SEGNALI 2

Sistemi di misura
Tipico schema di un sistema di misura per segnali biomedici:

1. Il processo fisiologico di interesse viene convertito in un segnale elettrico

mediante un trasduttore
2. Si applicano tecniche analogiche di processamento del segnale
(amplificazione e filtraggio)
3. Il segnale viene convertito in digitale attraverso un convertitore
analog-todigital (ADC)
4. Il segnale digitale viene immagazzinato o bufferizzato nella memoria del PC
5. Vengono applicate tecniche di signal processing
6. Il risultato viene visualizzato sul display
Trasduttori
Un trasduttore è un dispositivo che converte l’energia da una forma all’altra.
Nell’ambito del signal processing, tale conversione di energia consente di
trasferire l’informazione. Nei sistemi di misura i trasduttori di input (sensori)
convertono una qualunque forma di energia non elettrica in un segnale
elettronico. Fanno eccezione gli elettrodi che convertono energia elettrica ionica
in elettronica. L’uscita di un trasduttore biomedico è una tensione o una
corrente, la cui ampiezza è proporzionale all’energia misurata.

APPROCCIO AD ENERGIA ESTERNA AL SISTEMA

1
Sensori trasducono l’energia prodotta indirettamente dal sistema
nell’interazione con una sorgente esterna. L’energia generata esternamente
interagisce ed è modificata dal sistema in esame. Tale alterazione produce la
misura. Esempio: raggi X prodotti esternamente e assorbiti dai tessuti corporei
investiti dal fascio la misura dell’assorbimento è utilizzata per costruire
un’immagine.

APPROCCIO AD ENERGIA INTERNA AL SISTEMA

Molti processi fisiologici producono energia che può essere rilevata
direttamente
Esempi:
Misura della pressione interna cardiaca; misure dell’attività elettrica di muscoli,
cuore e cervello (sorgenti EXG) tramite elettrodi
•EEG cervello
•EMG muscoli
• ECG cuore
•EOG occhio
•EGG pareti gastriche
•GSR pelle
Stabiliscono il livello di invasività del sistema di misura

Misure dirette dell’energia

2
Trasduttori
-Prestazioni dei trasduttori: Risoluzione,Estensione della banda, Noise Rejection
Approcci di trasduzione:
-L’energia in input fa generare all’elemento di trasduzione una tensione o una
corrente (TRASDUTTORI OTTICI)
-L’energia in input crea un cambiamento nelle proprietà elettriche dell’elemento
di trasduzione (resistenza, induttanza, capacità) (TRASDUTTORI DI
TEMPERATURA)
Processamento analogico del segnale
La maggior parte delle tecniche di processamento del segnale vengono eseguite
spesso su dati digitalizzati mediante algoritmi implementati via software.
Tuttavia sono necessarie alcune operazioni sul segnale analogico.
Il primo step analogico dipende dal tipo di trasduttore:
● Se il trasduttore è un generatore di tensione, il primo step è sicuramente
un amplificatore
● Se il trasduttore varia le sue proprietà elettriche, bisogna usare una
corrente costante per ricavare una tensione di uscita (es: termistore)
● Se il trasduttore produce una corrente in uscita, il primo step è un
amplificatore (trans-conduttanza) corrente-tensione (es: fotodiodo)

Sorgenti di variabilità: rumore

RUMORE è un termine molto generale e piuttosto relativo. Il rumore è ciò che
non vuoi, mentre il segnale è ciò che vuoi. Il rumore è intrinseco ai sistemi di

3
misura e spesso ne limita le performance. Molte delle tecniche di processamento
del segnale hanno come obiettivo la minimizzazione del rumore.
Origini del rumore:
★ Variabilità fisiologica: L’informazione che desideri è basata su una misura
soggetta a delle influenze biologiche diverse da quelle di interesse
★ Rumore ambientale: Proviene da sorgenti esterne (alimentazione di rete)
o interne al sistema (ECG fetale corrotto da ECG materno)
★ Artefatti del sensore: Il sensore risponde ad altre forme di energia diverse
da quella desiderata (elettrodi sensibili ad artefatti)
★ Rumore elettronico: Rumore termico prodotto da elementi conduttori
(Range: from DC to 10^12 – 10^13 Hz Spettro del rumore bianco)

Sorgenti di variabilità

Rapporto Segnale-Rumore (NON presente)

La maggior parte delle forme d’onda è composta da segnale e rumore mescolati
insieme. Il segnale è la porzione d’interesse della forma d’onda, mentre il
rumore è la porzione che non interessa. Il RAPPORTO SEGNALE-RUMORE
(SNR) misura le quantità relative di segnale e rumore presenti nella forma

d’onda. La sua formulazione è: dove segnale e

rumore sono misurati in media quadratica dell’ampiezza .

4
Per eseguire la conversione da scala decibel a scala lineare, si usa la seguente
formula:

𝑆NR =20dB indica che i valori in media quadratica del segnale sono 10 volte
quelli del rumore (1020/20=10)
Ex:

Filtri analogici (NON presente

I filtri analogici vengono utilizzati per:
1. Rimuovere il rumore
2. Condizionare opportunamente il segnale per la conversione
analogico-digitale (limitare la banda del segnale)
❖ Una conversione accurata di un segnale analogico in un segnale
digitale richiede che il segnale contenga frequenze non più grandi
della metà della frequenza di campionamento (sia il segnale che il
rumore)
❖ Pertanto è fondamentale inserire un filtro passa-basso per limitare
la banda della forma d’onda da convertire (al minimo per ridurre il
rumore)

5
Tipi di filtri
I filtri analogici sono dei dispositivi elettronici che rimuovono alcune frequenze
selezionate. I filtri vengono nominati in base al range di frequenze che NON
sopprimono:
➔ Passa-basso permette alle basse frequenze di passare con attenuazione
minima mentre le alte frequenze vengono attenuate
➔ Passa-alto passano le alte frequenze, mentre le basse frequenze sono
attenuate
➔ Passa-banda le frequenze al di sotto e al di sopra di una certa banda
vengono attenuate
➔ Reiezione-banda le frequenze in una certa banda vengono attenuate

BANDA-PASSANTE range di frequenze non attenuate dal filtro

La pendenza della curva di attenuazione è legata alla complessità del filtro
La pendenza è tanto più ripida quanto maggiore è il numero di elementi che
immagazzinano energia nel filtro (capacità)

Conversione analogico-digitale

6
L’ultimo elemento analogico del sistema di misura è il convertitore
analogico-digitale (ADC) . L’ADC è un componente elettronico che converte un
potenziale analogico 𝑥(𝑡)in un numero digitale 𝑥[𝑛].Al fine di eseguire tale
conversione è necessario fare una doppia operazione di «slicing»:
1.Nel tempo (CAMPIONAMENTO): Lo «slicing» nel tempo campiona la
forma d’onda continua x(t) in punti discreti nel tempo nTs dove Ts è il periodo
di campionamento
2.In ampiezza (QUANTIZZAZIONE):
•Il segnale deve essere diviso in livelli discreti rispetto all’ampiezza
•Il grado di approssimazione dipende dal numero di livelli e dal range del
segnale
ADC 8bit, 28=256 livelli, range del segnale [0.0–5.0]Volts; intervallo di
quantizzazione pari a 5/256=0.0195 Volts

Il processo di conversione
Il processo di conversione può essere rappresentato da un modello a due step:
1. S/H sample and hold
2. ADC conversione analogico-digitale
Tale processo permette di separare gli effetti del campionamento da quelli della
quantizzazione.

Campionamento

7
L’uscita del blocco S/H può variare soltanto ad intervalli periodici della durata
del periodo di campionamento. Cambiamenti nel segnale di ingresso al blocco
S/H che avvengono tra gli istanti di campionamento vengono ignorati. Il segnale
viene campionato in un certo istante (SAMPLE) e il suo valore viene mantenuto
costante fino all’istante di campionamento successivo (HOLD).
CAMPIONAMENTO converte la variabile indipendente (tempo) dal dominio
continuo a quello discreto.

Quantizzazione
Ipotizziamo di quantizzare a 12bit (212=4096 livelli).Il blocco ADC produce un
valore intero tra 0 e 4095 per ognuna delle regioni piatte ottenute nel segnale
campionato.Questo introduce un errore, perché ogni plateau può assumere solo
alcuni valori nel range del segnale. Assumendo che il segnale abbia un range di
[0, 4.095]V e che il ADC funzioni a 12 bit, ogni livello ha ampiezza 0.001V le
ampiezze 2.56000V e 2.56001V vengono entrambe convertite nel livello 2560.

Errore di quantizzazione
Least Significant Bit (LSB) è la distanza tra due livelli di quantizzazione:

Ogni campione nel segnale digitale può essere associato ad un errore al

massimo pari a ½ LSB

8
L’uscita digitale è equivalente alla somma del segnale continuo e dell’errore di
quantizzazione. L’errore di quantizzazione appare come rumore random.

In molti casi, la quantizzazione risulta nell’aggiunta di una specifica quantità di

rumore random al segnale
Il rumore additivo è:
● uniformemente distribuito tra ±½ LSB
● ha media nulla

● Ha deviazione standard pari a

Un ADC a 8 bit aggiunge al segnale un rumore di quantizzazione pari a
(0.29/256), un ADC a 12 bit aggiunge un rumore pari a (0.29/4096) mentre un
ADC a 16 bit aggiunge un numero pari a (0.29/65536). Il numero di bit
determina la precisione dei dati.
Teorema del campionamento
CAMPIONAMENTO CORRETTO supponiamo di aver campionato il segnale
in un modo qualunque. Tale campionamento è appropriato se è possibile
ricostruire ESATTAMENTE il segnale analogico dai campioni. Ho f=0.09FS
frequenza di campionamento, se ho 1000hz ottengo 90 hz. I campioni per ciclo
sono 11 campioni e formano una sinusoide. Quante sinusoidi posso definire che
passano per 11 campioni? una sola. Quindi se il mio segnale ha una frequenza
che è circa il 10% della frequenza di campionamento riesco a ricostruire il
segnale.

9
Immaginiamo ora di avere la frequenza del segnale al 30% di quella di
campionamento. Ho 300 cicli quindi 3.2 campioni a ciclo, quante sinusoidi ci
passano ? sempre una sola.

Se ho il 95% ho 950 cicli quindi per cicli ho 1 campione quindi ci passano

infinite sinusoidi. Ottengo un'altra sinusoide, cosa è successo? Ho fatto un
errore di costruzione e ho attribuito una frequenza bassa a una frequenza molto
più alta ed è dovuto al fatto che ho campionato con una frequenza troppo vicina
alla frequenza del segnale, questa cosa si chiama aliasing.

TEOREMA NYQUIST
Un segnale continuo può essere correttamente campionato se e solo se non
contiene componenti in frequenza superiori alla metà della frequenza di
campionamento (frequenza di Nyquist)

10
La stessa cosa può essere vista anche nel dominio della frequenza: mettiamo un
segnale nel dominio della frequenza e indichiamo la banda, ipotizziamo di
volerlo campionare ( moltiplichiamo per un treno di impulsi) con la f di
campionamento a 3 volte a quella del segnale quindi sto campionando
correttamente. Perchè? quando moltiplico per il treno di impulsi ho le repliche
dello spettro iniziale, quindi devo fare attenzione che la replica a fs non si
sovrapponga con la prima e questo succede quando fs è troppo bassa (aliasing).
CAMPIONAMENTO APPROPRIATO il segnale originale può essere
ricostruito eliminando frequenze ½ 𝑓s .
CAMPIONAMENTO INAPPROPRIATO il segnale originale non può essere
ricostruito

Quindi la cosa da fare è mettere un filtro anti-aliasing che limita in banda il

segnale (per colpa del rumore il segnale è illimitato)
Conversione Digitale-Analogica (DAC)
Il modo più semplice di eseguire una conversione Digitale-analogica (DAC) è
quello di prendere i campioni dalla memoria e convertirli in un treno di impulsi.
Il segnale analogico originale può essere perfettamente ricostruito facendo
passare il treno di impulsi in un filtro passa basso con frequenza di taglio pari
alla metà della frequenza di campionamento. Metodo matematicamente perfetto
ma di difficile realizzazione (difficile generare treno di impulsi).

11
In realtà il DAC lavora mantenendo l’ultimo valore campionato fino al
successivo istante di campionamento (zeroth-orderhold). Nel dominio della
frequenza il DAC risulta nel prodotto dello spettro del treno di impulsi per il
sync(nel tempo convoluzione tra treno di impulsi e impulso rettangolare di
durata pari al periodo di campionamento)

Un filtro analogico converte il segnale zeroth-order hold nel

segnale ricostruito.Tale filtro necessita di:
1.Rimuovere tutte le frequenze superiori a quella di Nyquist
2.Amplificare le frequenze del reciproco del zeroth-orderhold(1/sinc(x))

12
Filtri Analogici per la conversione dati
Ho una dualità tra il filtro anti aliasing e il filtro di ricostruzione entrambi
passabassi e con frequenza più o meno uguale e analogici ma non sono ideali
quindi il modello non vale sempre:

FILTRO ANTI-ALIASING: Prima della ADC il segnale in ingresso viene

trattato con un filtro analogico passa-basso necessario a rimuovere tutte le
frequenze al di sopra di quella di Nyquist(½ della frequenza campionamento)
FILTRO DI RICOSTRUZIONE: Il segnale digitale passa in un convertitore
digitale-analogico e in un filtro passa-basso settato alla frequenza di Nyquist
Questo modello è limitato dalle non idealità dei filtri elettronici
Filtri Analogici
I filtri analogici maggiormente utilizzati sono:
★ Chebyshev
★ Butterworth
★ Bessel
Ognuno è progettato per ottimizzare un diverso parametro di performance. La
complessità del filtro può essere aggiustata selezionando un numero diverso di
poli (più poli più condensatori) e zeri del filtro. Più poli ci sono e più elettronica
è necessaria per implementare il filtro.
Building Blockper Filtri Analogici
-Circuito Sallen-Key per il design di filtri analogici (1950)

13
Il circuito mostra un filtro passa-basso a 2 poli che può essere configurato
secondo una delle tre tipologie base (Per filtro passa-alto invertire R e C)

due costanti k1 e k2 che cambiano per ogni tipologia di filtro

Filtri a 4, 6 o 8 poli vengono costruiti mettendo in cascata(serie) 2, 3 o 4 circuiti,

rispettivamente

Caratteristiche filtri analogici

-Cut-off frequency sharpness per filtro passa-basso con frequenza di taglio 1 Hz.
Risposta in frequenza : più poli ho e più il filtro si avvicina a quello ideale
invece se fermiamo i poli il filtro migliore è Chebyshev ( che comunque taglia a
2 hz non a 1 quindi devo tenerne conto cioè devo essere conservativa, mi devo
tenere larga)
Chebyshev a 8 poli è il migliore ma non sufficiente per un filtro anti-aliasing

14
Non idealità dei filtri analogici
Perché Chebyshev non è valido come filtro anti-aliasing? Supponiamo di avere
un sistema di campionamento a 10 kHZ. Il teorema del campionamento dice che
qualunque frequenza al di sopra dei 5kHz sarà soggetta a aliasing. Decidiamo
quindi che tutte le frequenze superiori a 5kHz siano ridotte in ampiezza di un
fattore 100, ipotizzando che ogni frequenza soggetta a aliasing abbia
un’ampiezza inferiore all’1%. Il filtro di Chebysheva 8 poli con 𝑓𝑐=1Hz non
raggiunge un’attenuazione di 0.01 prima di 1.35𝐻z.Scalando il cut-off del filtro
deve essere posto a 3.7𝑘Hz affinchè tutte le frequenze sopra i 5kHz abbiano
l’attenuazione richiesta. Nella maggior parte dei sistemi, la banda di frequenza
tra 0.4 e 0.5 della frequenza di campionamento è una zona non utilizzabile in
cui troviamo il roll-off del filtro e i segnali soggetti a aliasing.
Ripple nella banda-passante
Guardando la risposta in frequenza dei filtri in scala lineare si vede come
Chebyshev abbia un elevato ripple nella banda-passante (6% circa 0.5 dB)
Il filtro di Butterworth è ottimizzato per avere il più ripido roll-off senza ripple
nella banda passante

Risposta al gradino
Come il filtro risponde quando il segnale in ingresso cambia rapidamente da un
valore ad un altro. I filtri Butterworth e Chebyshev mostrano overshoot e
ringing.

Nella risposta a gradino invece si osserva che nel tempo il migliore è bessel
perchè ci mette meno tempo e non oscilla a 1 ma rimane costante , quindi è il
migliore se vogliamo mantenere la forma d'onda del segnale.
Selezionare il filtro anti-aliasing

15
La selezione del filtro anti-aliasing dipende quasi interamente dal seguente
problema:Come è rappresentata l’informazione nel segnale che vorresti
analizzare?
1. Encoding nel dominio del tempo (la forma del segnale contiene l’info)
2. Encoding nel dominio della frequenza (conversione analogico-digitale)

Trasformata di Fourier discreta

Decomposizione sinusoidale:
● La decomposizione di Fourier del segnale origina 9 seni e 9 coseni a
ampiezze e frequenze diverse
● La somma di queste 18 sinusoidi produce l’intero segnale
Trasformata di Fourier
Il termine generale Trasformata di Fourier può essere diviso in quattro categorie
a seconda del tipo di segnale che possiamo incontrare ( continuo o discreto,
periodico o aperiodico)

● Trasformata di Fourier: segnale continuo e aperiodico

● Serie di Fourier segnale periodico e continuo
● Trasformata di Fourier tempo discreta per segnali aperiodici e discreti
● Trasformata di Fourier discreta per segnali periodici e discreti
Ognuna di queste categorie può essere divisa in:

16
 ● Reale : è la più semplice, usa numeri ordinari e l’algebra per la sintesi e
decomposizione
● Complessa: immensamente più complicata e richiede l’uso di numeri
complessi
Preoccupazioni sulla lunghezza del segnale
Queste quattro classi di segnali si estendono tutte a + o - infinito. Ma se
possiamo avere solo un numero finito di campioni memorizzati nel computer
come puoi costruire il segnale? Seno e coseno sono definiti tra + e - infinito.
Non si può usare un gruppo di segnali infinitamente lunghi per ottenere
qualcosa a lunghezza finita. Per uscire da questo dilemma bisogna far sembrare
i dati di lunghezza finita come dei segnali a lunghezza infinita.
Immaginiamo che il segnale ha infiniti numeri di campioni a destra e a sinistra
del punto effettivo che sto considerando.
Se tutti questi campioni immaginari hanno valore zero ( segnale discreto e
aperiodico) uso la Trasformata di Fourier tempo discreta. Se i campioni
immaginari sono delle duplicazioni dei 1024 punti che ho nel computer (
segnale discreto e periodico) uso la trasformata di Fourier discreta.
Un numero infinito di sinusoidi sono necessarie per ottenere un segnale
aperiodico quindi l’unico tipo di Trasformata di Fourier che può essere usata in
DSP è la DFT.
Trasformata di Fourier discreta
La seguente DFT ( analisi di decomposizione) trasforma dal dominio del tempo
al dominio della frequenza , mentre la DFT inversa (sintesi) trasforma dal
dominio della frequenza al dominio del tempo.

Questa figura descrive la DFT reale, infatti la DFT complessa cambia N punti
complessi in un altro set di N punti complessi. N può essere qualsiasi numero
positivo intero, di solito è scelta una potenza di 2 ( 128, 156 ..) per due ragioni:
1) per memorizzare i dati in digitale si usa il codice binario, rendendo le potenze
di due indicatori della lunghezza del segnale
2) L'algoritmo più efficiente per calcolare la DFT, la Fast Fourier Trasform
(FFT) di solito opera con degli N a potenza di 2.

