fotografas arteriales, anlisis satelital, fotografas climticas y algunas transmisiones de video desde el espacio y la Luna. El anlisis espectral esta basado por un lado en el uso de la Transformada de Fourier y por otro en el uso de modelado de seales, ste ltimo es particularmente rico e importante en el proceso de seales ya que permite realizar la transformacin a la que se ha hecho mencin, captar una seal cuya amplitud se define en funcin del tiempo para transformarla en otra cuya potencia es definida en funcin de la frecuencia. El modelado de seales, tambin juega un importante rol dentro de la compresin y codificacin, y las ecuaciones diferenciales fundamentales proveen las bases para el entendimiento de muchas de estas tcnicas. Otro asunto de consideracin es la adaptacin del procesado de seales. Adaptar sistemas representa un particular punto de la variacin del tiempo y, en otro sentido,
15
sistemas no lineales con mltiples usos y con tcnicas establecidas, eficaces para su anlisis y diseo.
2.2.1
corriente, o el movimiento de un metro que es proporcional al valor de la cantidad. Las cantidades analgicas poseen una caracterstica importante: varan sobre un rango de valores continuos.
16
2.2.2
Representacin Digital
En la representacin digital las cantidades no se representan por cantidades proporcionales sino por smbolos llamados dgitos. Como ejemplo podemos mencionar el reloj digital, el cual representa las horas, los minutos y los segundos en forma de dgitos decimales. Como sabemos el tiempo cambia continuamente, mientras el reloj lo hace digital, por pasos de uno por segundo (o por minuto). En otras palabras, esta representacin digital del transcurrir del tiempo cambia en pasos discretos. La diferencia principal entre las cantidades representadas de forma analgica y las representadas en forma digital es que las primeras son continuas y las segundas son discretas (paso a paso).
2.2.3
Por una seal continua entenderemos una funcin continua de una o varias dimensiones. Ejemplos de distintos tipos de seales podemos encontrar en los muy diversos aparatos de medida asociados al estudio de la fsica, qumica, biologa, medicina, etc. As por ejemplo, los distintos tipos de electrogramas que son usados en medicina son seales unidimensionales, ya que se representan por una o varias curvas en funcin del tiempo. Sin embargo, los distintos tipos de radiografas son seales bidimensionales y los resultados de la tomografa axial computarizada y la resonancia nuclear magntica son seales tridimensionales. Haciendo uso del lenguaje matemtico podemos decir que toda seal es una funcin matemtica que toma un valor en cada punto del espacio en el que est definida. Los resultados matemticos sobre la aproximacin de funciones permiten expresar que cualquier funcin continua y peridica definida sobre una regin finita del espacio puede ser aproximada por una suma infinita de trminos, en donde cada trmino tiene una contribucin a la formacin de la seal que es independiente y ortogonal a cualquier otro trmino del desarrollo.
17
Existen distintas posibilidades a la hora de construir este tipo de aproximaciones, pero por distintos motivos la ms usada ha sido aquella en que los trminos tienen una significacin como seales ondulatorias puras. Es decir, cada trmino es la contribucin de una determinada frecuencia/longitud de onda a la formacin de la seal. As pues toda seal puede ser analizada desde dos puntos de vista, como una funcin continua sobre un espacio de valores de medida o como una funcin definida sobre un espacio de frecuencias. Una simple oscilacin armnica se describe matemticamente mediante la siguiente seal en tiempo continuo:
(2.2.1)
que se muestra en la figura 2.2. El subndice a utilizado con X ( t ) denota una seal analgica. Esta seal est completamente caracterizada por tres parmetros: A es la amplitud de la sinusoide, Hertzios (HZ), donde es la frecuencia en radianes por segundo (rad/seg), y es la a menudo se utiliza la frecuencia F ciclos por segundo o
= 2F
La ecuacin (2.2.1) puede escribirse en trminos de F como
(2.2.2)
(2.2.3)
18
2.2.4
Una seal en tiempo discreto X (n ) es una funcin de una variable independiente entera. Grficamente, se representa como en la figura 2.3. Es importante destacar que una seal en tiempo discreto no est definida para instantes entre dos muestras sucesivas. Igualmente, es incorrecto pensar que X (n ) es igual a cero si n no es un entero. Simplemente, la seal X (n ) no est definida para valores no enteros de n.
x(n)
o 2 1.5 0.9 -4 - 0.8 -3 -2 -1 0 1 2 3 - 0.8 0.7 1.7 1.0 0.7 4 5 n 1.2
Comnmente, se refiere a X (n ) como la n-sima muestra de la seal aun cuando X (n ) sea inherentemente en tiempo discreto (es decir, aunque no haya sido obtenida por muestreo de una seal analgica). En el caso en que X (n ) haya sido obtenida al
muestrear una seal analgica Xa (t ) , entonces X (n ) Xa (nT ) , donde T es el periodo de muestreo (tiempo entre muestras sucesivas). Una seal sinusoidal en tiempo discreto puede expresarse como
(2.2.4)
2f
la relacin (2.2.5) se convierte en
(2.2.5)
19
-A
Esta precisin en cada uno de los voltajes de los smbolos no es importante pero si crtico que se arrojen valores incorrectos dentro de los rangos permitidos (si se recibe un
20
valor errneo dentro de los rangos permitidos, el telgrafo deber hacer la decisin de tomar un 0 o un 1 ocasionando probablemente un error).
Este tipo de representacin de ceros y unos es mucho menos susceptible al ruido adems de que es muy fcil su implementacin. Por lo tanto, las seales digitales son siempre codificadas como ceros y unos en representaciones fsicas. Esto es llamando cdigo binario.
Clulas de actividad automtica, elctricas. Generan corrientes de bajo voltaje. Clulas de actividad contrctil, o de trabajo. Clulas del tejido conectivo. Generan corrientes de bajo voltaje. Clulas de los vasos sanguneos.
Las clulas de actividad automtica permiten generar un potencial de tipo diastlico de reposo, al activarse se produce la contraccin de clulas de actividad contrctil Fase Sistlica. Para ello, ser imprescindible un bueno tejido conectivo.
Las clulas de actividad automtica tienen mayor despolarizacin que las de actividad contrctil. Cada msculo cardiaco se estimula elctricamente y se contrae. Las clulas cardiacas en reposo se encuentran cargadas o polarizadas; pero la estimulacin elctrica
21
las despolariza, y se contraen. En sentido estricto, una clula polarizada en reposo tiene cargas negativas en su interior y positivas en su exterior. El interior de la clula miocrdica se vuelve positivo cuando la clula recibe un estmulo para contraerse. La figura 2.5 muestra la estructura general del corazn.
Figura 2.5 Imagen que muestra los ventrculos, las aurculas, nodos y fibras de Purkinje
La despolarizacin estimula las clulas del miocardio y hace que se contraigan cuando la carga en cada clula se vuelve positiva. Las ondas de despolarizacin (el interior de las clulas se vuelve positivo) y de repolarizacin (las clulas recuperan su carga negativa) se registran en el ECG figura 2.6. Este fenmeno es estrictamente elctrico, y el corazn no presenta ningn movimiento durante esta actividad. Cuando esta actividad elctrica recorre el corazn, se puede captar desde la piel mediante un equipo de registro sensible como lo son los electrodos externos y se puede registrar como ECG.
22
Cuando la onda positiva de despolarizacin en las clulas cardiacas se acerca a un electrodo positivo, el electrocardiograma registra una reflexin positiva, es decir, hacia arriba. La onda de despolarizacin nace en el nodo sinoauricular (SA) y se inicia el impulso elctrico, que se extiende como onda y estimula ambas aurculas con lo cual se produce la llamada onda P en el ECG (figura 2.7) dando lugar a la contraccin de ambas aurculas. Este impulso llega al nodo aurculo-ventricular AV, donde ocurre una pausa de 1/10 de segundo, lo que permite que la sangre llegue a los ventrculos. Despus de la pausa, el nodo AV es estimulado y se inicia un impulso elctrico que se dirige hacia abajo por el haz de His y las ramas del mismo.