17
Assumiamo un segnale nel tempo con N punti contenuto in x[]. Il dominio della
frequenza di questo segnale è chiamato X[] e è composto da due parti, ognuna
lunga N/2+1 campioni. Queste due parti sono chiamate: ReX[] che è l’ampiezza
del coseni e ImX[] che è l’ampiezza dei seni.
Variabile indipendente della DFT
Esistono 4 modi per esprimere l’asse del dominio della frequenza:
● usando i campioni k ([0,N/2])
● usando le frazioni della frequenza di campionamento f
● usando ꞷ=2𝜋f
● usando le frequenze analogiche

Funzioni base della DFT

Il seno e coseno usati nella DFT sono comunemente chiamati le funzioni base
della DFT . Le funzioni base sono un gruppo di seni e coseni con ampiezza
unitaria. Se si assegna ad ognuna una ampiezza ( nel dominio della frequenza)
all’appropriato seno e coseno ( funzioni base) il risultato è un gruppo di coseni e
seni scalati che possono essere usati per formare il segnale tempo continuo. Le
funzioni base della DFT sono generati dalle seguenti equazioni:

supponiamo di avere N=32 punti della DFT, quindi ho 17 seni e 17 coseni. Dato
che queste sinusoidi devono formare il segnale di input, devono avere la sua
stessa lunghezza. In questo caso ognuno ha 32 punti che vanno da 0 a 31. Il
parametro k imposta la frequenza di ogni sinusoide, k è uguale al numero di
cicli completi che si verificano dopo gli N punti del segnale.

18
DC offset
c0[] è un coseno a frequenza zero che è il valore costante pari a 1. Questo
significa che Re X[0] raccoglie il valore medio di tutti i punti del segnale nel
dominio del tempo. In elettronica si dice che ReX[0] tiene il DC offset. Il seno
a frequenza zero s0 è un segnale composto da tutti zeri

c2[] e s2[] sono le sinusoidi che completano due cicli negli N punti. Queste
corrispondono a ReX[2] e ImX[2] rispettivamente.
c10[] e s10[] mostrano le sinusoidi che completano 10 cicli in N punti. Queste
sinusoidi corrispondono a ReX[10] e ImX[10].

Ad alte frequenze cN/2[] e sN/2[] i campioni non sembrano più seni e coseni. Il
coseno discreto varia tra 1 e -1 che può essere interpretato come un
campionamento di una sinusoide continua sui suoi picchi. Al contrario il seno

19
discreto contiene tutti zeri risultanti dal campionamento del segnale agli
attraversamenti dello zero. Questo rende il valore di ImX[N/2] uguale a ImX[0]
sempre uguale a zero. Se ci sono N campioni che entrano nella DFT, e N+2
campioni che escono da dove viene l’informazione extra? Due dei campioni
output non contengono informazioni, lasciando gli altri N campioni
completamente indipendenti

DFT inversa:sintesi

L’equazione di sintesi iDFT è

ricalca Fourier perchè sono sempre somma di seni e coseni. Ogni punto N di
x[n] può essere creato aggiungendo N/2 +1 coseni e N/2+1 seni. L’ampiezza dei

coseni e dei seni sono contenute dei vettori e .

Trasformazione del
dominio della frequenza all'ampiezza della sinusoide. Per fare la iDFT in
programma nel computer dobbiamo fare 3 azioni: 1) dividere tutti i valori del
dominio della frequenza in N/2; 2) Cambiare il segno di tutti i valori
immaginari; 3) Dividere il primo e l’ultimo campione della parte reale ReX[0] e
ReX[N/2] per 2

Dato il segnale nel tempo come lo ottengo in frequenza cioè come otteniamo le
ampiezze dei seni e dei coseni? ho tre approcci : uno algebrico (equazioni

20
simultanee) ,uno basato sulla correlazione e uno basato sulla trasformata di
Fourier veloce FFT( basato sulle potenze di due)
Equazioni simultanee
Equazioni simultanee: oneroso di fatto non utilizzato. L'equazione di sintesi è
un set N di equazioni con x[n] come incognita. Posso usare l'eq di sintesi al
contrario e usare x[n] per stimare x[k] cioè la sua parte immaginaria e reale (
l'ampiezza di seni e coseni).
Correlazione
Modo standard, approccio con correlazione. Supponiamo di dover calcolare la
DFT di un segnale di 64 campioni, dobbiamo stimare 33 seni e 33 coseni.
Supponiamo di voler stimare l'ampiezza discreta del seno a frequenza 3, e la
parte immaginaria di X[k=3]. Partiamo da due segnali: Il primo segnale è una
sinusoide a frequenza 3 (fa tre cicli), il secondo segnale non ha una forma nota e
contiene diverse frequenze tranne la frequenza 3. La DFT del primo segnale
dovrebbe essere un impulso, invece per il segnale due ci aspettiamo una DFT a
0 perchè la frequenza 3 non c'è. La DFT va quindi a vedere se il mio segnale
assomiglia o no al seno frequenza per frequenza. Nella seconda riga prendo la
base cioè il seno a frequenza 3 quindi nel primo caso è somiglianza completa
nel secondo no. Una misura della somiglianza è la correlazione senza
traslazione , questa si implementa facendo punto a punto il prodotto e poi la
media. La terza riga è il risultato del prodotto di cui devo fare la media , nel
primo caso ho la media di 0,5 nel secondo invece ho media circa 0.

21
Quindi dal punto di vista formale questo è il modo in cui formiamo l'eq di
decomposizione. Quindi stimiamo la parte reale di X[k] e la parte immaginaria.
Nelle equazioni ho le medie senza traslazione. k va da 0 a N/2

abbiamo quindi la correlazione tra le funzioni base e il segnale di input.

Dualità della DFT
Ha riportato tutte e due le equazioni quella di sintesi e quella di
decomposizione. Si può passare dall'uno all'altro cioè ho una coppia univoca.

L’unica differenza è che nel dominio del tempo ho un segnale con N punti
mentre nel dominio della frequenza ho due segnali di N/2+1 punti.
DFT reale
Guardiamo di nuovo la DFT reale. Nella DFT reale non ci sono le frequenze
negative, anche se dovrebbero esserci.

DFT complessa
per passare alla DFT complessa occorre usare Eulero

22
 quindi è possibile esplicitare seno e coseno da
Eulero. Il coseno è dato dalla somma di due esponenziali complessi uno a
frequenze positive e uno a frequenze negative, uguale il seno.

L'equazione è che otteniamo è , in questo

modo con l'esponenziale complesso abbiamo incluso anche le frequenze
negative. Possiamo sostituire il seno e il coseno per verificarla

. X[k] stavolta è complesso. E'

sempre una correlazione ma è una correlazione con un esponenziale complesso.
Possiamo graficare la parte immaginaria e la parte reale si X[k] per ( -fs/2 a
fs/2).

La parte reale è pari e invece la parte immaginaria è dispari.

iDFT complessa
Se esiste la DFT complessa esiste anche la iDFT quindi l'equazione di sintesi.

23
Simile a prima basta invertire i segnali e il segno dell'esponenziale. Possiamo
ancora scomporlo in seni e coseni e anche qua ho una parte reale senza j e una

parte immaginaria con j

Proprietà della Trasformata di Fourier
★ Linearità: La trasformata di Fourier è lineare cioè possiede le proprietà di
omogeneità e additività. In cosa si vede l'omogeneità ? si vede dal
grafico, se ho questa coppia x e X se amplifico x cioè moltiplico per k
non devo trasformare kx ma basta moltiplicare X per k.

La seconda proprietà è l'additività: se io prendo un segnale nel dominio

del tempo x1 e conosco la dft e ne prendo un 'altro x2 di cui conosco
sempre la dft, se li sommo nel dominio del tempo non devo ritrasformare
x1+x2 ma la parte in frequenza sarà la somma delle due dft X1+X2.
★ Periodico: La DFT è periodica sia nel tempo che in frequenza. Grafico :
se quello in alto è il segnale ho in pratica il segnale infinito e periodico

In frequenza ho la stessa cosa quindi lo spettro è ribaltato e replicato per

tutti i periodi. Anche la fase nella parte negativa è ribaltata

24
Fast Fourier Trasform
I due matematici che proposero quest'approccio della trasformata di Fourier
veloce sono Cooley e Tukey ma in realtà ci è arrivato Gauss ma non c'erano i
calcolatori. L'algoritmo prevede la fattorizzazione di una matrice n*n.
L'algoritmo FFT serve a calcolare la DFT direttamente sui segnali complessi
senza usare la matematica complessa. Se partiamo dal segnale reale sappiamo
che abbiamo la trasformata DFT reale con n punti e poi passiamo a n/2+1
ampiezze dei seni e dei coseni nel dominio della frequenza. Quando facciamo la
DFT complessa il segnale del dominio del tempo cambia perché per ogni istante
ho due valori uno reale e uno immaginario che sono appaiati e abbiamo 2n
valori nel tempo. Nella dft complessa ci rientrano le frequenze negative quindi
dobbiamo stimare il doppio dei seni e dei coseni cioè n. Se il mio segnale è reale
come faccio ad applicarlo ad un segnale reale? metto la parte immaginaria nulla,

e mi prendo i primi n/2 seni e i primi n/2 coseni

Le frequenze negative comportano che la mia DFT sia periodica, allora come
tutti i segnali periodici posso studiare un intervallo di periodo T casuale quindi è
a scelta cioè posso prendere qualsiasi segmento che è lungo fs. Nel caso della
DFT periodica si sceglie per convenzione il periodo tra 0 e 1 dove 0 coincide
con lo zero del campione e 1 coincide con n-1. I primi n/2 sono le frequenze
positive le seconde sono le frequenze negative da n/2+1 a n-1(negative perché è
la replica di quello che succede da -0,5 a 0).

25
Quindi la soluzione della DFT reale e la soluzione della DFT complessa sono
simili uno è il caso particolare dell'altro. Le frequenze da 0 a n/2+1 sono le
stesse , dopo n/2+1 a n-1 le frequenze sono invertite nella parte reale in quella
immaginaria va anche cambiato di segno.

Come funziona la FFT

Per fare la FFT ho tre passi: il primo passo è la scomposizione del segnale di n
punti in n segnali con un punto solo nel tempo; il secondo passo è il calcolo
della versione in frequenza di questi n segnali e poi prendo questi n spettri e li
ricompongo fino ad ottenere un unico spettro di lunghezza n.
Decomposizione nel dominio del tempo

Scomposizione : il numero di scomposizioni da effettuare è pari a dove

N sono i campioni. Quindi la prima regola è che N deve essere una potenza di 2
( per farlo quando non ho precisa la potenza di 2 metto 0 fino ad arrivare alla
potenza di due).

EX: il primo disegno è il mio segnale con 16 campioni (012 sono le posizioni),
poi dimezzo in due vettori da otto separando i numeri pari dai numeri dispari
delle posizioni, poi prendo il primo da 8 e separo sempre le posizioni pari nel

26
nuovo vettore da quelle dispari e stessa cosa per il secondo vettore .. così via
fino ad arrivare a 1, l'ultima sequenza è quella che dovrò usare.
Il vantaggio di fare questa cosa è che in termini computazionale questa cosa
occupa zero perché utilizza la logica binaria del calcolatore. Partiamo dai nostri
campioni da 0 a 15 (posizioni), voglio esprimere questi numeri in binario a 4
bit ( la prima è 20 e così via ), prendo le posizioni in numeri binari e le inverto e
ottengo la sequenza di prima ottenuta con le separazioni(bit reversal) . A questo
punto faccio lo spettro del segnale da uno ma lo spettro del segnale da uno è il

segnale stesso quindi ho già lo spettro.

Adesso devo riarrangiare gli spettri facendo l'operazione inversa ricombinandoli
e ottenendo lo spettro del segnale.
Come funziona questa ricomposizione? utilizza l'algoritmo a farfalla.

abcd sono le posizioni pari e efgh sono le dispari

del vettore nel dominio del tempo, mi costruisco il vettore da otto mettendo i
pari nelle posizioni pari e i dispari nelle posizioni dispari. C'è una proprietà che
dice che se diluisco il vettore nel dominio della frequenza con degli zeri in
frequenza ho una duplicazione del segnale. Per i dispari faccio uno shift di 1
posto con una sinusoide (spettro della funzione delta) per ottenere lo zero
all'inizio e poi duplico il segnale. Sommando i due vettori ottengo il mio vettore
da otto.
Algoritmo a farfalla

27
 è chiamato a farfalla perchè forma due ali. Ho n/2 (butterfly) per
ogni step.

Comparazione di velocità
Con la DFT classica il tempo di esecuzione è n2 invece con la FFT ho nlog2n
Comparazione di accuratezza
la FFT ha anche un vantaggio di accuratezza perché il metodo classico
approssima la correlazione mentre in questo approccio l'errore è quasi zero.

Analisi spettrale
Perché vogliamo fare l'analisi spettrale ? perchè il segnale che ho acquisito
contiene informazioni anche nel dominio della frequenza. Per esempio l'EEG
che è un segnale a bassa frequenza ha un picco a 7Hz che non si rileva nel
tempo. Il segnale EEG ci da informazioni diverse in ogni range di frequenza
perchè per ogni frequenza succede una cosa diversa. Ad esempio faccio una
acquisizione di un segnale EEG prima ad occhi aperti e poi ad occhi chiusi, ho
cambiato e sono andata sulle onde alpha dalle beta. Se faccio lo spettro, in rosso
occhi aperti in nero occhi chiusi nel nero c'è un picco nelle frequenze delle onde
alpha.

28
Ci sono variazioni anche nello spettro di potenza nelle aree deputate al
movimento che sta eseguendo il soggetto.
Approcci all’analisi spettrale
L’analisi spettrale serve per determinare il contenuto in frequenza. Posso usare
due approcci diversi: un approccio classico con la trasformata di Fourier
discreta o approcci moderni che stimano lo spettro modellizzando il segnale
con modelli autoregressivi. L'analisi spettrale non è un'analisi esatta sono
sempre stime perché dovrei avere un segnale infinitamente lungo e il segnale è
affetto da rumore di misura. Mi devo domandare quali sono le caratteristiche
spettrali che voglio studiare in modo da usare tecniche diverse: se voglio capire
la forma dello spettro utilizzo l'approccio classico, se sono interessato alle
proprietà locali ( picchi) in quel caso uso gli approcci parametrici/moderni.
Esempio : ipotizziamo di avere un segnale che è un seno a 100 hz immerso in
rumore bianco. Lo spettro ce lo aspettiamo un impulso e una costante, se l'SNR
è -14dB prevale il rumore che è 5 volte l’ampiezza del segnale.

Se calcolo la trasformata di Fourier ottengo il pannello a dove ci sono una serie

di picchi dove svetta quello a 100 Hz, se applico un approccio di stima spettrale
ottengo b) che è più smooth quindi questo approccio ci ha permesso di trovare
la forma del segnale di frequenza riducendo le oscillazioni.
I segnali che acquisiamo sono stocastici ( non deterministici) quindi ho solo una
stima di quello spettro. Se io ho un segnale e il segnale è deterministico
infinitamente lungo uso direttamente l'analisi di fourier ma questo ramo non è
applicabile. Invece se il segnale è stocastico la stima spettrale può essere fatta

29
secondo due approcci: 1)parametrico è basato su modelli mentre i metodi non
parametrici 2) utilizzano la trasformata di fourier all'interno di algoritmi che si
chiamano correlogramma o periodogramma.

Se prendiamo i segnali deterministici di fatto utilizziamo le nostre basi con cui

andiamo a scomporre il nostro segnale (correlazione con seni e coseni).
Sinusoidi perché sono impulsi nel dominio della frequenza. Quello che faccio è
quindi la correlazione. Ipotiziamo di avere un segnale triangolare nel dominio
del tempo. Se voglio fare la trasformata di fourier lo correlo con le sinusoidi a
frequenza 1 , 3 e 5 ottengo quindi tre punti in frequenza. Compaiono tutti fino

alla frequenza massima di fs/2 .

Per riassumere:

Se vogliamo definire due frequenze importanti della DFT che sono la frequenza
massima che è uguale a fs/2 mentre la frequenza minima è la risoluzione dello
spettro che è fs/N, si vede che più campioni ho e più diminuisce la f di
risoluzione (aumenta la risoluzione)

30
Zero padding
Lo zero padding inserisce degli zeri o tutti all'inizio o tutti alla fine questo per
rendere il segnale con più N quindi ho migliorato la risoluzione apparente ( non
effettiva perchè dovrei aggiungere campioni veri) dello spettro perché impone
alla DFT di essere calcolata su un intervallo più lungo, questa tecnica viene
applicata anche per avere N in potenza di due.

Esempio: partiamo dal segnale triangolare in frequenza, ho dei punti che

rappresentano lo spettro dove la distanza fra i punti dipende dal segnale nel
tempo. Aggiungo gli zeri quindi la mia DFT è calcolata su più punti perchè è
aumentato n. E' una risoluzione apparente però non trovo i picchi che non si
vedono, non ho comunque aumentato l’informazione.
Troncamento del dato
Quando faccio l'acquisizione del segnale la faccio in un determinato tempo,
questo è un troncamento di un segnale infinitamente lungo. Quindi ho un
segnale infinitamente lungo che vado a troncare quando lo rilevo. Dal punto di
vista teorico è la moltiplicazione tra il segnale e una rect nel dominio del tempo
( finestra rettangolare). Io stimo lo spettro di un segnale troncato cioè del
segnale lungo e della rect(windowing) che in frequenza è una convoluzione del
segnale in frequenza con la sinc, quindi ho uno spettro alterato per via del
troncamento . Per non alterare il segnale devo avere come trasformata l'impulso
ma l'impulso nel tempo è una costante quindi in pratica per non alterare lo
spettro non devo troncare.
Spettro di potenza
Definiamo cos'è lo spettro di potenza: il PS del segnale può essere definito in
due modi, il modo indiretto è la trasformata di fourier della funzione di
autocorrelazione del segnale.

31
L'autocorrelazione è la media dei vari prodotti tra il segnale e il segnale shiftato.

Ho 2n+1 campioni e ci indica quanto bene il segnale si

correla a una versione shiftata di se stesso. L'autocorrelazione vale sempre 1 in
zero (massimo) poi se ritorna in 1 in più punti il mio segnale è periodico.
L’autocorrelazione è simmetrica in 0.
L'approccio diretto per calcolare la PS usa l'integrale di Parceval ( modulo al

quadrato di X è la PS) .
Esiste un teorema che dice che questi due approcci sono equivalenti.
L'approccio diretto però si può usare solo per i segnali di energia cioè il segnale
deve essere limitato.
Lo spettro di densità di potenza o energia non è un'operazione invertibile.
Teoria della stima*
Possiamo solo stimare e mai calcolare effettivamente lo spettro del segnale per
vari motivi ( no infinitamente lungo, rumore ecc). Il concetto di stima e la teoria
della stima non si applicano solo alla teoria dei segnali, si applica anche in tanti
contesti. Per stima si intende determinare delle quantità di interesse con un set
di componenti incerte o rumorose. Le quantità che voglio stimare possono avere
varie caratteristiche e a seconda di queste uso approcci diversi
Concetti base*
Assumiamo che abbiamo un set di misure , queste misure
contengono info su m quantità che chiamo theta . Quindi ho il
vettore delle misure x(1) .... e l'altro è il vettore che voglio stimare con le theta.
x e theta non sono completamente disgiunti perché le x contengono
informazioni su theta e in termini matematici viene identificato da una funzione
h che lega le x alle theta cappello ( che sono la stime delle theta)

per ogni parametro ho se i theta

sono diversi anche le h saranno di tipo differente.
Esempio
Ipotizziamo di avere a disposizione un set di misure e voglio stimare la media e
la varianza, non posso usare la stessa formula per tutte e due sono diverse per
ogni elemento.

32
Si può parlare anche di stimatore quando voglio determinare le mie misure con
una equazione matematica che le descrive ex il seno con ampiezza fase e
frequenza da stimare , quindi theta ha 3 parametri che per essere ricavati
sfruttano tre relazioni diverse.
Categorie di stimatori*
Gli stimatori si dividono in due categorie a seconda dei parametri che vogliamo
stimare: 1)deterministico se ho uno stimatore deterministico mentre se lo ho
2)stocastico uso uno stimatore stocastico (random). In alcuni casi si ipotizza che
la forma della distribuzione di probabilità sia nota.
Altre due categorie sono : 1)batch che sono stimatori off-line cioè prima della
stima acquisisco tutti i campioni, mentre è 2) on-line se man mano che mi
aggiorna la stima ad ogni campione uso una formula ricorsiva cioè scrivo la
stima successiva come la stima precedente (h) più un aggiornamento che
riguarda la nuova misura in questo modo computazionalmente è più semplice.
Proprietà di stimatori*
Abbiamo N misure, supponiamo che queste misure contengono informazioni su
M grandezze theta che vogliamo stimare, uno stimatore è una funzione h che
applicata alle mie misure mi restituisce una stima dei miei parametri theta

. L'obiettivo è determinare le proprietà dello stimatore per capire se

è buono o meno. Mi aspetto che theta cappello sia circa theta quindi la
condizione ideale è che la theta tilde ( errore di stima) deve essere nullo

, ma questa condizione non è realizzabile in pratica.

Voglio il mio stimatore non polarizzato: poiché il suo errore non può essere
nullo chiedo che il valore atteso dell'errore sia nullo, cioè il valore atteso di theta
tilde sia zero, sostituiamo la formula e applico la linearità quindi dico che il
valore atteso della stima deve essere uguale al valore atteso di theta che è il

valore vero . La distanza tra

il valore vero e la stima lo chiamo biass e lo voglio pari a zero quindi uno
stimatore non polarizzato ha bias zero. Se non riesce ad essere non polarizzato
può essere asintoticamente non polarizzato cioè quando gli vengono forniti
valori infiniti è non polarizzato.

33
Vorrei che il mio stimatore avesse una dispersione molto limitata quindi devo
valutare anche la varianza che deve essere zero. La varianza=0 e il valore
atteso= valore vero è la consistenza (convergenza in probabilità) . Ho la
distribuzione di probabilità dello stimatore, voglio che b= bias vada a zero e che
sigma vada a zero per centrarlo nel valore vero. quindi ho uno stimatore
asintoticamente non polarizzato e a varianza zero per n che tende a infinito

deve tendere
a zero. La Risoluzione è la proprietà dello stimatore di fornire dei dettagli fini.
La risoluzione indica la distanza minima a cui devono stare i due picchi per
essere distinti.
Processi aleatori (ripasso segnali 1)*
Si definisce processo aleatorio (casuale o stocastico) 𝑋(𝑡,𝜔)un insieme di
funzioni 𝑥(𝑡,𝜔𝑖)→𝑥𝑖(𝑡)della variabile 𝑡. 𝜔𝑖∈Ω, 𝑡∈𝑇dove 𝑇 è l’insieme degli istanti
temporali su cui sono definiti i membri del processo e Ω è l’insieme i cui valori
𝜔 che identificano ognuno una particolare realizzazione del processo.

Fissato il valore di 𝜔 (realizzazione), 𝑋(𝑡,𝜔) è una funzione deterministica detta

funzione campione del processo.
Se fissiamo un determinato istante 𝑡1, ad ogni realizzazione 𝜔 dell’esperimento
viene associato il valore numerico 𝑥(𝑡1,𝜔) valore della realizzazione in
quell’istante. Si ottiene una quantità che dipende solo da 𝜔, ovvero si ottiene
una variabile aleatoria 𝑋(𝑡1)
Se si fissano due istanti distinti 𝑡1e 𝑡2 si ottengono due variabili aleatorie distinte
𝑋(𝑡1) e 𝑋(𝑡2)che costituiscono un sistema di due variabili aleatorie, ovvero il

vettore aleatorio . Fissati 𝑁 istanti 𝑡1,𝑡2,…,𝑡𝑁, il processo

genera un vettore di N variabili aleatorie .

34
La descrizione statistica del processo implica perciò la conoscenza della legge
di distribuzione di tutti possibili sistemi così formati.
X(t,ω), semplificato in X(t),può rappresentare:
1.un insieme di funzioni delle variabili 𝑡 ed 𝜔 (processo aleatorio)
2.una funzione deterministica della variabile 𝑡 detta funzione campione del
processo (𝜔 fissato, 𝑡 variabile)
3.una variabile casuale indicata con 𝑋(𝑡)(𝑡 fissato, 𝜔 variabile)
4.un numero reale (𝑡 e 𝜔 fissati)
Fissato un istante 𝑡, 𝑋(𝑡)rappresenta una variabile aleatoria. Si può definire una
funzione cumulativa di probabilità Analogamente, si
definisce la funzione densità di probabilità del primo ordine del processo 𝑋(𝑡) :

La funzione di densità di probabilità mi dice quanto il mio valore è probabile .

Indici statistici del primo ordine

-Valor medio: media pesata dei valori con la loro

probabilità.

-Funzione potenza media statistica: Px è il valore

atteso del processo aleatorio al quadrato

-Varianza: valore atteso del processo

meno il suo valore medio al quadrato che è la potenza media - il valore atteso al
quadrato.
Dati due istanti 𝑡1e 𝑡2, consideriamo le variabili aleatorie 𝑋(𝑡1)e 𝑋(𝑡2);
La loro funzione di distribuzione congiunta, che dipende in generale da 𝑡1e 𝑡2, è
detta funzione di distribuzione congiunta o del secondo ordine del processo

X(t): Analogamente si definisce la

funzione densità di probabilità congiunta o del secondo ordine del processo 𝑋(𝑡):

Valore medio e autocorrelazione

La funzione di autocorrelazione di un processo è la correlazione (momento
congiunto ordinario) delle variabili aleatorie 𝑋(𝑡1)e 𝑋(𝑡2); essa è funzione di t1e
t2:

35
Stazionarietà in senso stretto
Un processo aleatorio si dice stazionario in senso stretto se il suo
comportamento statistico è invariante rispetto ad una traslazione dell’origine dei
tempi. Questo significa che i due processi 𝑋(𝑡)e 𝑋(𝑡+𝜀) hanno le stesse statistiche
per ogni valore di 𝜀 e per ogni ordine 𝑁, ovvero la densità di probabilità
congiunta soddisfa la seguente relazione:

I processi 𝑋(𝑡+𝜀)ed 𝑋(𝑡)si dicono statisticamente equivalenti, nel senso che non
sono indistinguibili tramite la misurazione delle loro statistiche; ovviamente
questo non vuol dire che le loro realizzazioni siano uguali.
Stazionarietà del primo ordine
Un processo aleatorio si dice stazionario di ordine 1 se la densità di probabilità

del primo ordine soddisfa la seguente relazione: Questo

implica che 𝑓𝑋(𝑥;𝑡)sia indipendente da 𝑡: Il valore medio, la

potenza media e la varianza di un processo stazionario (almeno) di ordine 1
sono perciò costanti. Ad esempio:

Stazionarietà di secondo ordine

Un processo aleatorio si dice stazionario di ordine 2 se la densità di probabilità
del secondo ordine soddisfa la seguente relazione:

La funzione di autocorrelazione di un processo stazionario (almeno) di ordine 2

è una funzione di τ=𝑡2−𝑡1

Stazionarietà in senso lato

36
Un processo X(t) si dice stazionario in senso lato o debolmente stazionario se il
suo valore medio è costante nel tempo e la sua funzione di autocorrelazione
dipende soltanto da 𝜏=𝑡2−𝑡1:

La stazionarietà in senso lato riguarda soltanto due particolari statistiche del

primo e del secondo ordine (quelle coinvolte nell’analisi in potenza).
Processi ergodici
Per caratterizzare un processo, fosse anche stazionario, dovremmo conoscerne
tutte le funzioni campione (IMPOSSIBILE).Ci farebbe comodo invece ricavare
le informazioni statistiche sul processo da UNA SOLA funzione campione. La
cosa è possibile se il processo è ergodico. Un processo ergodico nella media

soddisfa: cioè la variabile casuale 𝑋𝑚, ottenuta

mediando nel tempo ogni possibile funzione campione, ha una funzione densità
di probabilità con media pari a 𝑚𝑋 e varianza nulla.
Finestratura
Abbiamo detto che il segnale nel dominio del tempo è una versione troncata del
segnale infinitamente lungo dal punto di vista teorico questa cosa è come la
finestratura. Quindi il segnale finestrato nel tempo è il prodotto tra il segnale e
la funzione di finestratura ( oltre la rect ce ne sono altre). Io volevo x ma
purtroppo ho xw segnale finestrato. Questa cosa ha un impatto forte sulla stima
spettrale perchè il segnale non è infinitamente lungo e poi nel dominio della
frequenza la moltiplicazione diventa una convoluzione tra lo spettro del segnale
e lo spettro della funzione finestra, io vorrei X(f) ma ottengo invece Xw(f),
quindi il troncamento del segnale modifica lo spettro del segnale e l'entità della
modifica dipende dallo spettro della finestra quindi devo usare delle finestre ben
note. Ottengo quindi una stima che è Xw(f) che è alterato a seconda della f di
finestratura. Lo spettro della funzione di finestratura per non applicare nessuna
modifica a X(f) deve essere un impulso ( elemento neutro della conv) , in questo
modo non ho alterato lo spettro ma non è possibile avere come spettro l'impulso
perché nel dominio del tempo ho la costante che è infinitamente lunga ossia non
ho troncato.

37
Se voglio valutare la bontà della finestra devo vedere quanto il suo spettro si
discosta dall'impulso, più si discosta e più altera lo spettro.

La trattazione la faremo nel dominio del tempo continuo. Supponiamo che la

finestra f(t) sia lunga 2𝜏, scrivo la trasformata di fourier F(jꞷ)

Requisiti per diventare una finestra

Quali sono i requisiti affinché una funzione possa diventare una finestra?
1) deve essere reale e non negativa altrimenti mi viene ribaltata;
2) deve essere pari perchè così la sua trasformata è reale;
3) deve avere il suo massimo in zero e deve essere diversa da zero solo in un
intervallo corrispondente a [-𝜏;𝜏]
Spettro:
1) Il lobo principale che si trova sullo zero , più stretto possibile e dovrebbe
contenere la maggior parte dell'energia del segnale ;
2) tutti i lobi al di fuori di quello centrato in zero i più piccoli possibili;
Interpretazione grafica
Per ogni finestra ho il grafico nel dominio del tempo e un grafico nel dominio
della frequenza. Gli assi sono normalizzati rispetto a 𝜏 e nei vari grafici per
confrontarli meglio rispetto a t/𝜏.

Finestra rect: nel tempo positiva, pari, reale, max in zero e zero fuori
dall'intervallo. Finestra nello spettro: ho i dB ( decibel) così il valore in zero sia
il più alto possibile e sia zero, infatti il resto è tutto negativo, sempre per il
confronto l'asse x è normalizzato è ꞷ𝜏 /2𝜋 perchè questo valore è f*𝜏 così la
frequenza analogica è svincolata da 𝜏.

38
Definiamo i parametri con cui valutiamo la trasformata della funzione finestra
cioè la bontà in relazione alla distanza tra l'impulso, lo spettro ideale è quello in
rosso.
1)Durata del primo lobo NHMLW (Normalized Half Main-LobeWidth), che ci
dice quanto è largo il primo lobo . Il primo lobo è quello in giallo , gli altri sono
secondari.

2)Il valore di picco del primo lobo dei secondari (verde) FSLL (First Side-Lobe
Level).

3)Il valore di picco del più alto dei lobi secondari che non è per forza il secondo
MSLL(Maximum Side-LobeLevel).

4)Tasso di decadimento dei lobi secondari RFSLL (Rate of fall-off of

side-lobepeak) cioè quanto velocemente vanno a zero i lobi secondari è la
pendenza .

39
Funzione rettangolare
Funzione rettangolare: ha come trasformata di Fourier la sinc.

Guardiamo i grafici:

Il primo parametro è 0,5 ( ampiezza del primo lobo),il secondo parametro è il

picco del secondo lobo che è circa -13dB che coincide anche con il terzo
parametro perché è il picco più alto, per vedere il tasso di decadimento devo
guardare la funzione matematica e valutare il grado di ꞷ , al numeratore non c'è
una dipendente da ꞷ mentre a denominatore si quindi è 1/ ꞷ quindi l’ultimo
parametro è 1/ ꞷ.
Finestra di Bartlett (triangolare)

Il primo parametro è 1 , il secondo è circa -26 che coincide con il terzo e il

quarto è 1/ ꞷ2 ( il seno oscilla non ha la dipendenza diretta da ꞷ)
Quindi confrontando, la rect aveva un lobo molto stretto ma poca attenuazione,
mentre la triangolare ha più decadimento dei lobi secondari ma si amplifica il
primo lobo è il doppio.
Finestra coseno

40
Coseno troncato in pratica. Primo lobo è più o meno 0,75, il primo lobo sec è
anche il più alto e ha il picco a -23dB e scende con 1/(ꞷ2). Migliora
leggermente la triangolare perchè ha decadimento simile ma lobo più stretto.
Finestra di Hann

Finestra di Hann è un coseno smussato : il primo parametro è 1 il secondo è -31

dB che coincide con il terzo e il quarto è 1/(ꞷ3) scende più rapidamente . E' la
finestra più usata per i segnali biomedici.
Finestra di Hamming

Il primo è 1, il secondo è -44 e il terzo è

-42 ( che è il quarto lobo) e il quarto parametro è 1/ꞷ.
Finestra Coseno cubo

41
Finestra di Blackmann

Finestra Blackman-Harris

Stima dello Spettro nei segnali di lunghezza finita

La computazione dello spettro vero non è possibile perché non abbiamo infiniti
campioni, il segnale è rumoroso e abbiamo solo una realizzazione del processo
stocastico. Abbiamo capito che il principale effetto di distorsione è dovuto al
campionamento ma questo incide anche sulla stazionarietà in senso lato. Questa

42
cosa succede sempre sia che il segnale è deterministico sia che il segnale è
stocastico.
Spettro di densità di energia
Consideriamo una sequenza deterministica 𝑥𝑛 come risultato del
campionamento di un segnale tempo-continuo 𝑥𝑎(𝑡) a frequenza di
campionamento uniforme 𝐹𝑠. L’obiettivo è di ottenere una stima dello spettro
vero a partire dalla sequenza di durata finita 𝑥(𝑛).Se 𝑥𝑎(𝑡) è un segnale di

energia, ovvero La sua trasformata di Fourier esiste ed è

data da: . Dal teorema di Parseval abbiamo che:

l'energia del segnale me la posso calcolare a

partire dalla trasformata di Fourier. La quantità |𝑋𝑎(𝑓)|2 rappresenta lo spettro di

densità di energia(EDS) del segnale: . L’area totale sottesa da

𝑆𝑥𝑥(𝐹) rappresenta l’energia del segnale. In realtà lo spettro può essere calcolato
nel metodo indiretto con l'autocorrelazione, dall’autocorrelazione si ottiene
ancora Sxx che è uguale al modulo della trasformata di Fourier al quadrato
quindi queste due funzioni sono una coppia

Quella di prima era la situazione ideale perché noi non abbiamo xa(t) ma
abbiamo x(n). Quindi adesso vogliamo lo spettro a partire dai campioni x(n) la
prima ipotesi che faccio è che il segnale sia opportunamente pre-filtrato e
limitato in banda per evitare aliasing e quindi la mia frequenza di
campionamento deve essere almeno 2B dove B è la banda del segnale , quindi

prendo i campioni x(n) e faccio la trasformata di Fourier .

La funzione di autocorrelazione del segnale campionato è

La sua Trasformata di Fourier (teorema di

Wiener-Kintchine) è Quindi lo spettro di densità di

43
energia può essere ottenuto come trasformata di Fourier dell’autocorrelazione
della sequenza 𝑥(𝑛).
Approcci non parametrici
Schemino di che metodi posso applicare per ottenere Sxx

EDS in segnali di durata finita

La sequenza x(n) va da 0 a N -1 per limitarla posso moltiplicare il segnale per
una finestra w(n) e quindi abbiamo x tilde segnale finestrato.

Nel dominio della frequenza la moltiplicazione è una convoluzione tra le due

trasformate di Fourier.
W(f) deve somigliare all'impulso in modo che la convoluzione restituisca
proprio X(f), purtroppo però non posso utilizzare l'impulso. Per far sì che la
finestra assomigli all'impulso dobbiamo far tendere il numero di campioni
all'infinito cioè il primo lobo tende all’impulso. Anche se 𝑊(𝑓)è stretto rispetto a
𝑋(𝑓), la convoluzione di 𝑋(𝑓)con i lobi secondari di 𝑊(𝑓) dà luogo ad una energia
dovuta ai lobi secondari nelle bande di frequenza in cui lo spettro vero 𝑋(𝑓)=0. Il
contributo di energia dovuto ai lobi secondari viene definito leakage.
Problema
Ipotizziamo di prendere un segnale che abbia uno spettro vero pari ad un’onda
quadra rect, supponiamo di fare la convoluzione con la sinc( ho la finestra
rettangolare). Determinare lo spettro con N=61

44
Questo è il risultato in realtà:

a 1 doveva andare a zero, ma dato che ho convoluto con una sinc ho ottenuto
questo spettro, che ha forma simile alla sinc, e in più non sono sempre in zero
ma oscillo un pochetto, questo è l'effetto del troncamento. Possiamo quindi
isolare due fenomeni dovuti al troncamento: effetto del lobo principale che ha
un effetto di broadening o slargamento cioè si prolunga circa a 0.14, il secondo
fenomeno è dovuto ai lobi secondari che dovrebbero andare a zero detto
leakage.
Invece di utilizzare una finestra rettangolare utilizzo blackman, che rispetto alla
rect aveva un lobo principale più ampio e i lobi secondari attenuati e
discendenti. Ci aspettiamo che il primo allargamento aumenta tanto mentre il
leakage diminuirà perché ho i lobi secondari più attenuati

Il leakage dei lobi secondari è ridotto, tuttavia il contenuto spettrale del segnale
è stato esteso del 50% (broadening)
Broadening e leakage

45
Il broadening dello spettro dovuto alla finestratura costituisce un problema
quando vogliamo ricostruire uno spettro caratterizzato da componenti molto
vicine in frequenza. Un segnale con caratteristiche spettrali 𝑋(𝑓)=𝑋1(𝑓)+𝑋2(𝑓) non
può essere ricostruito come somma di due segnali separati se la larghezza del
lobo principale dello spettro della finestra non è significativamente più stretto di
Δ𝑓.