2.4.1
Un ciclo cardiaco completo comprende la onda P, el complejo QRS y la onda T y se repite una y otra vez. (Fig. 2.8). La onda P representa la contraccin de las aurculas; despus de esta onda, el impulso llega al nodo AV producindose la pausa de 1/10 seg. El complejo QRS representa el impulso elctrico que se aleja del nodo AV, y pasa a las fibras de Purkinje y a las clulas del miocardio. Este complejo en el ECG representa el inicio de la contraccin ventricular. Este complejo se registra con una amplitud 2,5mm a 5 Volts y dura de 60 a 100 milisegundos.
23
La onda Q es la primera deflexin hacia abajo del complejo QRS, va seguida de la onda R hacia arriba, a menudo esta onda suele no visualizarse en el ECG, cuando existe siempre es la primera en el complejo QRS. La onda R hacia arriba va seguida de una onda S hacia abajo. El complejo QRS total representa la actividad elctrica de la contraccin ventricular. La onda S es una deflexin negativa que sigue a la onda R, no siempre est presente. Existe una pausa despus del complejo QRS llamado segmento ST que no es sino la parte plana de la lnea entre el complejo QRS y la onda T. La onda T representa la repolarizacin de los ventrculos para que se les pueda volver a estimular.
2.4.2
Principio de medicin
La seal de salida de nuestro sistema depender de la calidad de informacin de entrada suministrada y a la rapidez con la que los datos sean obtenidos. Por dichos motivos existen ciertos parmetros destacados sobre la adquisicin, acondicionamiento y conversin, con el fin de que la informacin obtenida sea de la mejor calidad posible.
24
Las
divisiones pequeas son cuadrados de un milmetro. La altura o profundidad de una onda se miden en milmetros, y representan un voltaje. Las deflexiones hacia arriba se llaman positivas y las deflexiones hacia abajo se llaman negativas. El eje horizontal sobre el cual se traza el ECG representa el tiempo y el eje vertical nos indica el voltaje de la seal as podemos conocer la duracin y el voltaje de cualquier parte del ciclo cardiaco (figura 2.9).
El ECG ordinario consta de 12 derivaciones distintas seis de las cuales corresponden a derivaciones de miembros (DI DII DIII AVR AVL AVF) y las otras seis a derivaciones son las precordiales (V1 V2 V3 V4 V5 V6).
2.4.2.1 Derivaciones de miembros Cada derivacin constituye un puesto de observacin y registro de la actividad elctrica desde distintos puntos del espacio. Para obtener las derivaciones de miembros, se ponen electrodos en los brazos derecho e izquierdo y en la pierna izquierda, formando un tringulo en el centro de este se sita el corazn un par de electrodos forma una derivacin dando como resultado 3 derivaciones (I II III). Si las derivaciones se trasladan al centro del tringulo, forman tres lneas de referencia que se cortan (tringulo de Einthoven) figura 2.10. Como se muestra en el tringulo de Einthoven, cada derivacin tiene un principio y un fin partiendo desde un electrodo, el inicio de la fecha indica su polaridad negativa y el final indica su polaridad positiva.
25
Bipolares: DI brazo derecho a brazo izquierdo DII brazo derecho a pie izquierdo DIII brazo izquierdo a pie izquierdo
Monopolares: AVR brazo derecho AVL brazo izquierdo AVF pie izquierdo
Otra derivacin es la derivacin AVR. En este caso el brazo derecho es positivo y los dems electrodos de miembros forman una tierra comn (negativa). Las dos ltimas derivaciones de miembros se llaman AVL y AVF, y se obtienen de manera similar a AVR. En la derivacin AVL el brazo izquierdo es positivo y los dems electrodos de miembros se unen a tierra y se consideran negativos. Para la derivacin AVF, el electrodo positivo se encuentra en la pierna izquierda.
Estas
derivaciones se cortan formando ngulos de 60 como las derivaciones I, II y III cuando se trasladan al centro del tringulo. Las derivaciones AVR, AVL y AVF tiene una orientacin distinta de las direcciones de las derivaciones I, II y III (son las bisectrices de los ngulos formados por I, II, III). Estas derivaciones de los miembros se encuentran en un mismo plano que puede considerarse el del trax del paciente (es el plano frontal).
2.4.2.2 Derivaciones precordiales Para obtener las seis derivaciones precordiales, se coloca un electrodo positivo en seis puntos distintos del trax. En estas derivaciones, el electrodo colocado sobre el
26
pecho se considera positivo. Se enumeran en orden progresivo del 1 al 6 de derecha a izquierda tal como se muestra en la figura 2.11.
Las derivaciones precordiales se proyectan a travs del ndulo AV hacia la espalda de la persona, que constituye el extremo negativo de cada derivacin. Debido a esto, este plano divide el cuerpo en mitades superior e inferior, y se llama plano horizontal. Las derivaciones V1 y V2 se encuentran sobre la parte derecha del corazn, mientras que V5 y V6 estn frente al lado izquierdo. V3 y V4 se encuentran sobre la pared comn que comparten los ventrculos derecho e izquierdo (tabique interventricular).
2.4.3
Anlisis de un ECG. Al reportar el ECG, suelen ponerse en una columna las seis derivaciones de
miembros, y en otra las seis derivaciones precordiales (figura 2.12). Las observaciones de mayor utilidad en la interpretacin de un ECG son la frecuencia, el ritmo, el eje, las hipertrofias y los infartos.
27
2.4.3.1 Frecuencia La frecuencia es el primer parmetro que debemos medir. Se mide en ciclos/minuto. La frecuencia de los latidos cardacos depende del nodo SA.. Cuando el nodo SA falla otras regiones del corazn son capaces de iniciar el latido del corazn. Se denominan Marcapasos ectpicos, estos se encuentran en todas las regiones del corazn (aurculas, ventrculos y nodo AV) sin embargo, slo funcionan en caso de emergencia, es decir, cuando deja de funcionar correctamente el nodo SA. En las aurculas tienen una frecuencia de 75 ciclos/minuto. En situaciones de
urgencia, un foco auricular ectpico puede bruscamente empezar a disparar gran frecuencia, de 150-250 ciclos/minuto. Al dejar de funcionar el nodo SA, este marcapasos auricular puede encargarse de la actividad automtica. Cuando el estmulo es normal en la aurcula, el nodo AV tiene una frecuencia de 60 ciclos/minuto. Se pueden detectar mltiples enfermedades segn la frecuencia cardiaca, sobre todo cuando se encuentra entre los 51-52 ciclos/minuto.
2.4.3.2 Ritmo cardiaco El ECG es la manera ms exacta de identificar las arritmias cardiacas (ritmos anormales). El impulso del marcapasos en el nodo SA se extiende por ambas aurculas como una onda de despolarizacin. El nodo SA (seno auricular) manda impulsos regulares que producen la contraccin de la aurcula. La onda de estimulacin producir la despolarizacin y se extender desde el nodo SA como una onda, y forma la onda P del ECG. Un ritmo cardaco normal es aquel en el que la distancia de las ondas suele ser constante, se llama en general ritmo sinusal normal, pues nace en el nodo S A.
28
entre dos neuronas contiguas, llamada sinapsis. Los neurotransmisores liberados por una neurona, llegan a su vecina y alteran la permeabilidad de sta, permitiendo un cierto flujo de iones a travs de su pared celular. Dicho flujo inico rompe el equilibrio elctrico celular generando el denominado potencial de accin, inicio de una actividad elctrica postsinptica, denominada as por residir dentro de la propia neurona.