Usare finestre smooth nel dominio del tempo riduce il leakage a discapito della
risoluzione in frequenza
Tutta questa cosa vale anche per la DFT cioè possiamo calcolare la Sxx anche
con la DFT

Che è una versione distorta dello spettro vero 𝑆𝑥𝑥(𝑘)

Spettro di potenza dei segnali stocastici
Consideriamo la classe dei segnali stocastici stazionari in senso lato e si può
dimostrare che questi segnali non hanno energia finita quindi non sono di
energia cioè non posso calcolare direttamente la trasformata di Fourier. Questi
processi hanno però potenza media finita quindi stimiamo lo spettro di densità
di potenza. Quindi devo usare l'approccio indiretto che utilizza la funzione di

autocorrelazione gamma e per un teorema mi vado a

definire il vero spettro di densità di potenza come gamma maiuscolo che è la
trasformata di Fourier della funzione di autocorrelazione

Togliamo un idealità per volta: la prima è la conoscenza di tutte le realizzazioni

del processo, di solito conosco una sola realizzazione del processo e quindi non
conosco la funzione di autocorrelazione. Avendo la singola realizzazione mi
posso calcolare solo l'autocorrelazione media nel tempo dove 2T0 è l'intervallo

46
di osservazione e x(t) è la singola osservazione deterministica

Devo ipotizzare che quell'unica realizzazione mi descriva tutto il processo

quindi questo deve essere ergodico del primo e del secondo ordine (media e
autocorrelazione uguali per tutti) cioè la Rxx nel tempo coincide con gamma e
quindi posso stimare lo spettro di potenza a partire da Rxx e sostituendolo nella
formula ottengo la trasformata di x al quadrato su 2t che ci ricorda lo spettro di
potenza calcolato nel modo diretto quindi l'approccio indiretto coincide con il
diretto

Rimuoviamo una seconda idealità: dal segnale tempo continuo al segnale

campionato discreto. Otteniamo x(n) di durata finita che va da zero a N-1,
quindi mi posso calcolare l'autocorrelazione media nel tempo per segnali
discreti e posso definire lo spettro di densità di potenza discreto

Periodogramma
Quindi io posso calcolare lo spettro di densità di potenza in due modi : o come
la trasformata della funzione di autocorrelazione ( approccio indiretto) e come
stimatore prende il nome di correlogramma oppure se invece sostituiamo la
formula dell'autocorrelazione nella formula lo spettro si può calcolare anche con
l'approccio diretto e lo stimatore si chiama periodogramma.
Per valutare che questo stimatore sia polarizzato calcoliamo il valore atteso e
bisognava dimostrare che il valore atteso dello stimatore coincidesse con il
valore vero cioè con gamma maiuscolo xx. Il valore atteso del periodogramma è
la convoluzione di gamma grande xx convoluta con la trasformata di Fourier
della finestra triangolare (bartlett).Quindi quando faccio il periodogramma non
ottengo lo spettro vero ma uno spettro alterato perchè ho la finestra di bartlett,
perchè bartlett? io nel tempo ho applicato una rect però quando passo nello
spettro c'è un quadrato ecco perchè c'è la tri e non la rect. Ma quindi è

47
polarizzato o no? è polarizzato ( c'è un bias) e questa proprietà non ci piace. E'
almeno asintoticamente non polarizzato? si può dimostrare che asintoticamente
il valore atteso coincide con lo spettro vero. Per verificare invece la consistenza
dello stimatore per n che tende a infinito il valore atteso tende a il valore vero e
la varianza deve tendere a zero, la prima è verificata, la seconda? no non va a
zero quindi il periodogramma non è uno stimatore consistente dello spettro della
densità di potenza.
Risoluzione del periodogramma
È Limitata dal lobo principale della trasformata di fourier della finestra,
maggiore è l'ampiezza maggiore è il 𝛥f e quindi ho bassa risoluzione, nel caso
del periodogramma la risoluzione è data dall'ampiezza del primo lobo della
finestra di Bartlett che è a -6 dB quindi il 𝛥f è ( ampiezza a -3db)
Effetto della lunghezza del segnale sul periodogramma
Prendiamo un segnale simulato ( somma di sinusoidi così so già lo spettro
) se faccio lo spettro

vero ottengo . Le sinusoidi che mi

preoccupano solo le prime due perchè sono molto vicine. Stimiamo lo spettro
del segnale con il periodogramma con 2 lunghezze diverse

il bias si riduce all’aumentare di N, ora aggiungiamo il rumore

48
 La larghezza della
regione in nero rimane costante all’aumentare di N. Tale regione corrisponde
alla varianza dello stimatore ottenuta per le diverse realizzazioni. Si può
concludere che il periodogramma non è uno stimatore consistente della PSD.
Periodogramma modificato
Vogliamo migliorare il periodogramma quindi provo con il periodogramma
modificato dove il segnale è finestrato con un'altra finestra diversa dalla
rettangolare. Questa è la formula del periodogramma modificato:

ci sta il modulo al quadrato, c'è la sommatoria , c'è l'esponenziale complesso

che moltiplica x(n)w(n) dove w(n) è la funzione finestra e poi c'è 1/NU. Quindi
il periodogramma semplice è un caso particolare del periodogramma
modificato. La U è una costante introdotta per far si che lo stimatore sia
asintoticamente non polarizzato.
Cominciamo a valutare com'è questo stimatore . E' polarizzato? studio il bias
quindi vado a fare il valore atteso che è uguale alla convoluzione tra gamma xx,
spettro vero, convoluto dello spettro della funzione finestra. Quindi questo
stimatore è polarizzato perché il valore atteso non coincide solo con la gamma
xx. E' asintoticamente non polarizzato? quando n tende all'infinito lo spettro
della funzione finestra tende all'impulso quindi è asintoticamente non
polarizzato. La varianza ancora non va a zero è simile a quella prima quindi è
non consistente cioè il rumore non varia sulle varie finestre. La risoluzione
invece dipende dall'ampiezza di banda a -3db della funzione finestra.
Risoluzione

49
Metodo di Bartlett: mediare Periodogrammi
Il metodo di Bartlett è stato introdotto per ridurre la varianza del
periodogramma, è costituito da 3 passi :1) prende la sequenza originale di N
punti e dividerla in K segmenti non sovrapposti ciascuno di lunghezza M,
quindi non ho più un segnale lungo N ma ho K segmenti (xi(n)) lunghi M

2) per ogni i-esimo segmento andiamo a calcolare il periodogramma semplice

(rettangolo) quindi ho K periodogrammi

3)Faccio una media per ridurre la componente rumorosa cioè la varianza, quindi
il terzo passo è fare la media dei K periodogrammi ( periodogramma di Bartlett)

Proprietà statistiche?

50
- valore atteso: nel caso di assunzione di ergodicità e stazionarietà in senso lato i
valori attesi sono tutti uguali per ogni segmento quindi la sommatoria dei valori
attesi è pari a K volte il valore atteso di una sola finestra, K e K si semplificano
allora il valore atteso di Bartlett coincide con il valore atteso del periodogramma
semplice calcolato su un solo segmento , uno qualsiasi.

Allora faccio il valore atteso del periodogramma semplice per l'i-esimo

segmento, lo sappiamo già è uguale alla convoluzione tra lo spettro vero e la
trasformata di Fuorier della finestra di Bartlett (sinc2). Qual'è la differenza
rispetto all'altra volta? stiamo facendo questa cosa su un segmento più corto
lungo M, quindi come il periodogramma semplice il periodogramma di Bartlett
è polarizzato però se N tende a infinito anche M tende all'infinito quindi è
asintoticamente non polarizzato.

Quindi ho ridotto il dato da N a M =N/k cioè ho ridotto di un fattore K ma che

succede se riduco di k? il lobo principale si allarga di un fattore K e questo
impatta sulla risoluzione sempre di un fattore K, questo K va scelto con cura
perché abbatte la varianza ma peggiora la risoluzione

-Varianza: si può dimostrare che la varianza del periodogramma di Bartlett è

uguale a 1/K la varianza del periodogramma semplice calcolata sull'iesimo
segmento. Per valutare la consistenza metto N all'infinito ma così anche K è
infinito e quindi la varianza va a zero . Quindi è uno stimatore consistente cioè
se ho infiniti campioni la sua stima tende al valore vero

Test del Periodogramma di Bartlett

Consideriamo un segnale di test avente tre componenti sinusoidali: due delle
quali ravvicinate e la terza distante dalle altre due: 𝑥(𝑛)=sin[0.15625𝜋n]

51
+0.01sin[0.2187𝜋n] +0.00316sin[0.46875𝜋n ]. Al segnale 𝑥(n) viene aggiunto
rumore bianco con varianza 0.002.

Dal confronto si nota che i picchi si vedono meglio nel periodogramma di

Bartlett si capisce che ci sono tre sinusoidi mentre in quello semplice si intuiva
solo il primo e il secondo, poi si è abbattuta la varianza cioè la banda nera che
ha fatto emergere i picchi della sinusoide e infine i picchi si sono slargati,
sembrano quasi dei piccoli triangoli perché è scesa la risoluzione.

vediamo che succede al variare di k : con 4 finestre la lunghezza di ogni

segmento è 512 mentre per k=16 la lunghezza della finestra è 128. Cosa succede
all'aumentare del numero di finestre? che succede alla varianza? la varianza è
molto migliorata (non c'è nero cioè non ci sono realizzazioni sovrapposte) cosa
è successo ai picchi? si sono allargati e i lobi secondari hanno coperto il secondo
picco( leakage), come lo risolvo? cambio finestra scegliendone una che ha un
leakage più basso.

52
Stesso grafico con meno campioni in partenza .
Metodo di Welch: mediare Periodogramma modificato
Il periodogramma di Welch discende dal periodogramma modificato ed è
ottenuto con due modifiche sostanziali da quello di Bartlett: 1) i segmenti in cui
divido il segnale principale possono essere sovrapposti questo vuol dire che la
formula di prima è leggermente modificata perchè non parte più da multipli di
M ma di multipli di D che se è uguale a M è come prima, quindi definisco L
segmenti dove L potrebbe essere maggiore di K, ex se D=M/2 ho il 50% di
sovrapposizione (overlap) e L=2K
2) invece di applicare il periodogramma semplice all'iesimo segmento applico
quello modificato con una finestra diversa da quella rettangolare

Cosa c'è di diverso

rispetto al periodogramma modificato? Abbiamo M invece di N, ho segmenti
più corti.
Quindi il periodogramma di Welch è la media dei periodogrammi modificati
degli i-esimi segmenti. Quindi prendiamo il segnale e lo dividiamo in L
segmenti sovrapposti del tot% ( ho certi valori uguali) faccio il periodogramma
modificato per ogni segmento e faccio poi la media e ottengo il periodogramma
di Welch. Cosa ho guadagnato con la sovrapposizione? ho guadagnato sulla
varianza e parità di M cioè di risoluzione (più usato) in più l'aggiunta di una
finestra diversa mi permette di controllare anche il leakage

Proprietà statistiche:
-valore atteso: Il valore atteso del
periodogramma di Welch lo
applichiamo alla formula e per
l'hp di stazionarietà in senso lato

53
ho L per il valore atteso del singolo segmento e quindi il valore atteso del
periodogramma di Welch è uguale a quello del periodogramma del segmento
i-esimo che è uguale alla convoluzione dello spettro vero per lo spettro della
finestra che ho applicato. Quindi è polarizzato ? Si non ho il valore vero ma non
appena N tende all'infinito otteniamo il valore vero quindi è asintoticamente non
polarizzato.
-varianza: dipende inversamente da L numero delle finestre e dipende
dall'overlap. La varianza va a zero quando N va a infinito infatti anche L va a
infinito e la varianza va a zero cioè lo stimatore è consistente. Il tipo di finestra
influenza la risoluzione.
Test del Periodogramma di Welch
ho sempre le tre sinusoidi con rumore bianco

Al variare dell'overlap si nota che i picchi sono identici mentre si riduce la

varianza mano mano che aumento l'overlap ( troppo alti inutili perchè non c'è un
netto miglioramento)

54
Fissato i campioni e l'overlap cosa succede al variare della finestra: si osserva
che hann e blackmann riducono il leakage a differenza di Bartlett a discapito
però della risoluzione. In pratica gli effetti sono gli stessi di quelli già osservati
in precedenza.
Metodo di Blackmanand Tukey: Smoothing del Periodogramma
L'ultimo periodogramma è quello di Blackmann Tuckey che ha un approccio
diverso perché utilizza il metodo indiretto passando per l'autocorrelazione. Dato
il segnale si calcola la funzione di autocorrelazione che viene finestrata e poi
trasformata. La finestra ha lunghezza 2M+1 , quindi stiamo facendo una
trasformata di un prodotto che può essere vista come la correlazione del
periodogramma con la trasformata di Fourier della funzione finestra che voglio
utilizzare. La convoluzione riduce la varianza. Rivediamo come si calcola la
correlazione: in alto il segnale discreto , con la correlazione andiamo a fare una
sovrapposizione tra il segnale e se stesso traslato, (ex sovrapposizione pari a 2)
e poi vado a fare la somma dei prodotti quindi di fatto il numero di punti con cui
calcolo l'autocorrelazione è pari al leght = sovrapposizione, leght zero=
sovrapposizione max viene calcolata su N punti

55
Che succede quando sovrappongo dall'altra parte? leght=-2 quindi il calcolo
della correlazione è sempre fatto su due campioni, quindi a seconda del leght il
mio calcolo è più o meno accurato

Quindi quella al centro è la sovrapposizione max mentre più mi sposto e più ho i

punti meno affidabili perché ho pochi punti di sovrapposizione. Ma i nostri
segnali sono limitati quindi faccio il calcolo sempre su un numero di punti
diversi. Quindi l'idea è che se i punti estremi sono quelli a varianza maggiore li
tolgo con una finestra lunga 2M+1, in modo da ottenere meno varianza.
- valore atteso: il valore atteso del periodogramma di Blackman Tukey è
l'integrale di convoluzione il valore atteso del periodogramma semplice e la
trasformata di Fuorier della finestra, ma il valore atteso nel periodogramma
semplice è la convoluzione dello spettro vero e la trasformata della finestra di
Bartlett quindi sostituisco. E' come se ci fossero due smoothing. Quindi questo
stimatore è polarizzato ,ma è asintoticamente non polarizzato.
-varianza: è inversamente proporzionale a N quindi per N a infinito va a zero
quindi lo stimatore è consistente e la risoluzione dipende dalla finestra applicata

( b cambia con la finestra) !!a denominatore è 2M+1

non 2M!!
Test del Periodogramma di Blackman-Tukey
Riprendiamo l'esempio solito. L'unico parametro che possiamo modulare è M.

56
più riduciamo M più miglioriamo la varianza ma diminuiamo la risoluzione.
Sistemi lineari tempo invarianti
-Linearità è se entra ax(t) esce ay(t) e poi se metto la somma esce la somma.

-Tempo invarianza: l'uscita non dipende dal particolare istante in cui è applicato
l'ingresso.

Se conosco l'ingresso e la risposta impulsiva so che l'uscita è la convoluzione

tra ingresso e risposta impulsiva

Legame tra il dominio del tempo e il dominio della frequenza: nel caso di
segnali tempo continui ho lo stesso caso di prima, nel dominio della frequenza
faccio la trasformata di Laplace di tutti i membri si ottiene che la trasformata di
Laplace dell'uscita è il prodotto della trasformata dell'ingresso e la funzione di

57
trasferimento del sistema H . Che succede se ho a che fare con un segnale
discreto? nel dominio del tempo ho la stessa relazione solo che t è stata
sostituita da n quindi ho un ingresso discreto faccio la trasformata zeta e ottengo
la stessa cosa di prima. Quindi a noi interessa è quest'ultimo schema a blocchi

In basso c'è la def

della funzione di
trasferimento digitale
cioè della trasformata
z, dove z è una
variabile complessa e
l'uguaglianza è quella
nella formula z. E’
sT
come se fosse e (lo approssima nel caso in cui T è il passo di campionamento)
nella trasformata di Laplace. Se la mia H(z) è z-1 ho che l'uscita è la traslazione
dell'ingresso di 1 e così vale per 2,3,4,5, ecc.... Può succedere che nei sistemi
lineari tempo invarianti la funzione di trasferimento può essere composta da una
serie di polinomi in funzione di z. A numeratore c'è una sommatoria di potenze
di z moltiplicate per un coeff b(k) che sono i pesi delle potenze di z, anche a
denominatore ci sono le potenze di zeta da 0 a L con coef a(k) dove a(0)=1 .
Questa è una formulazione generale di H, nel caso di prima ho tutti gli a=0 e i b
=0 tranne quello di z-1 del numeratore

Modello ARMA
Vediamo cosa vuol dire nel dominio del tempo quella H.

58
Sostituiamo in Y(z) , H(z) nella formula contratta con la sommatoria applicando
la traslazione temporale vista prima, ottengo che y(n) è uguale alla differenza di
due sommatorie: 1) sommatoria degli istanti passati dell'ingresso mente 2) ha gli
istanti passati dell'uscita. Quindi stiamo dicendo che l'uscita è un bilancio tra il
passato dell'ingresso e il passato dell'uscita stessa . Modello autoregressivo(
passato dell'uscita) a media mobile( passato dell'ingresso) ARMA è l'acronimo.
Dimostro quello che ho detto applicando la traslazione con le potenze di z:

Nel dominio z ho Y(Z) in quel modo. Moltiplico tutte e due i membri per il
denominatore in modo tale da togliermelo da li , esplicito le sommatorie. Nel
dominio del tempo uso la trasformazione della potenza di x, scrivo tutti i
membri traslati dell'esp di z. a(0)=1 quindi a(0)y(n)=y(n) esplicito per y(n) e
ottengo la relazione esplicita della formula di prima, la riassumo poi in una
sommatoria. Dalla trasformata z è possibile passare allo spettro di potenza basta

sostituire z=e(j2πf).
Quindi è possibile dimostrare che lo spettro della trasformata di H è il rapporto
delle trasformata di Fourier dei coef b(k) e a(k). Nel caso di processi stazionari
stocastici lo spettro dell'uscita è uguale al modulo al quadrato del modulo di H
per lo spettro dell'ingresso (vale sia per il caso tempo continuo che per il caso

59
tempo discreto)

Rumore bianco
Ci serve anche il rumore bianco e le sue proprietà, il rumore bianco è un
processo stocastico che ha media nulla e funzione di autocorrelazione impulsiva
cioè è sempre zero tranne in zero. Quindi il rumore bianco è una costante pari a
sigma al quadrato.

Approccio Parametrico
I metodi parametrici usano i modelli LTI per la stima dello spettro di potenza:
1. Si assume che il modello LTI riceve in ingresso rumore bianco (segnale
caratterizzato da potenza uguale a tutte le frequenza, ovvero da spettro di
potenza costante in frequenza)
2. L’output del modello è confrontato con la forma d'onda di interesse e i
parametri del modello vengono aggiustati fino ad ottenere la migliore
sovrapposizione tra l'uscita del modello e la forma d'onda di interesse
3. Quando si È ottenuta la migliore sovrapposizione, i parametri(a[k] e b[l])
del modello ottenuti vengono usati per determinarelo spettro della forma
d’onda.
La logica è che se l'ingresso del modello è piatto dal punto di vista spettrale
(rumore bianco), allora lo spettro dell'uscita è interamente determinato dai
coefficienti del modello. Così se l'uscita e il segnale di interesse matchano (più
o meno), lo spettro del modello è lo stesso del segnale.

Tutto si riduce a determinare A e B. Dal punto di vista operativo se abbiamo una

sequenza x(n) di cui vogliamo stimare lo spettro con approccio parametrico
devo seguire tre passi:

60
1) stima dei parametri al e bk affinchè l'uscita del modello coincida con il
segnale di cui si vuole calcolare l'ingresso
2) spettro di A(f) e B(f)

3) Calcolo spettro di uscita con la formula:

Come definiamo H(z)? per stimare H(z) posso definire tre tipi di modello:
1. autoregressivi o modelli AR (caratterizzati solo dai coefficienti a (passato
uscita)),
2. media mobile o modelli MA (caratterizzati solo dai coefficienti b(passato
ingresso))
3. Autoregressivi a media mobile o modelli ARMA (caratterizzati sia dai
coefficienti a che b)
La scelta di uno rispetto all'altro è guidata da una conoscenza a priori di come ci
si aspetta lo spettro del segnale ( picchi ripidi o zone ad ampia banda).
Modello a Media Mobile (MA)
Questo tipo di modello è utile se vogliamo stimare spettri con profili morbidi e
picchi dolci . H ha solo il numeratore ( modello solo zeri). Se guardiamo
l'espressione nel tempo abbiamo l'uscita = sommatoria pesata del passato
dell'ingresso con i coefficienti fino a q dove q è l'ordine del modello (quanti
campioni indietro osserviamo l'ingresso).