Estos impulsos son muy pequeos, pero cuando millones de neuronas funcionan juntas, su actividad puede ser registrada desde la superficie del cuerpo como un voltaje, de manera muy similar al ECG. La electroencefalografa (EEG) mide la actividad elctrica espontnea de la corteza cerebral, es decir, la capa superficial del cerebro llamada cortex. En un cerebro sano, esta actividad es muy similar en las diferentes regiones del cerebro, por lo que no habrn diferencias apreciables entre las diferentes zonas del cortex, llamadas lbulos. Existe entonces una simetra entre los dos hemisferios cerebrales.
El EEG no tiene un patrn que se reproduzca constantemente (como el complejo QRS del ECG), lo que dificulta su interpretacin. En la figura 2.13 se muestra un EEG.
En ocasiones es difcil diferenciar la verdadera actividad cerebral del ruido aleatorio, producido por interferencias exgenas de otros dispositivos elctricos, o bien por interferencias endgenas, como son el propio ECG y la actividad elctrica debida al tono muscular (EMG).
29
2.5.1
Principio de medicin El EEG se mide bsicamente igual que el ECG: como una diferencia de voltaje
entre dos electrodos. En la figura 2.14 se muestra la forma en que se toma un EEG y que pasa a travs de un amplificador diferencial. La amplitud del EEG registrada desde la superficie del cerebro o cortex, generalmente est en el rango de los 100 microvoltios, es decir, alrededor de un dcimo de la amplitud del ECG. Esto dificulta la medicin en un ambiente ruidoso como un quirfano. Para poder medir una seal tan pequea, lo primero que hay que asegurar es que el contacto entre el electrodo y la piel sea bueno. Con frecuencia la piel recibe un tratamiento preparatorio, que consiste en eliminar de la superficie la grasa y las clulas muertas para que el contacto sea mejor. Tambin se utiliza un gel o una pasta conductora para mejorar el contacto. Cuando todos los preparativos estn hechos, hay una manera de evaluar el contacto, midiendo la impedancia entre el electrodo y la piel. Para obtener buenos resultados, la impedancia no debe ser superior a 5 kilo-Ohmios.
2.5.2
Interpretacin del EEG Como se ha expuesto anteriormente, el registro en tiempo real de la actividad
elctrica cerebral carece de patrn reproducible, asemejando el registro a una seal "catica". Para una ms simple interpretacin, la seal de EEG en tiempo real es
30
sometida a un anlisis espectral utilizando el algoritmo conocido por Transformada Rpida de Fourier (FFT). El proceso es similar al que sufre la luz cuando se la hace pasar a travs de un prisma, descomponindose en los colores fundamentales (figura 2.15).
El anlisis espectral descompone la seal catica de EEG en sus componentes fundamentales, en este caso llamados armnicos (figura 2.16). Los armnicos son seales senoidales puras, obteniendo de esta forma todo el contenido en frecuencias en una banda entre 0.5 hz. y 30 hz., junto con sus correspondientes valores de Amplitud (o Potencia). Dichas frecuencias se agrupan en cuatro bandas, segn su valor (delta, theta, alpha, beta).
En la prctica, el EEG en tiempo real se digitaliza, a continuacin se divide en trozos o "tiras" de 2 segundos de duracin y se aplica a cada "tira" el anlisis espectral. De esta forma se van obteniendo sucesivos espectros de potencia, que no son ms que la representacin de las frecuencias de los armnicos frente a sus amplitudes (o potencias). El anlisis espectral proporciona adems otros parmetros, como la Frecuencia Media, Corte de Frecuencia y Pico de Frecuencia, cuantificando de esta forma la seal catica que es el EEG y facilitando por consiguiente su interpretacin.
31
2.5.2.1 Tipos de frecuencias Como ya se ha mencionado, el EEG se divide en cuatro bandas segn su frecuencia. Los principales ritmos cerebrales son: Ritmo alfa: con una frecuencia entre 8 y 13 Hz y una amplitud de 50 principalmente con el estado de relajacin o vigilia tranquila. Ritmo beta: con frecuencia mayor de 13 Hz (puede oscilar entre 13 y 35Hz) y amplitud desde 30 V, ms prominente en regiones frontales y centrales del V en
encfalo; presente en el vigilia y en diversas fases del sueo. Ritmo delta: con frecuencia menor a 4 Hz (de 0,5 a 3 Hz) y alta amplitud (mayor de 50 V), predominante en todas las regiones cerebrales durante las fases ms
profundas del sueo. Ritmo theta: frecuencia de 4 a 8 Hz y baja amplitud, procedente de las regiones temporales se manifiesta en estados de activacin cerebral, tanto en vigilia como en sueo.
2.5.3
Diferentes morfologas del EEG El EEG cambia de forma debido a muchos factores. Los cambios que ocurren
naturalmente se deben a cambios de estado de conciencia: por ejemplo en el ser humano totalmente despierto que est concentrado en una tarea, el EEG tiene frecuencias ms altas y el anlisis espectral tendra un contenido en el rango BETA (13 Hz 30 Hz) muy elevado (figura 2.17).
32
(a)
(b)
Figura 2.17 a) Registro de un EEG de 4 segundos en 8 canales b) Grfica de EEG de una persona despierta
Por el contrario una persona dormida tendra un EEG muy ralentizado, con un contenido en frecuencias muy bajo y su anlisis espectral reflejara una agrupacin de frecuencias en el rengo DELTA (0.5 Hz 4Hz) tal como se muestra en la figura 2.18.
(a)
(b)
Figura 2.18 a) Registro de un EEG de 4 segundos en 8 canales durante el sueo. b) Grfica de EEG durante el sueo
Durante una ciruga, la mayora de los cambios en el EEG son inducidos por la anestesia de forma similar al sueo natural, de esta forma cuanto ms profunda es la anestesia, ms lento es el EEG, pudiendo llegar en casos extremos a un trazado de EEG plano (lnea isoelctrica) si se aumenta el nivel de anestesia lo suficiente. Dicho EEG
33
plano indica ausencia total de actividad sinptica neuronal, recuperando la normalidad si se disminuye el nivel hipntico de la anestesia. Cambios similares son causados tambin por una oxigenacin cerebral insuficiente (situacin de hipoxia que puede derivar en isquemia). Si el flujo de sangre al cerebro disminuye o se detiene por alguna razn, la consecuencia es una rpida ralentizacin del EEG, con un contenido en frecuencias de baja magnitud (ondas DELTA). Un tercer factor que puede ralentizar el EEG es la temperatura corporal. En una ciruga cardiaca, el EEG del paciente es llevado intencionadamente a un estado plano isoelctrico, mediante enfriamiento (hipotermia provocada). Esto se hace porque cuando el EEG es plano, situacin que representa ausencia de actividad sinptica neuronal, el cerebro tambin consume muy poco oxgeno, por lo tanto, se puede cortar la circulacin al cerebro por un momento.
Una razn para admitir al paciente en la UCI son los ataques epilpticos, que aparecen como picos u ondas de gran amplitud en el EEG sin signos clnicos externos. Los ataques continuos daan el cerebro, y es por esta razn que se suprimen con frmacos. Sin una adecuada monitorizacin del EEG, estos ataques o episodios epilpticos pasaran desapercibidos.
34
proceso de conversin de una seal digital a una seal analgica se conoce como conversin digital-analgica (D/A).