Modello Autoregressivo(AR)
nel modello autoregressivo H ha il numeratore costituito solo da una costante
pari a 1 mentre al denominatore c'è il polinomio in z, questo tipo di modello è
utile se ci sono picchi nello spettro ( ex sinusoidi che in frequenza sono impulsi)
perché? perchè in H c'è denominatore e se il denominatore è piccolo allora H
può schizzare verso l'alto in fretta. Se guardiamo l'equazione nel tempo y(n) =
ingresso - il passato dell'uscita ( x(n) è num pari a 1). Dobbiamo stimare p
parametri quindi p è l'ordine del modello (modello solo poli)

Modello Autoregressivo a Media Mobile (ARMA)

Se nello spettro ho sia picchi che componenti mobili mi serve il modello ARMA
che combina gli altri due quindi H ha sia num che den (modello poli e zeri) . La
formula è quella di prima e ho un doppio ordine del modello q e p

61
Selezione dell’ordine del modello
L'ordine nei modelli è il parametro che deve essere settato. Esistono degli
approcci più teorici che stimano il valore di q e p più appropriato . Se p o q è
troppo basso non riesco a ottenere una stima affidabile però l'ordine non può
essere neanche troppo alto perché altrimenti ricostruisco anche i picchi e le
variazioni del rumore. Di solito si va a tentativi.
Focus sul modello AR
Il modello ARMA è oneroso dal punto di vista computazionale perché abbiamo
due set di parametri da stimare, quindi il più delle volte si stimano i due set
separatamente e poi rimetterli insieme, questo risolve il fatto che molto spesso
quando sono stimati insieme o non ha soluzione oppure converge in una
soluzione errata. Quindi il modello ARMA è raramente usato. Il modello a
media mobile ha un problema di risoluzione spettrale e quindi non riesce a
riprodurre bene le variazioni dello spettro quindi il modello più usato è il
modello autoregressivo.
Algoritmi per modelli AR
Ci sono diversi algoritmi che permettono di stimare i coefficienti dei parametri
del modello autoregresivo , i più famosi sono:
1. Yule–Walker
2. Burg
3. Covarianza
4. Covarianza modificata.
Il metodo di Yule–Walker produce spettri con la risoluzione più bassa dei
quattro ma forniscelo smoothing più alto. La covarianza modificata invece è il
metodo che fornisce i picchi più ripidi nello spettro e infatti viene usata per
identificare componenti sinusoidali dei dati. I metodi di Burg e della Covarianza
producono spettri molto simili.
Ex di spettro stimato grazie al metodo parametrico.
segnale di test costituito da un
segnale ad ampia banda alle
basse frequenze + quattro
sinusoidi e rumore bianco.
La prima figura a sx è lo
spettro vero a dx con approcci
non parametrici.

62
Seconda riga : a sx la stima dello spettro con Yule -Walker per p=17 a dx ho
stessa cosa con p=25; terza riga: stesso con p=35, per ordine basso lo spettro
non riesco a stimare bene l'uscita più salgo e più riesco bene a capire cosa ho
però a 35 comincia a salire il rumore di fondo. Poi c'è il confronto tra Yule -
Walker e covarianza a p=25 sono uguali cambia solo il calcolo computazionale.
Quindi l'approccio parametrico è peggio
di quello non parametrico. Ex 2:
segnale di test 3 sinusoidi immerse in
un rumore di ampiezza elevata.
Prima riga sx approccio non parametrico
e poi gli approcci parametrici
all'aumentare dell'ordine. All'aumentare
dell'ordine si vedono le sinusoidi però a
27 le sinusoidi sembrano 4 a causa del
rumore.
Perchè a volte conviene usare l'approccio parametrico?
ex: tre sinusoidi immerse in rumore Le immagini sono lo spettro a parità di
ordine dove cambia la lunghezza del segnale .

Si osserva che questi metodi non risentono della lunghezza del segnale quindi
si usa quando ho pochi dati.
Equazioni di Yule-Walker
come riesco a calcolare i coefficienti a[k] a partire dall'eq di base nel dominio
del tempo?

abbiamo la solita formula, nell'eq le incognite sono a perché x è rumore bianco

e y è il segnale di cui vogliamo stimare lo spettro. Prendiamo la sommatoria e la

63
portiamo a primo membro: a questo punto y(n) può entrare nella sommatoria
facendola partire da 0. Il prossimo set di equazioni algebriche è usato al fine di
trasformare questa equazione in un formato che usa la funzione di
autocorrelazione.

Come è definita l'autocorrelazione? valore atteso di y(n) per y(n+k), allora se al

posto di y voglio la funzione di autocorrelazione devo applicare il valore atteso
a tutti e due i membri e moltiplicare per y traslato

Il valore atteso è lineare quindi

scambio valore atteso e sommatoria e faccio uscire a. A questo punto sostituisco
il valore atteso a sx con l'autocorrelazione

guardiamo il termine a dx dell'uguale: l'ingresso

e l'uscita in che relazione sono? L'uscita è una versione traslata dell'ingresso
quindi quel valore atteso in realtà è il valore atteso di due valori dell'ingresso
traslate ma l'ingresso è rumore bianco e quindi l'autocorrelazione è zero. Quindi
nell'equazione ottengo la sommatoria =0. Espandiamo la sommatoria e facciamo
girare k da 0 a p,

isolo a primo membro la funzione di autocorrelazione a leght zero, questo è un

set di equazioni perchè dipende da quanti m sto guardando. Se devo stimare p
parametri quanti m devo osservare per avere una soluzione unica? devo avere
m=p per stimare p parametri. Quindi abbiamo un sistema di eq che in forma

matriciale è scritto come

a = alla matrice R invertita per il vettore autocorrelazione.
Confrontando diversi stimatori spettrali
Forme d’onda costituita da 3 componenti sinusoidali a 50, 100 e 200 Hz,
immerse in rumore di ampiezza bassa (SNR= 5 dB). Prendiamo N=2048:

64
 Con tutti gli approcci le
sinusoidi sono visibili perchè il rumore è basso però la varianza della prima riga
è molto elevata, quando passo a Bartlett Welch la varianza si riduce,
l'autoregressivo va abbastanza bene e smussa quello che c'è.
N=1024:

Le vedo sempre le sinusoidi: la prima riga è circa uguale, mentre Bartlett e

Welch si riduce il numero di finestre quindi la varianza è fissata ma i picchi si
allargano cioè è diminuita la risoluzione, autoregressivo è uguale.
𝑁=512:

65
 la risoluzione diminuisce
visibilmente mentre l'autoregressivo è come prima.
𝑁=256:

Mentre diminuisco N
diminuiscono anche le lunghezze dei picchi ma Bartlett e Welch ne risentono
parecchio mentre l’autoregressivo è uguale.
Passiamo ora con le stesse sinusoidi di prima a rumore di ampiezza elevata
(SNR = -5 dB)
N=2048

E' aumentata tantissimo la

varianza e i picchi si vedono poco
𝑁=1024

66
 i due periodogrammi Bartlett e
Welch cominciano ad avere difficoltà , quelli di prima sono difficili da leggere ,
mentre l'autoregressivo si vede ancora
𝑁=512

non si vede nulla nella prima riga

, non si intuisce quasi nulla
𝑁=256

non si vede nulla. Dobbiamo avere

l'SNR il più elevato possibile
EMG
Introduzione
L’elettromiografia è una valida tecnica per studiare:
● i movimenti umani(non solo il muscolo macroscopico)

67
 ● i meccanismi che coinvolgono la fisiologia neuromuscolare(a scopo
diagnostico)
Caratteristiche anatomiche del muscolo
Le caratteristiche salienti del muscolo che influiscono sul segnale EMG
includono:
● la variazione della lunghezza delle fibre
● la composizione del tipo di fibra
● la partizione delle fibre(il fatto che non si attivano tutte insieme)
Queste caratteristiche differiscono da muscolo a muscolo ma anche da paziente
a paziente.
Lunghezza delle fibre muscolari:gli elettrodi di superficie messi
longitudinalmente sulla parte distale o prossimale del muscolo registreranno
solo dalle fibre sotto l’elettrodo.
Caratteristiche architettoniche della fibra del muscolo:Le fibre più profonde
sono più lente, utilizziamo un sensore ad ago per registrare quel segnale. Le
fibre più superficiali sono più veloci.
Partizione muscolare:Ogni partizione può avere uno specifico ruolo nella
funzione di un particolare muscolo.
Fisiologia della fibra muscolare:
Il muscolo è un tessuto continuamente bagnato in un mezzo ionico.
Il muscolo è avvolto da una membrana(il sarcolemma).
Ad intervalli regolari il sistema transverso tubolare interrompe la membrana.
In alcuni punti i tubi transversi corrono longitudinalmente, connettendosi con
altri tubuli e con il reticolo sarcoplasmatico(nutrimento).
I tubi transversi servono come struttura per portare il potenziale d’azione in
profondità nelle miofibrille per attivare tutte le porzioni di fibre muscolari.
Potenziale membrana a riposo
A riposo esiste un gradiente tra l’interno e l’esterno, l’interno delle fibre si trova
a circa -90mV rispetto all’esterno. Il gradiente di tensione deriva dalle diverse
concentrazioni di sodio, potassio e cloruro. In condizioni di riposo la
concentrazione di sodio è relativamente alta all’esterno della membrana e bassa
all’interno della fibra, il potassio al contrario. Se avessimo il sodio allo stesso
livello del potassio avremmo potenziale nullo.
Generazione del potenziale di azione di una fibra muscolare
Le fibre muscolari sono tessuti eccitabili. Quando la fibra muscolare è
depolarizzata di circa 10mV, il potenziale di membrana produce una risposta che
chiamiamo potenziale di azione della fibra muscolare(MFAP).

68
Il potenziale d’azione generato alla giunzione neuromuscolare procede lungo la
fibra muscolare in entrambe le direzioni.
La sinapsi stimola le vescicole che si legano ai canali del sodio che si aprono e
fanno entrare il sodio. Nella prima fase del potenziale di azione, la permeabilità
del sodio aumenta e il sodio va nella cellula, invertendo la polarità della cellula
in modo che momentaneamente sia circa a 10mV.
Crescendo la permeabilità del sodio aumenta anche la permeabilità del potassio
ed è la fuoriuscita del potassio che determina il ritorno del potenziale di
membrana allo stato di riposo.
All’impulso nervoso o muscolare segue un periodo refrattario, durante il quale
abbiamo una diminuzione dell’eccitabilità della membrana. Per un breve
periodo di tempo, la membrana è assolutamente refrattaria e tutti i canali del
sodio sono chiusi, quindi la membrana non può rispondere con un potenziale
d’azione. Dopo abbiamo un periodo refrattario relativo, durante il quale alcuni
canali del sodio sono aperti e si può generare un potenziale d’azione purchè lo
stimolo eccitatorio sia abbastanza grande da superare l’aumento della soglia
minima per l’eccitazione.
Velocità di conduzione della fibra muscolare
L’EMG è largamente influenzato dalle caratteristiche della MFAP(potenziale
d’azione) mentre si propaga lungo la fibra muscolare.
Rispetto alle velocità di conduzione nervosa, la velocità muscolare è lenta.(da
2m/s a 6m/s). Da un punto di vista fisiologico, la velocità dipende da una serie
di caratteristiche delle fibre muscolari:
● Temperatura:La velocità di conduzione delle fibre muscolari cambia con
la temperatura muscolare, aumenta con l'aumento della temperatura e
viceversa
● Diametro delle fibre muscolari e morfologia muscolare:Relazione lineare
tra diametro e velocità di conduzione (CV). Anche la velocità di
conduzione aumenta con la soglia di reclutamento dell'unità motoria ed è
massima vicino alla regione della placca terminale e minima vicino al
tendine.
● Lunghezza muscolare:Quando la fibra muscolare viene allungata, si
prevede che la velocità di conduzione diminuisca a causa di una
diminuzione del diametro effettivo della fibra.
● Tipo di fibra: La velocità di conduzione delle fibre a contrazione rapida
era noto per essere superiore a quello delle fibre muscolari a contrazione
lenta

69
 ● Affaticamento muscolare: Declino in MFCV con fatica
● Patologia neuromuscolare: Malattie del muscolo, come varie distrofie e
polimiosite,o del motoneurone tendono a diminuire il CV
Caratteristiche dell'unità motoria
L’unità motoria è composta da: un singolo motoneurone e tutte le fibre
muscolari innervate da quel motoneurone. Tutte le fibre muscolari innervate dal
motoneurone si attivano quando un'azione potenziale appare nel motoneurone.
Quindi un solo neurone controlla più fibre.
Organizzazione dell'unità motoria
Il numero di unità motorie e il rapporto di innervazione (numero di fibre
muscolari per unità motoria) differiscono tra i muscoli:
◦ I muscoli grandi come il gastrocnemio hanno circa 600 unità motorie con un
rapporto di innervazione di 2000 fibre muscolari per unità motoria. Ho quindi
un alto rapporto di innervazione
◦ I muscoli oculari piccoli come il retto esterno possono avere fino a 3000 unità
motorie ma un rapporto di innervazione di 9 fibre muscolari per unità motoria.
Ho un basso rapporto di innervazione.
Il rapporto di innervazione è un mezzo morfologico per controllare la precisione
della contrazione muscolare, più è alto il rapporto meno precisione ho. Le
gradazioni della forza muscolare possono essere ottenute aumentando o
diminuendo la frequenza di fuoco dell'unità motoria rispetto all'attivazione o
disattivazione di un'intera unità motoria.
Potenziale d'azione dell’unità motoria
Dal momento che più fibre muscolari sono innervate da un singolo
motoneurone, la frequenza di fuoco di un motoneurone provoca lo scarico quasi
simultaneo di molte fibre muscolari. L'attività sommata di tutte queste fibre
muscolari culmina nella generazione del potenziale d’azione di un’unità
motoria(MUAP). L'ampiezza del MUAP è determinata dai singoli MFAPs,
sommati al sito di registrazione sia temporalmente che spazialmente.
Tecniche per modulare la forza muscolare
Numero di unità motorie
Una risposta alla richiesta di forza aggiuntiva è attivarne di più unità motorie.
Le unità motorie vengono reclutate aumentando le dimensioni: le unità motorie
più piccole sono reclutate per prime e le unità più grandi vengono reclutate in
base alle crescenti richieste di forza. Le unità motorie più grandi sono
generalmente composte da motoneuroni di grandi dimensioni i cui assoni hanno
velocità di conduzione alta. Le loro forze di contrazione sono più grandi di

70
quelli delle piccole unità motorie. Anche le unità motorie vengono disattivate in
un modo ordinato, con le unità motorie più grandi disattivate per prime quando
la forza diminuisce. Il numero di unità motorie reclutate ha un grande impatto
sull'EMG, poiché più unità motorie significano che l'ampiezza dell'EMG
aumenta. Il processo attraverso il quale aumentiamo il numero di unità motorie
attive si chiama reclutamento. L'uso del reclutamento di unità motorie varia a
seconda dei muscoli. I muscoli grandi tendono ad avvalersi di strategie di
reclutamento, continuando a reclutare unità motorie fino all'80% dello sforzo
massimo o superiore.I muscoli piccoli dipendono meno dal reclutamento
dell'unità motoria per graduare la forza muscolare.
Frequenza di fuoco
Le unità motorie hanno una velocità di fuoco minima di circa 5-10 impulsi al
secondo, anche se questa varia a seconda dei muscoli. Come la richiesta di più
forza aumenta, la frequenza di fuoco aumenta. La velocità massima di tiro può
superare i 60 impulsi al secondo in alcuni muscoli e i muscoli piccoli tendono a
fare più affidamento sulla modulazione della frequenza di fuoco rispetto ai
muscoli più grandi. Poiché ogni MUAP contribuisce al segnale EMG, maggiore
è la frequenza di attivazione del motoneurone (e quindi maggiore è la frequenza
di scarica), maggiore è l'ampiezza dell'elettromiografia. Quindi i muscoli grandi
utilizzano più la tecnica del numero di unità motorie, mentre i muscoli piccoli
per aumentare la forza aumentano la frequenza di fuoco.
Potenziale condotto dal volume
La registrazione del potenziale d'azione delle fibre muscolari (MFAP) attraverso
un mezzo (cioè fluido extracellulare e tessuti) è definita conduzione di volume.
Le dimensioni e la forma del potenziale risultante dipendono dalla posizione
dell'elettrodo di registrazione a causa della conduzione del volume.
I cambiamenti nella forma del MFAP dovuti alla sua posizione rispetto
all'elettrodo possono quindi essere studiati in questo modo:
◦ L'MFAP viaggia a velocità costante lungo la fibra muscolare, mantenendo la
sua forma mentre si propaga attraverso, passa sotto e poi si allontana
dall'elettrodo.
◦ Quindi le fasi di depolarizzazione e ripolarizzazione possono essere viste
come stazionarie sulla fibra muscolare mentre l'elettrodo può muoversi rispetto
al MFAP. Le fasi di depolarizzazione e ripolarizzazione del potenziale
d’azione(MFAP) possono essere pensate come cariche negative e positive,
rispettivamente, che si trovano adiacenti l'una all'altra sulla fibra muscolare.
Poiché le cariche negative e positive sono collegate tra loro attraverso eventi

71
fisiologici, rappresentano un sistema di dipolo. Io visualizzo il segnale a
specchio, se dentro è +, fuori è -.
Le due linee di osservazione corrispondono alla posizione dell'elettrodo nella
direzione y, vicino e molto al di sopra del dipolo. Ci sono cinque diverse
posizioni degli elettrodi nella direzione x, avvicinandosi al dipolo stazionario,
passandoci sopra e poi allontanandosi da esso. L'asse y è il potenziale elettrico
registrato all'elettrodo in mV e l'asse x è la posizione x dell'elettrodo rispetto al
centro del dipolo, dove 0 mm è direttamente tra le due cariche. La MFAP per la
linea di osservazione vicina al dipolo è alta e stretta mentre la MFAP per la linea
di osservazione lontana dal dipolo è corta e larga.
1. Il dipolo è costituito da cariche uguali e opposte in cui il potenziale netto è
determinato dalla differenza (r1) tra le distanze radiali ( r1 e r2) tra ciascuna
carica e l'elettrodo.
2. La carica più vicina domina il potenziale netto. Il potenziale netto viene
registrato dall'elettrodo e corrisponde all'ampiezza MFAP in microvolt
3. L'evoluzione della MFAP è governata dalle variazioni della differenza (∆r) tra
le distanze radiali ( r1 e r2) mentre l'elettrodo si sposta lungo la linea di
osservazione.

LINEA DI OSSERVAZIONE LONTANA

Quando la distanza radiale ( r1 e r2) è molto maggiore della distanza tra le
cariche nel dipolo (r>>b), la differenza (∆r) è molto piccola.
Il potenziale netto della prima posizione dell'elettrodo P1 è zero perché r1 e r2
sono quasi uguali.
La variazione della posizione dell'elettrodo da P1 a P3 è associata ad una
deflessione negativa perché si ha un aumento della differenza (∆r) tra r1 e r2 e
la carica più vicina è negativa.
Sebbene il cambiamento di posizione dell'elettrodo da P1 a P3 determini un
aumento della differenza (∆r) tra r1 e r2, è relativamente piccola perché la
distanza radiale è ancora grande, anche se l'elettrodo si avvicina al dipolo.

72
Il potenziale netto è piccolo per la linea di osservazione lontana, quindi la
MFAP registrata è di ampiezza ridotta.
Il graduale aumento della differenza (∆r) tra r1 e r2 per la linea di osservazione
lontana raggiunge il suo massimo in prossimità di P3, prima di raggiungere la
carica negativa.
Il potenziale netto negativo quindi diminuisce costantemente verso lo zero a
centro dipolo; r1 e r2 sono uguali in lunghezza, quindi nessuna carica può
dominare lasomma.
La geometria del sistema fisico è speculare quando l'elettrodo si sposta oltre il
centro del dipolo e oltre. C'è un graduale aumento della differenza (∆r) tra r1 e
r2 mentre l'elettrodo si sposta tra P4 e P5. In questo caso, la carica positiva è più
vicina all'elettrodo e domina il potenziale netto, quindi l'MFAP inverte la
polarità.
La massima positività si ottiene in prossimità della posizione dell'elettrodo P5,
oltre la carica positiva.
VICINO ALLA LINEA DI OSSERVAZIONE
Sebbene la linea di osservazione vicina sia vicina al dipolo, la distanza radiale
alla posizione del primo elettrodo P1 è ancora abbastanza grande da rendere
trascurabile la differenza (∆r) tra r1 e r2.
Il potenziale netto alla prima posizione dell'elettrodo P1 è quindi zero. Entrambi
tra r1 e r2 si accorciano quando l'elettrodo si sposta da P1 a P2. Tuttavia, poiché la
linea di osservazione è così vicina al dipolo, non vi è alcuna variazione
apprezzabile nella differenza (∆r) tra r1 e r2. Il potenziale netto rimane vicino
allo zero. Cambiamenti apprezzabili si verificano solo quando l'elettrodo si
avvicina al dipolo. La differenza (∆r) tra r1 e r2 inizia a cambiare leggermente
quando l'elettrodo si sposta oltre P2.
Man mano che l'elettrodo si avvicina a P3, la differenza (∆r) tra r1 e r2 inizia a
cambiare bruscamente, dando luogo ad un rapido aumento della negatività.
L'entità di questo cambiamento è molto maggiore per la linea di osservazione
vicina. Il potenziale netto negativo è quindi molto maggiore e il MFAP è
maggiore in ampiezza, semplicemente per la geometria. Il potenziale netto
raggiunge il suo massimo direttamente sulla carica negativa del dipolo. Da
questo punto in poi, c'è una rapida diminuzione del potenziale netto negativo
verso lo zero in P4, lo stesso della linea di osservazione lontana.
La geometria speculare oltre la posizione dell'elettrodo P4 provoca gli stessi
eventi, ma in ordine inverso.
Rappresentazione tripolo del potenziale d’azione dell’unità motoria

73
Una rappresentazione fisica più accurata del MFAP è quella di un tripolo (+ -
+). Quando gli ioni sodio si precipitano nella fibra muscolare lasciano dietro di
loro una negatività relativamente forte nello spazio extracellulare. Questa forte
negatività è chiamata rubinetto di corrente perché ad essa vengono attratte
cariche positive. Se un elettrodo viene posizionato direttamente sopra l'evento di
depolarizzazione, viene registrato un potenziale negativo (posizione 1).
L'assorbimento di corrente è così forte che attrae ioni positivi dall'area della
membrana davanti all'evento di depolarizzazione.
Questa area della membrana anteriore è chiamata area della sorgente di corrente
debole perché fornisce gli ioni positivi che vengono attratti dal pozzo di
corrente.
Un elettrodo posto davanti all'evento di depolarizzazione registrerebbe una
leggera positività (posizione 2). Quando gli ioni positivi lasciano l'area anteriore
della membrana, la differenza di carica attraverso la membrana diminuisce, il
che porta alla depolarizzazione passiva della fibra muscolare.
La scarica mediata dal canale ionico di ioni positivi (K+) all'esterno della fibra
muscolare dà origine all'evento di ripolarizzazione ed è una forte sorgente di
corrente. Un elettrodo posizionato direttamente sopra l'evento di
ripolarizzazione registrerebbe una grande positività (posizione 3).
Pertanto, mentre l'MFAP si propaga lungo la fibra muscolare da sinistra a destra
verso l'elettrodo, viene rilevato per primo il bordo di attacco (sorgente di
corrente debole), seguito dalla fase di depolarizzazione (assorbimento di
corrente) e quindi dalla fase di ripolarizzazione (sorgente di corrente forte) .
Il MUAP è anche trifasico perché è la somma lineare di tutte le sue fibre
muscolari associate.
La forma d'onda trifasica è ancora evidente nella simultanea depolarizzazione e
ripolarizzazione delle unità motorie reclutate.
Setup esperimenti EMG
I segnali EMG dagli elettrodi di superficie vengono inviati a un amplificatore
che aumenta l'ampiezza del segnale.
Elettrodi
L'attività elettrica muscolare può essere registrata utilizzando una
configurazione di elettrodi monopolare o bipolare sia per metodi di superficie
che interni.
Elettrodi di superficie
I primi elettrodi di superficie erano costituiti da una semplice piastra metallica
conduttiva quadrata o circolare.

74
Sulla piastra è stato applicato un sottile strato di gel elettrolitico e la piastra è
stata fissata alla pelle con del nastro adesivo.
Gli elettrodi a piastra erano suscettibili agli artefatti da movimento. L'artefatto
da movimento è un disturbo meccanico che modifica lo spessore del film sottile
dell'elettrolita tra la piastra metallica e la pelle durante la contrazione muscolare.
I semplici elettrodi a piastra possono essere più problematici di altri modelli, ma
possono comunque essere utilizzati efficacemente se il gel elettrolitico viene
applicato con parsimonia e quindi fissato correttamente alla superficie della
pelle con nastro adesivo. Un modo più efficace per ridurre al minimo gli
artefatti da movimento consiste nell'eliminare il contatto diretto tra la superficie
metallica e la pelle.
Nell'elettrodo flottante la superficie di registrazione è incassata lontano dalla
pelle mentre il gel elettrolitico mantiene un percorso conduttivo tra la superficie
metallica e la pelle formando un ponte elettrolitico. L'elettrodo flottante
appartiene alla classe generale dei cosiddetti elettrodi passivi perché non sono
presenti componenti elettronici aggiuntivi associati all'unità stessa.
Gli elettrodi attivi incorporano un preamplificatore all'interno della piccola
custodia che ospita la superficie metallica di registrazione che è a diretto
contatto con la pelle. L'ampiezza del segnale EMG viene aumentata "in
corrispondenza" della superficie della pelle di un fattore 10 o più prima di
essere trasmessa attraverso i cavi degli elettrodi all'unità di amplificazione
principale. L'ulteriore vantaggio degli elettrodi attivi è che la potenza del
segnale EMG risultante è grande rispetto al rumore ambientale circostante. Sia
la dimensione che la configurazione degli elettrodi attivi sono necessariamente
fissate per adattarsi alle dimensioni fisiche dell'unità preamplificatore. Gli
elettrodi attivi sono quindi più restrittivi degli elettrodi passivi rispetto alla
dimensione e alla posizione del muscolo che può essere registrato.
VANTAGGI:
◦ Non invasivo
◦ Facile da applicare
LIMITI:
◦ limitato ai muscoli superficiali che sono abbastanza grandi da supportare il
montaggio degli elettrodi
◦ difficile isolare l'attività di un solo muscolo
◦ diafonia (i potenziali di volume condotti da muscoli non correlati sono
"mescolati" con il segnale di interesse)
Elettrodi ad ago

75
Gli elettrodi ad ago vengono utilizzati per rilevare i potenziali d'azione dell'unità
motoria (MUAPs).
La dimensione dell'ago utilizzato dipende dal numero di fili di registrazione che
scendono al centro della cannula.
Il filo (solitamente acciaio inossidabile, platino o argento) ha tipicamente un
diametro compreso tra 25 e 100 μm e fuoriesce dalla punta dell'ago a filo del
bisello (15-20°). La superficie di registrazione è isolata dal centro della cannula.
Gli elettrodi concentrici sono usati frequentemente per le registrazioni
neurodiagnostiche cliniche. Se viene utilizzato un singolo filo per una
configurazione monopolare, è la superficie di registrazione attiva (G1) e la
cannula è il riferimento (G2). Un elettrodo di massa separato deve essere
posizionato sulla pelle e collegato all'amplificatore. Due fili affiancati vengono
utilizzati per una configurazione bipolare, ma ora la cannula funge da massa.
Ho sempre bisogno di 3 elettrodi, o un ground e due esplorativi o un ground,
uno esplorativo e un riferimento.
VANTAGGI:
◦ ideale per rilevare potenziali da un volume di tessuto molto limitato
◦ Adatto per muscoli profondi
LIMITI:
◦ invasivo
◦ l'ago deve essere spostato più volte in altri scomparti per ottenere di più
attività rappresentativa di tutto il muscolo
◦ Formazione necessaria per il posizionamento
◦conoscenza dell'anatomia muscoloscheletrica
Filtraggio dei tessuti
La propagazione delle correnti elettriche attraverso il tessuto muscolare è
dipendente dalla frequenza. All'aumentare della frequenza del segnale, viene
rilevata una rapida diminuzione dell'ampiezza sulla superficie di registrazione
dell'elettrodo. Poiché c'è una progressiva attenuazione dell'ampiezza dei segnali
ad alta frequenza, il tessuto muscolare è classificato come filtro passa-basso.
Il tessuto muscolare consente ai segnali EMG a bassa frequenza di attraversarlo
"relativamente" invariato, ma distorce i segnali a frequenza più alta. Anche la
relazione tra la frequenza del segnale e la quantità di attenuazione dipende dalla
distanza. Un elettrodo posizionato più lontano dalle fibre attive ha una maggiore
attenuazione alle alte frequenze. L'ampiezza e il contenuto in frequenza dei
segnali EMG di superficie sono notevolmente ridotti rispetto a quelli con
segnali interni

76
Configurazione degli elettrodi
La configurazione degli elettrodi per l'EMG di superficie si riferisce al numero
di superfici di registrazione e alla loro disposizione rispetto a muscoli, tendini e
superfici ossee.
Le due configurazioni di elettrodi più comuni per elettrodi di superficie e ad ago
sono:
- Disposizione monopolare
- Disposizione bipolare
In entrambi i casi sono presenti due superfici di rilevamento e un elettrodo di
massa. Configurazioni degli elettrodi più complicate possono essere viste come
un'estensione naturale del caso bipolare.
Registrazione monopolare
Nelle registrazioni monopolari viene utilizzato un solo elettrodo per registrare il
muscolo attività. I seguenti tre elettrodi vengono utilizzati per una
configurazione monopolare:
1. Superficie attiva di registrazione (G1) posta sul muscolo;
2. Riferimento (G2), utilizzato per determinare una differenza di potenziale,
viene posizionato su una posizione elettricamente neutra come un tendine;
3. Ground posto su una superficie ossea distante da G1 e G2 . Punto motore→
area identificata come punti focali sulla superficie della pelle dove la
stimolazione elettrica più bassa possibile produrrà una contrazione muscolare
minima. La tabella anatomica di riferimento descrive la posizione dei punti
motori
Zona di innervazione
Il punto motorio viene spesso confuso con la zona di innervazione che è una
piccola regione o fascia di tessuto muscolare in cui il potenziale d’azione
dell’unità motoria ha origine e quindi si propagano in modo bidirezionale verso
ciascun tendine.
Registrazioni bipolari
Le registrazioni bipolari sono definite in modo simile per l'EMG di superficie e
permanente. Una configurazione bipolare ha entrambi gli elettrodi G1 e G2
posizionati sopra il muscolo. I segnali dagli elettrodi G1 e G2 vengono inviati a
un amplificatore che inverte l'ingresso G2. Il ground è posto su un sito neutro
come una prominenza ossea, tipicamente vicino a G1 e G2. Questa
configurazione di base sfrutta appieno i circuiti dell'amplificatore progettati per
ridurre al minimo i segnali di interferenza indesiderati dai campi

77
elettromagnetici nell'ambiente circostante. L'amplificatore ottiene questo
sottraendo G2 da G1.
Distanza interelettrodo

Il dipolo passa prima sotto G1 e la fase negativa (depolarizzazione) è al di sotto

della linea di base. Quindi si propaga lungo la fibra muscolare verso G2 dove il
segnale viene invertito. Il segnale che passa sotto entrambi gli elettrodi è
bifasico, ma la loro sommatoria [G1 + (–G2)] è trifasica.
Riposizionare G2 più lontano rispetto a G1 costringerà il dipolo a percorrere una
distanza maggiore (∆d2>∆d1). La velocità di conduzione rimane costante, quindi
ci vorrà più tempo perché il dipolo arrivi a G2 (∆t2>∆t1). La somma dei
potenziali a G1 e G2 ha ancora tre fasi, ma ora il segnale EMG è più lungo in
durata e maggiore in ampiezza. Potenziali di maggiore durata determinano
componenti a frequenza più bassa nel segnale EMG. Dovrebbe essere evidente
che è vero il contrario per distanze interelettrodi più brevi: producono segnali
EMG di ampiezza minore con componenti a frequenza più elevata. Poiché
l'ampiezza e il contenuto in frequenza dei segnali EMG sono alterati dalla
distanza tra gli elettrodi, gli elettrodi bipolari funzionano come un filtro
spaziale. Consideriamo ancora una volta un dipolo in propagazione ma la
spaziatura dei dipoli è più ampia. Ad una certa velocità di conduzione (v), due
creste successive del potenziale d'azione, pari a una lunghezza d'onda (λ),
saranno sotto entrambi gli elettrodi contemporaneamente (fibra superiore).
La somma tra G1 e G2 risulterà nella cancellazione dell'onda. Quando la
lunghezza d'onda è uguale alla distanza interelettrodo (λ=d), la frequenza (f) che
viene cancellata nel segnale EMG è f =v/λ=v/d. Fissando la distanza perdo
alcune fibre. Quando la distanza dei dipoli è uguale alla distanza tra gli elettrodi,
le fasi negativa e positiva sono centrate rispettivamente sotto G1 e G2, (fibra
inferiore). Il risultato è la perfetta addizione delle due fasi.
In questo caso, la lunghezza d'onda è pari al doppio della distanza tra gli
elettrodi (λ = 2d). La frequenza passata dagli elettrodi è f=v/λ=v/2d.
Nel segnale EMG sono presenti frequenze che comportano un multiplo dispari
(n = 1, 3,5...) della velocità di conduzione. La relazione f=v/2d si semplifica

78
sempre algebricamente a λ=d per frequenze che sono un multiplo pari (n = 2, 4,
6...) della velocità di conduzione,che risulta in cancellazione. L'impatto pratico è
che un sistema di rilevamento bipolare agisce come un filtro a pettine
consentendo il passaggio di alcune frequenze nel segnale EMG, ma non di altre.
Se si conoscono la distanza interelettrodica e la velocità di conduzione
muscolare, si possono calcolare le frequenze presenti nel segnale EMG.
Selettività
La selettività si riferisce alla capacità di registrare l'attività muscolare
significativa da un volume locale di tessuto piuttosto che il dialogo incrociato
dalle fibre muscolari vicine. Gli elettrodi di superficie sono inizialmente
svantaggiati, ma la situazione può essere migliorata. La spaziatura dei dipoli per
le fibre muscolari è costante. Tuttavia, la spaziatura effettiva dei dipoli dipende
dalla geometria della distanza radiale tra la fibra muscolare e la superficie di
rilevamento. La spaziatura dei dipoli per le fibre più distanti sembra essere
maggiore di quella per le fibre più vicine. Se la distanza tra gli elettrodi viene
mantenuta la più piccola possibile, corrisponderà alla spaziatura dei dipoli delle
fibre muscolari più vicine alle superfici di rilevamento, mentre l'ampiezza e il
contributo in frequenza delle fibre più distanti saranno attenuati.La distanza tra
gli elettrodi è il principale fattore che influenza la selettività locale per le
registrazioni EMG di superficie.
La selettività non può essere migliorata diminuendo la superficie dell'elettrodo,
che aumenta solo l'impedenza e provoca una maggiore contaminazione da
rumore nel segnale. Una regola empirica generale è che gli elettrodi possono
rilevare l'attività elettrica "significativa" da un volume sferico di tessuto
muscolare avente un raggio uguale alla distanza interelettrodo (area di raccolta o
volume di rilevamento).
Per una distanza interelettrodica fissa, il volume di rilevamento è lo stesso sia
che il muscolo sia grande o piccolo. Tuttavia, per un muscolo più piccolo, un
dato volume di rilevamento è una percentuale maggiore del volume muscolare
totale. Pertanto, le registrazioni EMG di superficie sono più rappresentative per
i muscoli più piccoli che per quelli più grandi. Si è tentati di aumentare la
distanza tra gli elettrodi per aumentare il volume di rilevamento per un muscolo
più grande. Un aumento della distanza interelettrodo da 2 a 4 cm può aumentare
l'ampiezza e diminuire il contenuto in frequenza del segnale EMG di superficie.
Aumentare la distanza tra gli elettrodi non significa necessariamente che gli
elettrodi registreranno l'attività elettrica dei muscoli più profondi. Il volume di
rilevamento degli elettrodi di superficie include solo le fibre più superficiali del

79
muscolo. Queste fibre muscolari appartengono a unità motorie più grandi e con
soglia più alta. Il segnale EMG di superficie può quindi rappresentare una
visione distorta dell'attività muscolare complessiva.
Considerazioni per il piazzamento degli elettrodi
La distanza tra gli elettrodi per le registrazioni di superficie varia generalmente
tra 5 e 20 mm a seconda delle dimensioni del muscolo. Sono possibili distanze
interelettrodi più brevi, ma esiste un limite pratico associato a un rischio
maggiore che il gel elettrolitico formi un ponte salino(cortocircuto) tra le due
superfici di registrazione attraverso la pelle. Ciò ridurrà la differenza di
potenziale tra i due elettrodi e l'ampiezza dell'EMG osservata sarà molto più
bassa del previsto. È importante rimuovere il gel elettrolitico in eccesso. A
differenza del posizionamento con la configurazione monopolare, gli elettrodi di
superficie bipolari non devono essere posizionati all'interno della zona di
innervazione. I potenziali d'azione delle fibre muscolari provenienti dalla zona
di innervazione viaggiano in modo bidirezionale, verso il tendine alle due
estremità del muscolo. Se G1 e G2 si trovassero a cavallo della zona di
innervazione, entrambi gli elettrodi "vedrebbero" lo stesso potenziale e si
verificherebbe la cancellazione. Realisticamente, la cancellazione non sarebbe
perfetta. Il segnale sarebbe di ampiezza inferiore e conterrebbe componenti a
frequenza più elevata perché la somma tra G1 e G2 comporterebbe picchi più
irregolari.
Posizionando gli elettrodi vicino, ma non sopra, la zona di innervazione
sommerà gli MFAP quando la dispersione temporale è minima e produrrà la
massima magnitudo EMG. La sommatoria dei potenziali più dispersi
temporalmente risulterà in un segnale di ampiezza inferiore e di durata
maggiore, contenente più componenti a bassa frequenza.
La dispersione temporale ha effetti di filtraggio passa-basso sul MUAP.
Al contrario, se gli elettrodi sono posizionati troppo vicino al tendine, gli effetti
finali dei potenziali vicino al tendine contribuiranno con componenti ad alta
frequenza al segnale EMG.
Ampiezza
L'ampiezza del segnale EMG viene utilizzata come misura della spinta neurale
al muscolo. Nel caso dei potenziali evocati motori, l'ampiezza picco-picco della
forma d'onda è proporzionale al numero di unità motorie attivate dalla
stimolazione elettrica del nervo periferico.
Natura del segnale EMG

80
Considerare un lungo segmento di dati EMG generati durante una contrazione
isometrica statica (lunghezza costante del muscolo senza variazione del
movimento dell'arto). È possibile creare un istogramma di ampiezza costituito
dall'intervallo totale di valori di ampiezza (positivo e negativo) diviso in
intervalli uguali (bin), quindi è possibile determinare la proporzione di ampiezze
in ciascun bin. Se la lunghezza del segmento di dati viene aumentata e la
dimensione del contenitore sufficientemente ridotta, l'istogramma di ampiezza
inizia ad assomigliare a una funzione continua. La funzione continua
rappresenta quindi la distribuzione di probabilità dell'ampiezza del segnale.
Si presume generalmente che la distribuzione di probabilità dell'ampiezza del
segnale EMG abbia una forma gaussiana (curva normale). È dimostrato che la
distribuzione di probabilità dell'ampiezza del segnale EMG dipende dalla forza
della contrazione, avvicinandosi a una forma più gaussiana poiché l'intensità
della contrazione si avvicina al 70% della contrazione volontaria massima.
Più è alta l’intensità della contrazione più la distribuzione è simile ad una
gaussiana.
Rilevamento dell’inviluppo lineare
Il rilevamento dell'inviluppo lineare è la tecnica di demodulazione più applicata
utilizzata per estrarre informazioni dalla forma d'onda EMG osservata. La base
di tale analisi EMG ha le sue origini nelle telecomunicazioni.
Ricavo il profilo del segnale:
Considera un segnale informativo che deve essere trasmesso: S(t)= m cos(ωnt)
dove m è l'ampiezza e ωn è la frequenza angolare. Il segnale che contiene le
informazioni di solito ha sia una bassa ampiezza che una bassa frequenza. La
trasmissione del segnale informativo richiede quindi un segnale portante che
abbia una maggiore ampiezza e frequenza: A(t)=Ac cos(ωct) dove Ac è
l'ampiezza non modulata e ωc è la frequenza portante. Il segnale di informazione
e il segnale di portante sono combinati per dare un segnale modulato: A(t)=Ac
cos(ωct)(1+m cos(ωmt))
L'ampiezza del segnale di informazione (m) aumenta e diminuisce (cioè
modula) l'ampiezza del segnale portante (Ac) quando le due forme d'onda sono
combinate. Il termine inviluppo è usato per descrivere il contorno della forma
d'onda risultante. Una volta ricevuto il segnale A(t), il segnale portante deve
essere demodulato in modo che il segnale di informazione possa essere
recuperato dal segnale sovrapposto.