2.6.1
Conversin Analgica a Digital (A/D) En el procesamiento de seales analgicas usando sistemas en tiempo discreto,
es preferible minimizar el rango del muestreo, esto debido que la cantidad de operaciones matemticas para el procesamiento del sistema es proporcional al nmero de muestras a procesar. Un conversor A/D convierte una seal en tiempo continuo a una seal en tiempo discreto (digital), donde cada muestra se conoce con una precisin finita. En la figura 2.19 se muestra un diagrama con las partes bsicas de un conversor A/D. 1. Muestreo. sta es la conversin de una seal en tiempo continuo a una seal en tiempo discreto obtenida tomando muestras de la seal en tiempo continuo en instantes de tiempo discreto. As, si Xa (n ) es la entrada al muestreador, la salida es Xa (nT ) X (n ) , donde T se denomina el intervalo de muestreo.
2. Cuantificacin. sta es la conversin de una seal en tiempo discreto con valores continuos a una seal en tiempo discreto con valores discretos (seal digital). El valor de cada muestra de la seal se representa mediante un valor seleccionado de un conjunto finito de valores posibles. La diferencia entre la muestra sin cuantificar X (n ) y la salida cauntificada Xq (n ) se denomina error de cuantificacin.
Muestreador
Cuantificador
Codificador
01011
Seal analgica
Seal cuantificada
Seal digital
35
Aunque se modelara un A/D con un muestreador seguido de un cuantificador, en la prctica la conversin A/D se efecta en un nico dispositivo que toma Xa (n ) y produce un nmero codificado en binario. Las operaciones de muestreo y cuantificacin pueden realizarse en cualquier orden, pero, en la prctica, el muestreo siempre tiene lugar antes de la cuantificacin.
2.6.2
Teorema de Muestreo
En muchas reas como en la msica, a veces es necesario convertir material analgico (en acetato, cintas magnticas, etc) a formato digital como en CD o DVD. Los ingenieros de sonido pueden definir el rango de frecuencia de inters. Como resultado, los filtros analgicos son algunas veces usados para remover los componentes de frecuencias fuera del rango de inters antes de que la seal sea muestreada.
La informacin contenida en dichas seales se encuentra en las amplitudes, frecuencias y fases de las distintas componentes de frecuencia, pero antes de obtener dichas seales no se conocen sus caractersticas con detalle. De hecho, el propsito del procesado de seales normalmente es la extraccin de dichas caractersticas. Sin embargo, si conocemos la mxima frecuencia de una determinada clase de seales, podemos especificar la velocidad de muestreo necesaria para convertir las seales analgicas en seales digitales. El teorema de muestreo fue desarrollado en 1928 por H. Nyquist y probado matemticamente por Claude Shannon en 1949. Nyquist afirmaba que "una seal
analgica puede ser reconstruida, sin error, de muestras tomadas en iguales intervalos de tiempo. La razn de muestreo debe ser igual, o mayor, al doble de su ancho de banda de la seal analgica".
Una seal de banda limitada, en tiempo continuo, cuya mayor frecuencia (ancho de banda) es B Hz, puede recuperarse de forma nica a partir de sus muestras siempre que la velocidad de muestras Fs verifique que Fs 2 B muestras por segundo.
36
Supongamos que la seal a ser digitalizada es la voz, el ancho de banda de la voz es de 4,000 Hz aproximadamente. Entonces, su razn de muestreo ser: 2 *B = 2 * (4,000 Hz), es igual a 8000 Hz, equivalente a 8,000 muestras por segundo (1/8000). Entonces la razn de muestreo de la voz debe ser de al menos 8000 Hz, para que pueda regenerarse sin error. (fig. 2.20)
La frecuencia 2 * B es llamada la razn de muestreo de Nyquist. La mitad de su valor, es llamada algunas veces la frecuencia de Nyquist. Otro ejemplo prctico es el del odo humano, el cual puede detectar sonidos en el rango de frecuencias de 20 Hz a 20 KHz. De acuerdo al teorema de muestreo, uno puede muestrear la seal al menos a 40 KHz para reconstruir la seal de sonido aceptable al odo humano. Los componentes ms arriba de 40 KHz no podrn ser detectados y podran contaminar la seal. Estos componentes arriba de los 40 KHz son removidos a travs de filtros pasa banda o filtros pasa bajas.
2.6.3
Conversin Digital a Analgica (D/A) Para convertir una seal digital en analgica podemos usar un conversor digital a
En la
prctica la conversin D/A se realiza normalmente combinando un conversor D/A con un circuito de muestreo y mantenimiento (S/H) seguido por un filtro paso bajo (suavizado), como se muestra en la figura 2.21.
37
Amplitud
2T
4T
6T
8T
Figura 2.21 Operaciones bsicas para convertir una seal digital en una analgica.
El conversor D/A acepta a su entrada seales elctricas que se corresponden con palabras binarias, y produce un voltaje o corriente de salida que es proporcional al valor de la palabra binaria. Los conversores D/A conectan los puntos de una seal digital efectuando cierto tipo de interpolacin, cuya precisin depende de la calidad del proceso de conversin D/A. La figura 2.22 muestra una forma sencilla de conversin D/A, denominada mantenedor de orden cero o aproximacin por escalones. Tambin son posibles otras aproximaciones, como la que conecta linealmente dos puntos (interpolacin lineal), la que ajusta una funcin cuadrtica a tres muestras sucesivas (interpolacin cuadrtica), etc.
Seal de entrada digital Conversor digital a analgico Muestrea y mantiene Filtro de suavizado digital Seal de salida analgica
38
Captulo III
Anlisis de Fourier
3.1 Introduccin
El anlisis de seales transforma una seal de un dominio a otro, por ejemplo del dominio del tiempo al dominio de frecuencias. Al transformar la seal, el objetivo es adquirir de ella informacin que est dentro y que es ms sencillo interpretarla mediante el paso de un dominio a otro. Un aliado en el anlisis de seales el modelado de seales. Un modelo de una seal es una expresin matemtica, comnmente basada en fenmenos fsicos, de cmo una seal es producida. Por ejemplo, un modelo de la zona de las cuerdas bucales estimulada puede ser utilizado para representar seales de voz, y un conjunto de regiones conectadas que forman objetos pueden representar una imagen. El anlisis y modelado de seales es usado en la compresin de seales con lo cual se reduce el nmero de bits en una seal sin perdida de informacin en la seal. La transformada rpida de Fourier es extremadamente importante y ampliamente utilizado como mtodo de extraccin de informacin muy til de las seales muestreadas. Es posible utilizar la FFT como una simple herramienta, sin necesidad de entender las bases tericas. La transformada de Fourier, llamada as despus de ser desarrollada por el francs matemtico Jean Baptiste Fourier, es un procedimiento matemtico por medio del cual se puede transformar una funcin del dominio del tiempo al dominio de la frecuencia. La mayor parte de las seales de inters prctico se pueden descomponer en la suma de componentes sinusoidales. Para la clase de seales peridicas, esta descomposicin se denomina una serie de Fourier.
39
colores volvan a mezclarse para producir luz blanca. Joseph Fraunhofer (1787-1826), cuando realizaba mediciones de la luz emitida por el sol y las estrellas, descubri que el espectro de la luz observada contena lneas de colores diferentes. A mediados del sigo XVII, Gustav Kirchhoff y Robert Bunsen descubrieron que cada elemento qumico, cuando era calentado hasta la incandescencia, radiaba su propio color de luz. Como consecuencia, cada elemento qumico se puede identificar mediante sus propias lneas espectrales. De la Fsica sabemos que cada color se corresponde con una frecuencia especfica del espectro visible. De hecho, la descomposicin de la luz en sus colores es una forma de anlisis frecuencial.