81
Esistono vari modi per rilevare le informazioni nel segnale sovrapposto. Poiché
si tratta di un segnale modulato in ampiezza, è l'ampiezza del segnale
informativo che deve essere rilevata.
La tecnica di demodulazione dell'ampiezza più diffusa è il rilevamento
dell'inviluppo lineare. Il rilevamento dell'inviluppo lineare consiste nei seguenti
passaggi:
1. Rettifica a onda intera che assume il valore assoluto del segnale grezzo
2. filtraggio passa-basso che rimuove la componente ad alta frequenza del
segnale portante, lasciando dietro di sé la forma d'onda che cambia lentamente
associata all'inviluppo, che è il contenuto informativo del segnale (filtri a media
mobile).
La demodulazione può essere implementata come circuito hardware o tramite
software come parte dell'elaborazione del segnale offline.
Media mobile
La media mobile viene applicata ai dati utilizzando una finestra mobile.
Considera una finestra mobile a tre punti. I valori y vengono sommati da t1 a t3 e
il risultato viene quindi diviso per 3 per creare il primo valore medio (x1). I
calcoli continuano allo stesso modo per ogni punto successivo lungo il flusso di
dati. Poiché la finestra mobile si estende di due punti in avanti rispetto al punto
corrente, il processo deve essere interrotto a due punti dalla fine del flusso di
dati (N − 2). Il segnale livellato (o filtrato) ha due punti dati in meno rispetto al
segnale grezzo e la base dei tempi è diversa. Il grado di smoothness aumenta
con la lunghezza della finestra in movimento, ma la lunghezza del segnale
filtrato diminuisce di una quantità equivalente alla lunghezza della finestra in
movimento. L'entità della variazione nella base dei tempi dipende sia dalla
lunghezza della finestra (numero di punti dati) che dalla frequenza di
campionamento. È stata applicata una media mobile al valore assoluto
dell'EMG di superficie del bicipite brachiale generato durante una contrazione
volontaria massimale isometrica (MVC) dei flessori.
La media mobile può essere vista come un filtro digitale passa-basso di base.
La frequenza di taglio passa-basso (fc) diminuisce con l'aumento della
lunghezza della finestra. MA è semplice e facile da applicare, ma ha una
risposta in frequenza molto scarsa ed è usato raramente
Rilevamento dell'inviluppo lineare
L'attività elettromiografica è trattata come un segnale di rumore modulato in
ampiezza in cui l'informazione è contenuta nell'inviluppo del segnale (il rumore
è un segnale portante modulato in ampiezza)

82
Si presume che la modulazione dell'ampiezza rappresenti i cambiamenti
nell'attivazione delle unità motorie durante la gradazione della forza muscolare
Il rilevamento dell'inviluppo lineare dell'EMG segue i passaggi
precedentemente descritti per la demodulazione dell'ampiezza del segnale:
1. La rettifica a onda intera comporta l'assunzione del valore assoluto di ciascun
punto dati EMG in modo che il segnale abbia una polarità positiva
2. filtro passa basso con cut-off pari a 20-30 Hz
Misurazione EMG dell'inviluppo lineare
La forma d'onda EMG che cambia lentamente associata al rilevamento
dell'inviluppo lineare è spesso preferita per facilitare l'estrazione di:
1. area
2. pendenza
3. esordio
4. caratteristiche della forma del profilo di attività muscolare.
Ogni misura è pensata per rivelare informazioni specifiche su come il muscolo
viene controllato durante le contrazioni sia statiche che dinamiche.
Area
L'EMG rilevato dall'inviluppo lineare è una forma d'onda a bassa frequenza che
forma un'area aperta con la linea di base. La curva può essere matematicamente
integrata utilizzando un semplice algoritmo di integrazione trapezoidale per
ottenere l'area sotto la curva. Si presume che la misura quantifica la quantità di
attività muscolare (o energia del segnale) entro un determinato periodo di tempo
e può essere definita EMG integrato (IEMG) Le unità per IEMG sono riportate
come mV·s
Pendenza
Se le caratteristiche muscolari rimangono le stesse, le alterazioni della pendenza
dell'EMG rilevate dall'involucro lineare possono essere utilizzate per dedurre
cambiamenti nel controllo neuromuscolare. Durante la fase crescente
dell'attività, nell'EMG tendono ad esserci un certo numero di "picchi" e "valli",
il che rende difficile l'adattamento di una linea. La natura stocastica del segnale
EMG renderà anche le stime da prova a prova abbastanza variabili. Il
rilevamento dell'inviluppo lineare riduce la varianza del segnale EMG, ma
occorre prestare attenzione quando si riduce la frequenza di taglio del
passa-basso per stabilizzare la misura della pendenza, poiché gli effetti
principali possono essere "filtrati" dallo studio. Le variazioni di pendenza
possono mostrare un affaticamento.
Misura della prontezza(Onset)

83
La corretta procedura per la determinazione dell'insorgenza dell'EMG ha
ricevuto molta attenzione e rimane oggetto di indagine attiva. L'ispezione
manuale del segnale EMG sullo schermo del computer è l'unico modo in cui un
investigatore può avere la certezza del 100% che ogni insorgenza è stata
determinata correttamente. Tuttavia, questo può essere un processo lungo e
noioso.
C'è anche l'errata percezione che la determinazione manuale dell'insorgenza sia
soggettiva e inaffidabile. La determinazione manuale dell'insorgenza dell'EMG
richiede esperienza, ma l'accordo tra investigatori esperti può essere piuttosto
elevato. La determinazione automatizzata al computer è consigliata come mezzo
per ridurre drasticamente il tempo di riduzione dei dati, aumentare l'obiettività e
migliorare l'affidabilità dei dati. Il metodo della doppia soglia è l'algoritmo
informatico più rigorosamente testato e convalidato. Implica il calcolo della
media e della deviazione standard dell'attività EMG di base in
assenza di qualsiasi contrazione muscolare. Il primo criterio di soglia è che
l'ampiezza dell'EMG deve superare un valore che rappresenta l'intervallo di
confidenza del 95% (μ ±1,96 ) per l'attività di base. L'intervallo di confidenza
può essere esteso al 99% (μ ± 2,58 ) o superiore se il livello di attività di base è
significativo.
Una volta che l'ampiezza dell'attività EMG supera l'intervallo di confidenza del
95% per l'attività di base, deve rimanere al di sopra della soglia per un periodo
di tempo critico (tc). La durata esatta può variare da 10 a 50 ms a seconda del
livello di attività di base. La seconda soglia riduce al minimo il falso
rilevamento delle deviazioni irregolari dalla linea di base che spesso si
verificano prima della contrazione muscolare. Il metodo della doppia soglia è
implementato come una finestra mobile punto per punto la cui lunghezza è
determinata dal periodo di tempo critico. Per la determinazione automatizzata
da computer dell'insorgenza dell'EMG, la frequenza di taglio passa-basso
dovrebbe essere impostata a 50 Hz in modo che l'EMG rilevato dall'inviluppo
lineare segua più da vicino gli eventi temporali del segnale passa-banda
sottostante.
È molto allettante utilizzare una frequenza di taglio più bassa per diminuire la
varianza dell'inviluppo lineare, che può ridurre il numero di deviazioni irregolari
dalla linea di base.
Forma
Il rapporto di varianza (VR) è stato sviluppato per quantificare la somiglianza
tra le forme d'onda EMG rilevate dall'inviluppo lineare generate su più prove

84
come parte dell'analisi del cammino. Vogliamo vedere se si somigliano le forme
delle varie contrazioni.
La realtà virtuale si applica facilmente a qualsiasi forma d'onda EMG rilevata
dall'inviluppo lineare ed è un modo eccellente per documentare la variabilità
intraindividuale. Diversamente dalla situazione con il coefficiente di
correlazione, un numero più basso (cioè una varianza più bassa) è migliore. La
quantità di variabilità intraindividuale che può essere tollerata dipende dalla
natura dello studio.I dati EMG definiti dall'intervallo tra il primo punto della
forma d'onda EMG (t1, y1) e l'ultimo punto (tn, yn) per ogni singolo soggetto
devono essere interpolati nello stesso numero di punti dati (T). Per calcolare yt,
le forme d'onda EMG devono essere mediate punto per punto in tutte le prove
(N) all'interno di ciascun soggetto per produrre una singola forma d'onda EMG
lunga T punti dati. Poiché viene calcolata una media utilizzando i punti dati per
yt, il risultato è un singolo valore (y) che rappresenta l'intera forma d'onda.
Valore medio rettificato (ARV)
Il valore medio rettificato (ARV) è un rivelatore lineare perché viene calcolato
utilizzando solo il valore assoluto di ciascun dato di EMG su un determinato
intervallo (0, T). Poiché l'intervallo specifico si verifica in un determinato
periodo di tempo, viene spesso definito epoca o finestra dati. L'unità di misura è
mV o μV. Il calcolo ARV è simile alla formula numerica per l'integrazione ed è
spesso confuso con IEMG, specialmente se viene calcolato sulla forma d'onda
EMG rilevata dall'inviluppo lineare.
Radice quadratica media (RMS)
L'ampiezza quadratica media (RMS) è un rivelatore non lineare basato sulla
legge quadrata. Non è necessario rettificare il segnale EMG prima del suo
calcolo. L'ampiezza RMS è collegata alla potenza del segnale.
Spettro di frequenza
L'analisi spettrale rivela esattamente quali frequenze sono state utilizzate per
costruire il segnale osservato e l'ampiezza dei coefficienti indica il contributo
relativo di ciascuna frequenza alla forma d'onda complessiva. Ciò si ottiene
tracciando il valore del coefficiente ad ogni particolare frequenza per ottenere
uno spettro di frequenza. Il metodo più noto è il metodo computazionale
denominato Fast Fourier Transform (FFT). La FFT è "veloce" perché il numero
di operazioni necessarie per calcolare gli spettri di frequenza può essere
notevolmente ridotto se il segmento di dati (N) utilizzato per l'analisi è limitato
alla potenza di 2 (ad es. 256, 512, 1024 o 2048 punti). Se il segmento di dati non
è esattamente una potenza di 2, può essere riempito di zero fino alla successiva

85
potenza di 2. Il riempimento di zero significa letteralmente aggiungere una
stringa di zeri al segmento di dati; non importa dove viene aggiunta la stringa. Il
secondo metodo è la trasformata discreta di Fourier (DFT), che può essere
utilizzata quando la lunghezza del segnale non è una potenza di 2, ma a spese
del tempo di calcolo. La trasformata di Fourier tratta essenzialmente il segmento
di dati come una realizzazione di un segnale periodico. Cioè, il periodo è la
lunghezza del segmento di dati. Limitando la lunghezza del segmento di dati a
una potenza di 2, la FFT forza anche la fondamentale e le sue armoniche ad
adattarsi perfettamente al periodo prescritto dalla lunghezza del segmento di
dati.
Il problema è che il segmento di dati scelto conterrà periodi di forma d'onda
parziali. Se la FFT viene eseguita su questo periodo parziale, gli spettri
conterranno componenti di falsa frequenza (perdita di frequenza dovuta alla
finestratura). La perdita di frequenza può essere ridotta al minimo applicando
una funzione di ponderazione della finestra al segmento di dati prima che venga
eseguita la FFT.
Esistono diverse funzioni di ponderazione; le finestre di Hamming e Hann sono
esempi. Ogni finestra ha le proprie caratteristiche prestazionali sugli spettri di
frequenza.

In figura è riportata la densità dello spettro di potenza per l'EMG di superficie

del bicipite brachiale.
La funzione PSD è stata calcolata su un segnale EMG di superficie passa banda
(10-500 Hz). Il passa alto a 10 Hz è evidente dall'assenza di potenza del segnale
al di sotto di questo punto. Il problema è che piccole quantità di rumore nella
rappresentazione del segnale nel dominio del tempo provocano grandi errori
nelle stime spettrali.
Esistono diversi modi per ridurre la variabilità delle stime spettrali. Un metodo
consiste nel dividere i dati in un numero di segmenti, calcolare lo spettro di
potenza per ciascun segmento di dati e quindi fare la media delle stime
(periodogramma medio o metodo di Bartlett). La principale limitazione è che le

86
registrazioni EMG di solito non sono di durata sufficiente per consentire di
suddividere la finestra data in un numero di segmenti senza compromettere la
risoluzione della frequenza. Il problema di base qui è l'insorgenza
dell'affaticamento muscolare e la stazionarietà del segnale. Il metodo più
utilizzato nella pratica EMG è la tecnica del periodogramma di Welch.
La finestra dei dati è suddivisa in segmenti separati e la stima spettrale viene
calcolata sui dati che si sovrappongono ai segmenti adiacenti di una percentuale
specificata, in genere il 50%(overlapping). Viene quindi calcolata la media delle
stime spettrali di potenza aggiuntive ottenute dalla sovrapposizione. Ad
esempio, se la finestra utilizzata per l'analisi è divisa in tre segmenti di dati e lo
spettro di potenza viene calcolato con una sovrapposizione del 50%, sono
disponibili cinque stime dello spettro di potenza per la media.
La divisione della finestra in segmenti di dati più piccoli può comportare una
diminuzione della risoluzione in frequenza, ma il metodo Welch consente un
certo grado di media date le finestre brevi tipicamente utilizzate nella pratica
EMG.
Misure ottenute dal PSD
Le funzioni PSD di diversi gruppi muscolari condividono tutte la stessa forma
di base, che è generalmente correlata alla forma dei MUAP sottostanti. La
principale differenza tra i gruppi muscolari è la larghezza di banda del segnale,
che è correlata alla fisiologia del muscolo. Queste proprietà includono la
percentuale di MVC su cui vengono reclutate le unità motorie, le frequenze
massime di fuoco, le dimensioni delle unità motorie e le lunghezze delle fibre
muscolari, ecc. Le registrazioni di superficie hanno una larghezza di banda più
stretta rispetto all'EMG permanente a causa del filtraggio tissutale passa-basso
del segnale.
La funzione PSD del segnale EMG può essere caratterizzata da due parametri:
◦media della frequenza di potenza(MNF)
◦ mediana della frequenza di potenza (MDF)
Per calcolare la frequenza di potenza media, è prima necessario calcolare la
potenza totale (TP). La frequenza alla quale si verifica la potenza mediana è
definita come la frequenza che divide lo spettro di potenza in due parti di uguale
potenza. Queste misure sono solitamente riportate insieme perché si ritiene che
forniscono informazioni sia sovrapposte che diverse rispetto al comportamento
dell'unità motoria. È stato dimostrato che MNF e MDF sono sensibili alle
caratteristiche delle fibre muscolari come la velocità di conduzione. È anche
possibile che queste misure riflettano il comportamento di attivazione dell'unità

87
motoria come il reclutamento dell'unità motoria e la codifica della frequenza
rate.
Contaminazione da rumore
Includere sempre una finestra dati minima di circa 500 ms prima e dopo la
contrazione muscolare per documentare l'entità dell'attività di base. La
contaminazione da rumore è più evidente nell'attività di base quando il muscolo
è a riposo. La contaminazione da rumore viene quindi sovrapposta all'attività di
base e proviene da due fonti fondamentali:
1. rumore intrinseco
2. interferenza
Media del segnale
Il rumore intrinseco non può essere ridotto mediante schermatura o un'attenta
messa a terra, come avviene con il rumore di interferenza. La media del segnale
è il modo più semplice per migliorare la qualità del segnale se è contaminato da
rumore gaussiano.
Contaminazione ECG
La forma più fastidiosa di contaminazione per le registrazioni EMG di
superficie ottenute dai muscoli intorno al tronco è l'attività elettrica dal cuore,
l'attività elettrocardiografica (ECG). Fortunatamente, l'impatto della
contaminazione dell'ECG diminuisce con l'aumentare dell'intensità della
contrazione. L'ECG costituisce un decimo della potenza totale del segnale
durante un MVC del 20%. Vi è quindi una drastica diminuzione fino a un
centesimo della potenza totale del segnale per un MVC al 100%.
EEG
Neuroni
Il tessuto nervoso è composto da cellule nervose, i neuroni, insieme a un tessuto
di supporto chiamato neuroglia (funzione trofica), che si trova solo nel cervello
e nel midollo spinale. I neuroni sono cellule altamente differenziate e
specializzate e si distinguono dalle altre cellule per la loro struttura complessa.
I neuroni sono costituiti da:
1) un corpo cellulare detto “soma” la cui morfologia caratterizza il tipo
cellulare, qualificandolo come stellato, piramidale, ecc.;
2) due tipi di prolungamenti citoplasmatici: i dendriti e l'assone,
anatomicamente e funzionalmente differenti: mentre i dendriti convergono sul
soma, l'assone veicola l'attività in località lontane.
Albero dendritico