El anlisis frecuencial de una seal conlleva la separacin de la seal en sus componentes (sinusoidales) frecuenciales. bsicamente funciones temporales. En lugar de luz, las formas de onda son El papel del prisma es desempeado por las
herramientas de anlisis de Fourier. La recombinacin de las componentes sinusoidales para reconstruir la seal original es bsicamente un problema de sntesis de Fourier. El problema del anlisis de seales es bsicamente idntico para el caso de una forma de onda y el de la luz procedente de compuestos qumicos calentados. Como en el caso de compuestos qumicos, formas de onda diferentes tienen diferentes espectros. Si se descompone una forma de onda en sus componentes sinusoidales, de forma similar a como un prisma separa la luz blanca en sus diferentes colores, la suma de estas componentes sinusoidales resulta en la forma de onda original. Por otra parte, si alguna de estas componentes desaparece, el resultado es una seal diferente. El proceso de obtencin del espectro de una seal dada, usando las herramientas matemticas bsicas, se conoce como anlisis frecuencial o espectral. A su vez, el proceso de determinacin del espectro de una seal en la prctica, basado en mediciones reales de la seal, se denomina estimacin espectral. La seal que est siendo analizada no conduce a una descripcin matemtica exacta. La seal suele ser portadora de cierta informacin que se intenta extraer. Si esta informacin que se desea extraer se puede obtener directa o indirectamente a partir del contenido espectral de la seal, se realiza estimacin espectral sobre la seal que porta la informacin y as se obtiene una estima
40
del espectro de la seal. Incluso, se puede ver la estimacin espectral como un tipo de anlisis espectral realizado sobre seales obtenidas de fuentes fsicas tales como EEG, ECG, voz, etc.
3.2.1
Series de Fourier
La representacin matemtica bsica de las seales peridicas es la serie de Fourier, que es una suma ponderada de sinusoides relacionadas armnicamente. Jean Baptiste Joseph Fourier (1768-1830), un matemtico francs, us dicha expansin en seria para describir el fenmeno de la conduccin de calor y distribucin de temperatura en los cuerpos. Aunque su trabajo estaba motivado por el problema de la conduccin de calor, las tcnicas matemticas que desarroll durante la primera parte del siglo XIX encuentran ahora su aplicacin en una gran variedad de problemas que incluyen diferentes disciplinas, como la ptica, vibraciones en sistemas mecnicos, teora de sistemas y electromagnetismo. La serie de Fourier esta representada de la forma
x(t ) =
k =
ck ej2 k Fot
es una seal peridica de periodo fundamental Tp = 1/Fo. As, se pueden considerar las seales exponenciales
{ ck ej2 k Fot
k = 0, 1, 2, . . . }
como bloques bsicos a partir de los cuales se pueden construir seales peridicas de diferentes tipos mediante la eleccin adecuada de la frecuencia y de los coeficientes {ck} especifican la forma de la onda. El objetivo de la transformada de Fourier en una seal es anlogo a la divisin o dispersin de un rayo de luz que pasa a travs de un prisma o rejilla de difraccin para formar el espectro ptico de la fuente de luz. Un espectro ptico consiste de lneas o
41
bandas de color correspondientes a varias longitudes de onda (y por lo tanto a diferentes frecuencias) de ondas de luz emitidas por la fuente. La Transformada de Fourier opera en funciones continuas; esto es, funciones que estn definidas en todos los valores del tiempo t. Dicha funcin puede, por ejemplo, representar una seal de voltaje analgico y continuamente variable producido por un micrfono o algn otro tipo de transductor.
42
Cuando la DFT se aplica a seales discretas, el resultado es una serie de coeficientes en senos y cosenos. Cuando las ondas del seno y del coseno de frecuencias adecuadas son multiplicadas por esos coeficientes y luego sumadas, la forma original de la seal es reconstruida exactamente. Las ondas en senos y cosenos son los componentes de la frecuencia de la seal original, en el sentido en que la seal puede ser reconstruida a partir de esos componentes. Los coeficientes determinados por la DFT representan las amplitudes de cada uno de los componentes. El procedimiento mediante el cual se calculan los coeficientes del seno y del coseno es directo en un principio, sin embargo en la prctica requiere de una gran capacidad de cmputo. Para determinar los coeficientes individuales, cada uno de los valores muestreados de la seal debe ser multiplicado por su correspondiente valor muestreado del seno o del coseno de una frecuencia apropiada. Estos productos deben ser sumados juntos, y el resultado entonces, dividido entre el nmero de muestras involucradas para dar el valor del coeficiente. Para realizar el anlisis frecuencial de una seal en tiempo discreto {x(n)}, se convierte la secuencia en el dominio del tiempo en una forma equivalente, en el dominio de la frecuencia. Se sabe que tal forma viene dada por la transformada de Fourier X (w), de la secuencia {x(n)}. Sin embardo X (w) es una funcin continua de la frecuencia y, por lo tanto, no es una forma computacionalmente conveniente de la secuencia {x(n)}. Las seales aperidicas de energa finita tienen espectros continuos. Si se considera dicha seal aperidica en tiempo discreto x(n), con transformada de Fourier
X ( ) =
k =
x(n) e-j n
si se supone que se muestrea X() peridicamente con un espacio en frecuencia radianes entre muestras sucesivas. Dado que X() es peridica de periodo 2, slo se necesitan las muestras del periodo fundamental.
43
Si la seal consiste de N muestras, la DFT requiere de un clculo de N coeficientes para el seno y N para el coseno. Para cada coeficiente que se calcula, N productos de la seal y la onda apropiada de seno o coseno debe ser evaluada y sumada. El total de nmero de pasos en el cmputo de la DFT es de N2, cada paso requiere de la evaluacin de la funcin seno o coseno juntos con una multiplicacin (esto no incluye el clculo de los N productos para encontrar cada coeficiente). El cmputo de la DFT de una seal
compuesta por 1000 muestras exige alrededor de un milln de clculos. Es por eso que la DFT es un procedimiento extremadamente largo, numricamente hablando. Aunque la habilidad de la DFT es proveer informacin acerca de la frecuencia de los componentes de la seal es muy valiosa, el esfuerzo computacional tan grande no permiti que se utilizara en aplicaciones prcticas. cambiado completamente esta situacin. Dos importantes avances han La primera fue el desarrollo de las
computadoras digitales, con la capacidad de realizar clculos numricos rpida y efectivamente; la segunda fue el descubrimiento hecho por Cooley y Tukey de un algoritmo numrico que permite que la DFT sea evaluada con una reduccin significativa en su clculo. Este algoritmo, llamado la Transformada Rpida de Fourier, o FFT, permite que la DFT de una seal muestreada pueda ser calculada de manera rpida y efectiva. Muchos algoritmos para la FFT se han ideado basados en diferentes aproximaciones; algunos ofrecen pequeas ventajas en aplicaciones especficas. Hoy en da, la FFT es utilizada en muchas rea, desde la identificacin de frecuencias caractersticas de la vibracin mecnica hasta el realce de imgenes. Las rutinas estndar estn disponibles para realizar la FFT en ordenador mediante algn lenguaje de programacin como Pascal, Fortran y C, y documentacin y otros paquetes de software para el anlisis numrico de los datos que permiten que la FFT de un sistema de valores de datos sea determinada fcilmente.
3.4
componentes de la seal se les denomina Anlisis espectral. Un analizador espectral es un instrumento que muestra en forma grfica el espectro de frecuencia de una seal.
44
Tradicionalmente, estos instrumentos han sido bsicamente circuitos electrnicos analgicos en los cuales la entrada de la seal era multiplicada efectivamente por seales de ondas sinuidales cuyas frecuencias fueron barridas a travs del rango de frecuencia de inters. Los analizadores digitales modernos usan la FFT o mtodos computacionales similares para determinar el espectro, el cual se muestra de forma grfica como diagrama de magnitud contra frecuencia, a menudo en una escala logartmica (decibeles). La transformada rpida de Fourier o FFT no es una nueva transformada sino un algoritmo que permite reducir el tiempo de clculo de la transformada discreta o DFT. Un anlisis del algoritmo de la DFT permite comprobar que se precisarn N multiplicaciones complejas y N sumas por cada una de las rayas espectrales que permitan la representacin en el dominio de la frecuencia, siendo N el nmero de muestras. Como hay N/2 componentes distintas, contando solo las frecuencias positivas del espectro el nmero total de multiplicaciones es N2. La necesidad de precisin y el aumento de la banda de anlisis conllevan al aumento de las frecuencias de muestreo y por tanto del nmero de muestras, multiplicaciones y sumas a realizar, lo cual retrasa la presentacin en tiempo real de la seal. Sin embargo muchos de los coeficientes de los complejos son redundantes y se pueden reducir del clculo. La FFT reconoce esta redundancia de coeficientes y utiliza un proceso de decimalizacin para reducir los clculos, realizando en total N Log2 N multiplicaciones en lugar de las N2 que necesita la DFT, siendo N el nmero de muestras. Por ejemplo, para 8 muestras la FFT realiza 24 productos complejos, mientras que la DFT realiza 64. El algoritmo empleado para la FFT es matemticamente complejo, pero fcilmente programable en un ordenador, por lo cual en lugar de manejarlo matemticamente se maneja como cdigo informtico. La FFT descompone la DFT de N puntos en transformadas ms pequeas. Una DFT de N puntos es descompuesta en dos DFTs de N / 2 puntos. Cada DFT de N / 2 puntos se descompone a su vez en dos DFTs de N / 4 puntos y as sucesivamente. Al final de la descomposicin se obtienen N / 2 DFTs de 2 puntos cada una. La transformada ms pequea viene determinada por la base de la FFT. Para una FFT de base 2, N debe ser
45
Para
implementar la FFT existen dos procedimientos: diezmado en frecuencia (DIF del ingls Decimation In Frequency) y diezmado en el tiempo (DIT del ingls Decimation In Time).
3.4.1
Algoritmo de la FFT El algoritmo para la FFT explota las propiedades de simetra de la exponencial
compleja discreta en el tiempo para reducir el nmero de multiplicaciones. Para evaluar una transformada discreta de Fourier con N muestras el algoritmo de la FFT encuentra su eficiencia cuando N es una potencia de 2. Esta restriccin no afecta el uso prctico de la FFT ya que la longitud de X(n) puede ser incrementada a la siguiente potencia de 2 aumentando el nmero adecuado de ceros. El algoritmo para la FFT base 2 consiste en tomar simultneamente dos puntos de datos de la memoria, realizar los clculos de la mariposa, y devolver los resultados a memoria. Este procedimiento se repite varias veces ((N log2 N) / 2 veces) en el clculo de la DFT de N puntos. Considerando el clculo de la DFT de N = 2v mediante el mtodo de divide y vencers. Tomando M = N / 2 y L = 2. Esta seleccin da lugar a la divisin de la secuencia de datos de N puntos en dos secuencias de datos de N / 2 puntos, f1 (n) y f2 (n), correspondientes a las muestras pares e impares de x(n), respectivamente, esto es,
f1(n) = x(2n) f2(n) = x(2n+1), n = 0,1, . . . , N _ 1 2 por lo tanto, f1 (n) y f2 (n) se obtienen diezmando x(n) por 2 y, en consecuencia, el
algoritmo para la FFT resultante se denomina algoritmo de diezmado en tiempo.
46
Captulo IV
4.1 Introduccin
El instituto de Fisiologa de la Universidad Autnoma de Puebla (UAP) realiza investigacin en 12 reas de las ciencias fisiolgicas. Para el estudio en el rea de Neuropsiquiatra, es necesario contar con herramientas adecuadas para el anlisis de Modelos animales en trastornos mentales que dirige el Dr. Gonzalo Flores lvarez. Una de estas herramientas consiste en un software que facilite la interpretacin de datos que se adquieren de ciertos animales (ratas, ratones transgnicos y cobayos).
Existe software comercial que realiza esta funcin pero poco es el que ofrece un costo accesible. Adems de que en muchas ocasiones, dichos software su beneficio por no ser especficos para una meta el beneficio que aportan es poco por su alto costo. Por todo esto es que el desarrollo de un software adecuado a las necesidades especficas y sin costo es una mejor opcin para el desarrollo de los proyectos de investigacin que se llevan en dicho Instituto. Desarrollar un software propio permite satisfacer gran parte de las necesidades en cuando a anlisis computacional, ya que se adapta a los requerimientos de algunos experimentos en desarrollo y futuros.
4.2 Objetivo
Disear un software con aplicaciones necesarias para el anlisis de seales electroencefalogrficas (EEG) y electrocardiogrficas (ECG) mediante el anlisis espectral (Transformada rpida de Fourier) que permita una interpretacin de las seales ECG Y EEG analizando su espectro. Contribuir a la investigacin no solo de este proyecto sino a otros proyectos de investigacin que se estn realizando y que requieran de las mismas funciones. Esto se lograr mediante la publicacin de una versin demo en Internet del software.
47
48
49
50
El diagrama de la figura 4.3 muestra la secuencia general del software ECEG en la cual el usuario ingresa al sistema y comienza abriendo el registro que previamente captur con la ayuda del software PICO y posteriormente comienza a realizar el anlisis de la seal.
4.6.1
Mdulo de captura
En la figura 4.4 se muestra el caso de uso del mdulo de captura mediante el cual se realiza el registro de la informacin con la cual se va a trabajar generando el archivo que contiene los datos que enva la tarjeta conectada a la computadora y que recibe los impulsos que registran los nodos conectados.
4.6.2
Mdulo de Fourier En este mdulo se realiza la Transformada Rpida de Fourier utilizando los datos
que se obtuvieron en el registro con la ayuda del software de PICO. Los datos son utilizados uno a uno conforme lo requiere el algoritmo y son almacenados en una estructura temporal para poder visualizarlos y posteriormente graficarlos. (fig. 4.5)
4.6.3
Mdulo de Graficado Una vez que los datos han sido transformados, el mdulo de graficado realiza la
rutina de verificar el nmero de canales al mismo tiempo que grafica cada uno de ellos para posteriormente mostrar la grfica total del registro separada por canales. (Figura 4.6)
52
4.6.4
Mdulo de Estadsticos Los estadsticos son parte importante para la interpretacin del registro; es por
esto que este mdulo permite observar cada uno de los datos estadsticos obtenidos a partir de los datos transformados utilizando la Transformada de Fourier. En este mdulo se pueden observar los estadsticos que se obtienen a partir de los datos generados (figura 4.7). Los estadsticos que obtiene este mdulo son:
Promedio Error estndar de la media. Desviacin Estndar Varianza T student Kruskal - Wallis
53
4.6.5
Mdulo de visualizacin Este mdulo est presente en todo momento ya que permite observar cada uno de
los mdulos desde el inicio del sistema y se mantiene durante la ejecucin de las rutinas de los dems mdulos. Le permite al usuario tener un control sobre lo que se est realizando as como obtener resultados y verificarlos de manera numrica o grfica. (Figura 4.8)
54
55
Captulo V
Diseo e implementacin
Otro software que se utiliza es el que proporciona la marca Pico Technology (figura 5.2) para la adquisicin de seales con la ayuda de la tarjeta modelo ADC-42 que va conectada al puerto paralelo de la computadora. En sincronizacin, el software de Pico y la tarjeta, adquieren la seal y realizan el proceso de conversin analgico a digital generando un archivo de texto con la informacin necesaria para el anlisis que realiza el software ECEG.
56
Procesador Pentium III 500Mhz o mayor 128 MB en Ram o ms Espacio en disco necesario para el almacenamiento de registros (100MB) Sistema operativo Windows
Es importante resaltar que el software requiere de registros los cuales se capturan con el software propio de la marca Pico Technology y con la tarjeta modelo ADC-42. Este software tiene unos requerimientos similares al del software ECEG.
57
Este archivo generado se encuentra en forma de texto sin formato con extensin .txt. Contiene nmeros con 3 decimales los cuales son ledos uno a uno por el software ECEG y cargados en la memoria para trabajar con ellos en el anlisis que se realiza. Este archivo puede tener encabezados verticales esto es, el archivo a veces incluye, en las tres primeras lneas, los encabezados que corresponden a cada uno de los canales o simplemente los canales sin encabezados, estas opciones las decide el usuario al momento de grabar el registro y guardar el archivo con el software de Pico Technology. Estas variantes estn contempladas dentro del software ECEG y el usuario elige tanto el nmero de canales como los encabezados antes de realizar la lectura para que el programa funcione de manera adecuada. (figura 5.4)
Los datos se almacenan en una estructura dinmica que puede incrementar o decrementar su tamao segn convenga, este tamao lo calcula el software en base al nmero de muestras por canal (datos) que se han ledo. Este clculo se realiza mediante una sencilla operacin que involucra al total de registros y al nmero ideal de datos que se requieren para aplicar la FFT. Este nmero ideal de datos se calcula de la siguiente manera: ex := log2(k); ex := trunc (ex) + 1; z := power(2,ex); Aqu se obtiene el logaritmo en base 2 del total de muestras. Calcula el siguiente entero del logaritmo de las muestras Eleva el nmero 2 a la potencia que indica el clculo anterior
Con lo anterior el programa calcula el total de muestras que ha de ingresar al algoritmo de Fourier almacenando este valor en la variable z. Incrementa el tamao del
58
arreglo a lo que le indica el valor de z y llena los espacios en blanco con valores de ceros, con los cual asegura el buen funcionamiento del algoritmo. Esta estructura es de tipo matricial y se almacena de manera similar a como se encuentra en el archivo original es decir, cada canal en una columna y en los renglones los datos de la muestras mostrndolo como una hoja de datos (figura 5.5).
Dicha estructura permite mantener en memoria una gran cantidad de datos y conocer la posicin exacta de cada uno de ellos para un rpido acceso. Esto es conveniente debido a que se tienen archivos con aproximadamente 100,000 o mas muestras por canal lo cual resulta complicado al momento de acceder a ellos y ms an para procesarlos y realizar operaciones al aplicar la FFT.
59
rutinas necesarias para mostrar nicamente archivos de este tipo evitando que el usuario pueda abrir algn otro que no sea compatible con el sistema. Una vez elegido el archivo se seleccionan las opciones de lectura del archivo como los encabezados y el nmero de canales.
60
61
62
63
Captulo VI
Ejemplos y resultados
6.1 Introduccin
En el presente captulo se muestran algunas opciones que se implementaron para el manejo del software as como los resultados obtenidos con un registro de sueo de aproximadamente 10,000 datos a un canal, por lo tanto se trabaja con solo 10,000 datos en total para procesar.
siempre presentes pero no activas, esto depende de la etapa en que se encuentre al momento de realizar el proceso de anlisis. Por ejemplo, para poder graficar, es necesario aplicar la FFT antes, para aplicar la FFT antes habr que leer los datos, para leer datos se requiere elegir las opciones, etc.
64
Para el registro que se utiliza, se eligen encabezados verticales y horizontales con opciones en No ya que es visible en el previo que nos muestra el software. Al elegir el registro que se analizar, el sistema mostrar los datos divididos por canal y activar las opciones que en ese momento estn disponibles (FFT) al mismo tiempo que muestra, en la parte inferior de la pantalla, informacin del registro como su ubicacin, nmero de registros ledos, el nmero de registros ideal para aplicar la transformada y los registros que se agregaron, el nmero de canales, etc. (figura 6.3). Para el caso de nuestro registro, el software muestra que se leyeron 9,040 registros y que el ideal son 16384 ya que, el nmero menor a 9,040 en base 2 es 8,192 y el siguiente es precisamente el ideal, la diferencia entre estos es: 7,344. Este incremento excesivo de datos no resultara muy ptimo para efectos de tiempo de procesado, pero recordemos del captulo 5, dicho algoritmo reduce el nmero de operaciones repetitivas. Por lo tanto no es de tomar en consideracin este aspecto aunque cabe mencionar que tendremos una reduccin de tiempo de procesado de alrededor de milsimas de segundo pero este tiempo es preferible a aplicar un algoritmo que duplica el tiempo de procesado debido a su complejidad.
65
decir, son solo para visualizar los nmeros y poder detectar a simple vista algn dato o rango de datos que estn fuera del rea de estudio. Una vez que el software nos muestra los valores que resultan al aplicar la transformada, ste nos mostrar la opcin para graficar los resultados adems de la opcin de calcular los estadsticos que puede calcular con los datos obtenidos (figura 6.3)
Figura 6.3 Ubicacin del registro, canales, datos y datos despus de aplicar FFT.
66
a)
b) Figura 6.4 a) Grfica de un registro de un canal con 9040 muestras b) grfica de un registro de un canal con 9040 muestras despus de aplicar Fourier
6.6 Estadsticos
Obtener los estadsticos dentro de este software consiste en presionar el botn calcular en el rea que pertenece a los estadsticos. La ventana muestra los grados de libertad que se tienen, el promedio, la varianza, la desviacin estndar, Kruskall Wallis y el error estndar. Estos nmeros permiten realizar una interpretacin mas concreta sobre el registro que pueda ayudar al diagnstico del estudio que se est realizando. En el caso de esta muestra de 9,040 datos los estadsticos se muestran en la figura 6.5.
67
Conclusiones
En esta seccin se presentan los resultados obtenidos con el software ECEG, el trabajo realizado, el trabajo a futuro y el beneficio que tiene dicho software y las limitantes encontradas en la realizacin del mismo.
Resultados Obtenidos
Uno de los objetivos del proyecto era realizar un software capaz de ayudar al trabajo de algunos investigadores que desarrollan proyectos relacionados con el estudio de la actividad elctrica del cerebro y del corazn en el Instituto de Fisiologa de la Universidad Autnoma de Puebla. Este software permite el anlisis de los registros registro de sueo o de ritmo cardiaco, con lo cual se cuanta con una herramienta importante para poder hacer interpretaciones de dichos registros en las investigaciones que se estn realizan en nuestra institucin El software es resultado de una gran recopilacin de informacin acerca del
procesamiento de seales y un extenso anlisis de software comerciales disponible para tener un software propio con caractersticas similares a los comerciales pero con la ventaja de tener algoritmos propios y una interfaz ms simple en el manejo de ste. Los resultados no se imprimen actualmente, esto a peticin de los investigadores involucrados ya que, en esta primera etapa, no es necesario tener el resultado fsico para el estudio que se realiza, no obstante el cdigo fuente queda abierto para nuevas implementaciones y mejoras.
68
aplicacin del algoritmo. A continuacin se muestra una tabla comparativa de nmero de operaciones complejas que cada algoritmo realiza con lo cual se justifica el uso de un algoritmo FFT en lugar de un DFT.
Nmero de muestras
8 16 32 64 128 256 512 1024
Como se puede observar la eficiencia del algoritmo permite utilizarlo sin preocuparse por el nmero de operaciones totales; no obstante se requiere ser mas eficiente para las necesidades que surgirn en un futuro con registros con un nmero mayor de muestras que se requieren analizar mas a detalle y con mas canales lo cual requerir de mayor memoria y poder de procesamiento para realizar operaciones.
Trabajo a futuro
Este software es una primera idea de lo que se pretende tener dentro del rea de investigacin en el Instituto de Fisiologa, un software competitivo con los de tipo comercial existentes, que resuelva algunas necesidades propias y que resulte mas eficiente tomando en cuenta que el algoritmo puede ser optimizado gracias a algunas tcnicas de reciente aparicin. Por otra parte, el software puede modificarse en la seccin de graficado aplicando tcnicas para realizar grficas con mayor precisin con una interfaz que permita realizar otro tipo de anlisis partiendo de los resultados que arroja la grfica mejorada.
Otro punto a considerar es el crecimiento del software en cuanto a mdulos que realicen otro tipo de anlisis sobre la seal que se ha obtenido. La manera en que los datos son ledos se puede modificar y mejorar notablemente la velocidad total del anlisis si se utiliza otro tipo de estructura de lectura sobre todo cuando el nmero de muestras es muy grande.
69
Estas son algunas observaciones que se sugieren para continuar el trabajo que se esta realizando. Esta primera versin comprende la realizacin del software y su funcionamiento pero, como todo software, puede ser ms eficiente continuando con las etapas que marca la ingeniera de software.
Limitaciones
Algunos programas comerciales realizan otro tipo de anlisis pero no se adaptan a las necesidades del que se ha realizado sin embargo, el software que se disea tiene sus limitantes, una de ellas es que solamente se puede utilizar para este tipo especfico de anlisis y no se ha programado algn otro. Una limitacin mas es la dependencia que se tiene del software y la tarjeta que realiza la conversin de datos analgicos a digitales por parte de la marca Pico que limitan la entrada de datos a una estructura especfica como un archivo y no como un manejo de estructuras que puedan manipularse directamente en memoria y as suprimir la lectura de un archivo. La interfaz y el manejo de las ventanas son dinmicos pero no se cuenta con un equipo con suficiente capacidad de memoria y procesamiento para poder realizar pruebas con mayor nmero de muestras ya que adquirir el equipo es costoso.
Una limitante ms es el uso de la tarjeta de adquisicin de datos, la disponibilidad de la tarjeta no es del todo accesible ya que se utiliza para otro tipo de trabajos dirigidos a otras investigacin con lo cual se limita el tiempo de realizacin de pruebas y nuevamente se tiene una dependencia para el trabajo. Hay mucho que trabajar en el rea de investigacin para el instituto de fisiologa y en otras reas de investigacin dentro de la universidad ya que se tiene que recurrir al software comercial para el anlisis que se requiere asumiendo el costo que este lleva con lo cual se elevan los costos de la investigacin. Un trabajo hecho la medida y en casa permitira realizar mas proyectos de investigacin o al menos contar con mas recursos para los existentes. Por otro lado la facultad de ciencias de la computacin podra entrar en convenio con las dems facultades e Institutos de investigacin para realizar programas y proyectos conjuntos que permitan desarrollar software que atienda las necesidades que surgen en cada uno de los proyectos.
70
71
Bibliografa
Proakis John, Manolakis Dimitris, Digital Signal Processing (Principles, algorithms and applications), Third ed., Prentice Hall, 1996, USA. Krishna Garg, Digital Signal Processing Algorithms, CRC Press, 1998, USA Irrazaval Pablo, Anlisis de Seales, Mc Graw Hill, 1999, Chile. Chi Tsong Chen, Digital Signal Processing (Spectral Computation and filter Design), Oxford, 2001, USA. Ackenhusen John, Real Time Signal Processing, Prentice Hall, 1999, USA. Ackenhusen John Desing and Implementation of signal Processing Systems. Prentice Hall, NJ, USA. 1999. Bellanger Maurice, Digital Processing of Signals (Theory and practice), Third Ed., Wiley, 2000, France. Gibbs Frederic, Atlas of Electroencephalografy, 1985, USA. Niedermeyer Ernest, Electroencephalography, Ed. Lippincott Williams & Wilkins, 1999, USA. Sierra Gilberto, Gmez Mara de Jess, Spectral Analisis of Electrogramas During Ventricular Tachycardia in a Canine Model, Journal of Electrocardiology, Vol. 30(No. 3), pags, 225 - 236, 1997, Canad. Sierra Gilberto, Gmez Mara de Jess, Discrimation Between Monomorphic and Polymorphic Ventricular Tachycardia Using Cycle Length Variability Measured by Wavelet Transform Analisis, Journal of Electrocardiology, Vol. 31 (No. 3), pags. 245 254, 1998, Canad. Vergara J.M., Brualla J, Calidad Subjetiva de Sueo y Anlisis Espectral de Electroencefalograma de Sueo Nocturno, Revista de Neurologa, Vol. 28 (No. 8), pags. 765 767, 1999, Espaa. Ackenhusen John G., Desing and Implementation of signal Processing System, Prentice Hall, 1999, USA. L. R. Rabiner and R. W. Schafer, Digital Processing of Speech Signals. Prentice Hall, NJ, USA. 1978
72
Louis Schirm IV. FFT for Non-FFT People. Redondo Beach, CA. 1979. Olivier Rioul and Pierre Duhamel, Fast Algorithms for discrete and Continous Wavelet Transforms. IEEE Trans. Information Theory, November, 1992. Olivier Rioul and Martin Vetterli, Wavelets and Signal Processing. IEEE Signal Processing Magazine, October, 1991 Sahambi Tandon Using wavelet transforms for ECG characterization IEEE End Med Biol Magazine, 1997 Mallat S. Hwang, Singularity detection and processing with wavelets, IEEE Trans Inform Theory, 1992 Myrinet: A brief technical Overview, http://www.myri.com/myrinet/overview.html, 1998
73
Para poder acceder al sistema ECEG tan slo basta presionar el acceso que se tiene al momento de copiar el archivo ejecutable. Al ingresar aparecer la ventana que se muestra a continuacin.
Despus de presionar el botn de entrar, debemos de cargar los datos del registro que previamente se ha tomado con el software de pico o algn otro software para capturar seales.
Al presionar el botn abrir registro se puede observar el cuadro de dilogo para abrir un archivo. El estndar que maneja es de archivos de texto que general el software de pico. Elegimos el archivo que queremos aplicar el anlisis espectral.
74
Una vez abierto el archivo, procedemos a seleccionar el nmero de canales que nos mostrar el previo de datos ledos. ste nmero puede variar de 1 a 15.
Hacemos lo mismo pero ahora para el caso de los encabezados horizontales, en caso de no observar nada ms que los datos elegimos casos no.
75
Al presionar el botn de leer registro se procede a la lectura completa del archivo y de todos los datos del registro. El tiempo de lectura depender del nmero de canales y datos. Al finalizar mostrar la pantalla con los datos ledos, los datos agregados y operaciones que se pueden realizar con ellos.
Una vez que aparece la pantalla de las operaciones, podemos verificar que la pestaa de datos contiene la informacin que acabamos de leer
76
Al graficar los datos antes de aplicar la transformada de Fourier (FFT) se observan segn el nmero de canales.
77
Al presionar el botn FFT se aplica la transformada Directa de Fourier. El sistema mostrar un mensaje de que se ha terminado de aplicar el anlisis y se puede proceder a graficar o a observar los datos estadsticos del anlisis.
Graficando los valores que hemos obtenido como resultado de aplicar la FFT
78
Por ltimo, se pueden obtener los datos estadsticos que arroja el anlisis espectral de la captura realizada presionando la pestaa de estadsticos y posteriormente el botn de calcular.
Para salir del programa solo basta presionar el botn de cerrar de la ventana.
79