88
Gli alberi dendritici ricevono input sinaptici. Le varie morfologie dendritiche
sono state utilizzate per la classificazione dei tipi neuronali da Cajal. La
morfologia dendritica tipo-specifica è direttamente collegata alla funzione
neuronale.
La posizione e la densità degli alberi dendritici determinano il tipo e il numero
di input che un neurone può campionare.
Assone
Nel sistema nervoso maturo, lo scopo primario dell'assone è quello di propagare
e rigenerare i potenziali d'azione ad una velocità costante e, secondariamente, di
fornire supporto ai fabbisogni energetici della cellula.
Funzionamento dei neuroni
Morfologicamente, ogni neurone è costituito da due domini distinti:
1. il dominio somatodendritico contiene il corpo cellulare (soma), molteplici
dendriti e una breve regione dell'assone prossimale adiacente al soma (cono di
emergenza dell’assone);
2. il dominio assonale proietta un lungo assone lontano dal cono d’emergenza
verso il neurone successivo, nel circuito neurale o verso un tessuto bersaglio
dove si ramifica in più assoni terminali che formano le sinapsi.
Se gli input sono di tipo eccitatorio, in prossimità del cono viene generato un
potenziale che si propaga lungo l’assone.
Funzionalmente:
1. il flusso di informazioni inizia dal dominio somatodendritico, che riceve input
sinaptici da neuroni vicini o distanti,
2. e viene successivamente trasmesso al dominio assonale che invia segnali al
neurone successivo nel circuito neurale o a un tessuto bersaglio.
Il potenziale salta da un nodo di lamber ad un altro evitando i salsicciotti.
Funzionalità neuronale
La funzionalità del neurone è garantita dalla membrana cellulare. La membrana
cellulare è un filtro selettivo, estremamente sottile (0,005 μm) ed è costituito
da un doppio strato di fosfolipidi. Sulla membrana cellulare si trovano recettori
specifici per sostanze chimiche (esogene ed endogeni) e canali ionici specifici.
La membrana permette di inviare i segnali. Con la variazione del potenziale ho
l’apertura dei canali ionici. La membrana ha un potenziale di risposo di -70mV
all’equilibrio ionico.
Sinapsi

89
Il neurone può mandare stimoli eccitatori o inibitori. La parte presinaptica
genera un potenziale d’azione che va lungo l’assone, poi questo potenziale
viene scambiato sul dendrite del post sinaptico. La sinapsi è il punto di contatto.
Trasmissione sinaptica
I canali voltaggio dipendenti sulla membrana cellulare presinaptica svolgono
una doppia funzione: per depolarizzare la membrana presinaptica innescando
poi il potenziale d'azione produrre una corrente di intensità tale da generare una
variazione del potenziale d'azione anche nella cellula postsinaptica.
Tutti i neuroni, piramidali e non piramidali, stabiliscono connessioni
interneuronali attraverso le sinapsi che si possono realizzare a livello del corpo
cellulare, dei dendriti e dell'assone.
Trasmissione sinaptica elettrica
La trasmissione sinaptica può essere elettrica o chimica. Nel caso delle sinapsi
elettriche, esiste una continuità citoplasmatica tra il terminale pre- e
postsinaptico (gap junction). La trasmissione nervosa attraverso le sinapsi
elettriche è molto rapida, perché è il risultato del passaggio diretto della corrente
generata dai canali voltaggio-dipendenti delle cellule presinaptiche, con un
ritardo pressoché assente. Le sinapsi elettriche spesso interconnettono
interpopolazioni di neuroni e, in questi casi, la funzione è quella di
sincronizzare le loro risposte.
Trasmissione sinaptica chimica
Nelle sinapsi chimiche i terminali presinaptici e postsinaptici sono divisi dalla
fessura sinaptica, uno spazio intersinaptico di 30-50 nm. Il potenziale elettrico
generato nel terminale assonale induce il rilascio di un neuromediatore chimico
da parte delle vescicole presinaptiche che si diffonde nella fessura sinaptica
legando recettori specifici e determinando l'apertura di canali ionici che poi
modificano il potenziale di membrana postsinaptico.
Il ritardo sinaptico varia in questo caso da 0,3 a diversi ms.
Potenziali postsinaptici
I potenziali postsinaptici possono essere eccitatori o inibitori, a seconda del
neuromediatore rilasciato. Il principale neuromediatore inibitorio del SNC è
l'Acido Gamma-Amino Butirrico (GABA); i recettori GABA postsinaptici
formano canali permeabili agli ioni Cl. L'attivazione di questi canali determina
l'ingresso di Cl- che iperpolarizzano la membrana dei neuroni e ne aumentano la
conduttanza durante lo stato di riposo. Il GABA apre i canali del cloro. Quando
entra Cl- si iperpolarizza, abbasso ancora di più il potenziale, lo allontano dal
potenziale di soglia.

90
Il principale neurotrasmettitore eccitatorio è il glutammato (Glu). Il glutammato
forma canali permeabili agli ioni Na+. Le correnti ioniche che passano
attraverso questi canali sono responsabili della fase iniziale di un potenziale
postsinaptico eccitatorio veloce. Qui la membrana si depolarizza, il potenziale
aumenta, andando verso il potenziale di soglia.
Cono di emergenza
Le sinapsi eccitatorie si trovano solitamente sui dendriti, mentre le sinapsi
inibitorie si trovano principalmente sul corpo cellulare dei neuroni.
L'integrazione finale degli input sinaptici avviene in corrispondenza della
collinetta dell'assone, che è l'area del corpo cellulare più vicina al segmento
iniziale dell'assone. Ha la più alta densità di canali Na+ dell'intera cellula e,
quindi, avrà anche la soglia più bassa per innescare un potenziale d'azione. Il
neurone integra spazialmente e temporalmente gli input e capisce se prevale lo
stimolo eccitatorio o quello inibitorio.
Potenziale d’azione
In condizioni di riposo, la concentrazione di ioni K + all'interno della cellula è
circa 30-50 volte superiore a quella esterna e gli ioni Na + sono 10 volte più
concentrati all'esterno che all'interno. Le concentrazioni di ioni sono mantenute
stabili da una pompa ionica attiva e, in condizioni di riposo, i canali K+ sono
aperti e i canali Na+ sono chiusi. Ciò corrisponde a una differenza di potenziale
di circa −70 mV, con più cariche negative all'interno della cella. Il potenziale
d'azione che sta alla base della propagazione dell'impulso nervoso riflette la
rapida apertura e chiusura di Na+ e K+ canali selettivi in risposta alle variazioni
del potenziale transmembrana.
Dopo uno stimolo, l'apertura molto rapida dei canali del Na+ attivati dal
voltaggio (Nav) provoca una depolarizzazione della membrana. Mentre i canali
Nav sono aperti transitoriamente, l'eventuale membrana è brevemente dominata
dalla diversa concentrazione di ioni Na +, bassa all'interno e alta all'esterno
della cellula. La depolarizzazione transitoria della membrana innesca
successivamente l'apertura più lenta dei canali K+ (Kv) attivati dalla tensione,
che quindi ripolarizzano la membrana verso il potenziale di riposo. Il potenziale
d'azione viene generato in 1 ms; la ripolarizzazione avviene in 2-3 ms.
Immediatamente dopo la genesi di un potenziale d'azione, la membrana è
refrattaria ad altre stimolazioni, inizialmente in modo assoluto e poi relativo
(innalzamento della soglia di eccitabilità). Variazioni delle cariche elettriche tra
l'interno e l'esterno della cella, meno importanti di quelle che determinano il
potenziale d'azione, possono generare altre differenze di potenziale elettrico.

91
Potenziale post sinaptico
I neuromediatori eccitatori permettono agli ioni Na+ di entrare nella cellula
riducendo la negatività del potenziale di riposo di 1–5 mV e realizzando un
Potenziale Eccitatorio Postsinaptico (EPSP), che impiega circa 15 ms per
scomparire completamente. D'altra parte, neuromediatori inibitori possono
determinare un aumento del potenziale di riposo (-70 mV) fino a valori di circa
-75 mV, consentendo l'ingresso dello ione Cl- nella cellula e l'uscita degli ioni
K+. Il Potenziale Postsinaptico Inibitorio (IPSP) sarà raggiunto, e persisterà
anche per circa 15 ms
Origine dell’attività elettrica del cervello
L'elettroencefalogramma è una rappresentazione grafica della differenza di
voltaggio tra due diverse sedi cerebrali tracciate nel tempo. L'EEG consiste
nella registrazione dell'attività bioelettrica del cervello dallo scalpo. L'attività
sincronizzata di grandi aggregati cellulari può essere rilevata da registrazioni
extracellulari; in questo caso i segnali che vengono registrati sono detti
potenziali di campo. L'EEG di superficie può essere considerato il risultato di
potenziali di campo prodotti dalle fluttuazioni dell'attività elettrica di grandi
popolazioni di neuroni corticali; questi flussi di corrente extracellulare sono
generati dalla sommatoria spaziale dei potenziali postsinaptici delle cellule
attivate.
Potenziale d’azione contro potenziale post sinaptico
Sebbene i potenziali d'azione - come i maggiori potenziali elettrici generati dai
neuroni - possano sembrare la fonte più ovvia dei potenziali elettrici registrati
dallo scalpo, contribuiscono minimamente alla genesi dei grafoelementi EEG.
I potenziali d'azione non possono essere la causa principale della genesi
dell'EEG per due ragioni principali:
1. l'ampiezza del campo elettrico prodotto dalla propagazione di un potenziale
d'azione diminuisce molto più rapidamente dell'ampiezza dei campi prodotti dai
potenziali postsinaptici;
2. la durata dei potenziali d'azione è molto breve, 1 ms, e questa volta è
insufficiente per ottenere un'adeguata sincronizzazione di grandi popolazioni
neuronali corticali
Viceversa, i flussi di correnti sinaptiche nello spazio extracellulare:
1. durano per circa 10-40 ms, quindi i potenziali postsinaptici possono sommarsi
in modo più efficiente rispetto ai potenziali d'azione

92
2. creare campi elettrici sufficientemente grandi da poter essere registrati
dall'esterno, anche senza una perfetta sincronizzazione. Il potenziale
postsinaptico eccitatorio o inibitorio mostra altre peculiarità che lo differenziano
dal potenziale d'azione:
1. non ha una soglia;
2. è graduato (cioè la sua ampiezza è proporzionale alla grandezza dello stimolo
e, quindi, non risponde alla legge del “tutto o niente”, come il potenziale
d'azione);
3. è locale;
4. non ha tendenza a propagarsi senza decremento (come il potenziale d'azione),
ma diminuisce allontanandosi dalla sua sorgente.
Generazione EEG
La genesi dell'EEG si basa sul flusso di correnti ioniche generate dai neuroni
nello spazio extracellulare. Per comprendere l'origine dei potenziali
extracellulari postsinaptici, possiamo immaginare una corrente ionica che
fluisce verso l'interno della cellula attraverso la membrana sinaptica e verso
l'esterno attraverso l'ampia superficie della membrana extrasinaptica. La
corrente ionica netta viene quindi registrata come la tensione esistente attraverso
la resistenza dello spazio extracellulare. Poiché la resistenza extracellulare è
molto bassa, rispetto all'elevata resistenza della membrana, il voltaggio
transmembrana è uguale al prodotto della corrente per la resistenza
della membrana. La conducibilità elettrica dei tessuti biologici dipende da:
◦ la distanza tra generatore ed elettrodo di registrazione,
◦ la diffusione spaziale;
sull'orientamento del generatore (se i neuroni di una popolazione sono orientati
in parallelo e attivati in modo sincrono, l'ampiezza del segnale registrato a
distanza è maggiore). Il contributo elettrico di ciascun neurone corticale è molto
scarso e che il segnale deve attraversare diversi strati di tessuti non neurali,
comprese le meningi, il liquido cefalorachidiano, le ossa del cranio e la pelle.
Ogni strato ha proprietà di conduzione diverse che attenuano il segnale elettrico
prima che raggiunga gli elettrodi sullo scalpo. Di conseguenza, sono necessarie
migliaia di neuroni attivati contemporaneamente per generare un segnale EEG
sufficientemente forte da essere rilevato dagli elettrodi sulla superficie dello
scalpo. È necessaria l'attivazione sincrona di oltre 100 neuroni corticali in
un'area di almeno 6 cm2 per determinare un segnale EEG visibile dallo scalpo.

93
Pertanto, l'ampiezza del segnale EEG dipende soprattutto dalla sincronizzazione
delle cellule attivate. Se l'attivazione sincrona di questo gruppo di cellule si
ripete molte volte, l'EEG risultante sarà caratterizzato da onde ampie e ritmiche.
Quando uno strato di neuroni piramidali non si attiva in modo coerente, la
corrente eccitatoria non sarà zero e il nostro segnale EEG di base sarà costituito
da fluttuazioni nella corrente eccitatoria di base. La polarità del potenziale
registrato dallo scalpo dipende dalla sede e dalla profondità dell'inizio
dell'attività sinaptica. Per spiegare questo concetto è importante fare una
distinzione tra il sito da cui parte e si allontana la corrente (source) e il sito a cui
la corrente si avvicina (sink). L'attività registrata dall'EEG è quella degli strati
più superficiali della materia grigia corticale. Le potenziali variazioni dell'EEG
corticale sono dovute al flusso di corrente nei dipoli fluttuanti formati dai
dendriti delle cellule corticali e dal soma;
La corrente che fluisce attraverso il conduttore di volume tra “source” al soma e
dendriti basali e il “sink” ai dendriti apicali, sostenendo l'EPSP. Alla corrente in
ingresso (sink), si otterrà una deflessione verso l'alto del potenziale,indicando
un potenziale di depolarizzazione negativo (EPSP);
alla corrente in uscita (sorgente), si otterrà una deflessione verso il basso, che
indica un potenziale di iperpolarizzazione positivo (IPSP). Le sinapsi localizzate
sul corpo cellulare, vicino al poggio assonale, sono generalmente inibitorie,
mentre quelle sulle spine dendritiche sono principalmente eccitatorie.
La polarità dei segnali elettrici sarà diversa a seconda della sede delle sinapsi
eccitatorie (negli strati superficiali o profondi).
A riposo, non c'è differenza di potenziale tra il soma ei dendriti delle cellule
piramidali, poiché entrambi presentano cariche uniformemente positive sulla
superficie della membrana e cariche negative all'interno della membrana.
Questo cambia quando, ad esempio, per effetto di messaggi afferenti, si verifica
una depolarizzazione dei dendriti e si verifica un EPSP. Si ha quindi un flusso di
corrente dal corpo cellulare (source) ai dendriti (sink), generando un campo
elettrico la cui intensità può essere misurata come differenza di potenziale tra
due punti sulla stessa linea di forza generata da due cariche elettriche di segno
opposto; questo costituisce un dipolo, la cui entità dipende dalla resistenza dei
fluidi extracellulari. In pratica i generatori neurologici non corrispondono
precisamente a semplici dipoli unidimensionali. Qualsiasi fonte di attività
sufficientemente grande da essere registrata nell'EEG comprenderà almeno una
piccola area della corteccia i cui neuroni sono attivi in modo sincrono. Questa
sorgente può essere considerata come un foglio tridimensionale, polarizzato

94
attraverso il suo spessore. Se è abbastanza piccolo, può ancora essere
convenientemente rappresentato come un "dipolo equivalente".
Un'area più ampia di corteccia può essere curva o addirittura contorta, e il
dipolo equivalente diventa quindi una somma complessa di tutti i vettori.
Mentre l'ampiezza del vettore è una funzione della distanza dall'elettrodo di
registrazione (per quanto riguarda i segnali bioelettrici del cervello, l'intensità
del segnale è inversamente proporzionale al quadrato della distanza), la
direzione del vettore rimane sempre la stessa. Se due o più vettori sono orientati
contemporaneamente verso lo stesso elettrodo, possono essere sommati (somma
aritmetica delle loro grandezze). A seconda dell'orientamento del dipolo rispetto
alla superficie corticale, possiamo distinguere:
◦ un dipolo verticale (o radiale) orientato verticalmente alla superficie corticale,
◦ un dipolo orizzontale (o tangenziale) situato in un solco o nella fessura
interemisferica
◦un dipolo obliquo, se le estremità positiva e negativa non sono allineate.
Pertanto, gli elettrodi dello scalpo possono registrare diversi tipi di segnale a
seconda dell'orientamento del dipolo. L'ampiezza del segnale dipende dalla
distanza tra i due elettrodi e cresce all'aumentare della distanza tra gli elettrodi.
Elettrodi a ponte
Un elettrodo a ponte o pad è un elettrodo Ag/AgCl, composto da una placca
distale allargata ricoperta da un batuffolo di cotone, e da un segmento
prossimale, esteso e solitamente filettato, al quale sono fissati i connettori a filo.
L'elettrodo è montato su un ponte di plastica e possono essere fissati vari tipi di
connettori:
◦ tappo a molla (A)
◦ clip a coccodrillo (B)
◦ a prova di tocco (C)
Il vantaggio principale di questi elettrodi è che garantiscono registrazioni
affidabili, con posizionamento flessibile e facilmente regolabile.
Tuttavia, il tampone (impregnato di soluzione salina) tende nel tempo ad
asciugarsi e questo provoca un aumento dell'impedenza. Inoltre, la pressione
sulla testa del paziente (causata dagli elastici del cappuccio) crea nel tempo un
certo fastidio fisico e il montaggio diventa instabile in caso di convulsioni o
mancanza di collaborazione; infine, la giunzione tra elettrodo e connettore può
generare artefatti.
Elettrodi a coppetta

95
Gli elettrodi a coppetta (o elettrodi a disco) sono generalmente composti da una
piastra a disco Ag/AgCl, parzialmente concava nella sua parte interna, con un
piccolo foro nel mezzo. In questo caso la coppa è integrata con il filo che la
collega all'amplificatore e questo cavo può essere saldato direttamente alla
piastra o staccabile (connettore a baionetta). Sono attualmente disponibili sul
mercato elettrodi a coppetta in argento placcato oro o in metallo sinterizzato.
Gli elettrodi a coppa possono essere fissati sulla pelle del paziente applicandoli
direttamente o con l'ausilio di una piccola garza imbevuta di collodio o con una
pasta adesiva specifica.Una volta posizionati tutti gli elettrodi, inserire un gel
conduttivo nel foro al centro della coppetta ed eseguire un controllo
dell'impedenza. Il gel conduttivo può essere inserito anche nel lato concavo del
disco, prima di essere applicato sulla pelle. Questo metodo è costante nel tempo
ed è più resistente ai movimenti del filo e alla trazione; pertanto, è più adatto per
il monitoraggio EEG a lungo termine.
Gli svantaggi includono tempi di preparazione più lunghi, non flessibilità del
montaggio degli elettrodi e l'uso di collodio. La rimozione degli elettrodi
posizionati al collodio può essere eseguita con un batuffolo di cotone imbevuto
di acetone.
Gli elettrodi a contatto possono essere posizionati anche sullo scalpo utilizzando
cappucci precablati. Sono cappucci elastici di un materiale tessile (skullcap) in
cui gli elettrodi sono incorporati in modo permanente. Questi elettrodi sono
generalmente costituiti da dischi d'argento, contenuti in un guscio di plastica
con un foro nel mezzo. Una volta posizionato la cuffia sulla testa del paziente, è
possibile inserire un gel conduttivo attraverso il foro degli elettrodi, per
facilitare il loro contatto con la pelle. Tutti gli elettrodi inseriti nel cappuccio
sono saldamente collegati ai fili, che a loro volta sono collegati ad un unico
cavo, inserito nell'amplificatore tramite il suo connettore. Questo metodo di
preparazione è solitamente più comodo per il paziente e garantisce montaggi
con più elettrodi realizzati in un tempo relativamente breve, con una buona
affidabilità di registrazione, soprattutto in caso di monitoraggio a lungo termine
o convulsioni motorie. Utilizzando questi cappucci, tuttavia, non è possibile
ridurre facilmente le impedenze pelle-elettrodo e il posizionamento degli
elettrodi non può essere modificato in caso di particolari conformazioni
craniche, ferite cutanee o artefatti da polso.Possono verificarsi facilmente anche
artefatti di “scivolamento” lenti e di grandi dimensioni, quando viene inserita
una quantità eccessiva di gel tra la pelle e l'elettrodo.
Elettrodi ad ago

96
Gli elettrodi ad ago sono realizzati in acciaio inossidabile o aghi di
platino-iridio, lunghi circa 1,5–2 cm e di circa 0,3–0,4 mm di diametro, collegati
direttamente ad un filo, che finisce in un connettore per essere poi inserito
nell'amplificatore. Deve essere posizionato per via sottocutanea e obliquamente
rispetto alla superficie (30°), dopo un'adeguata disinfezione della zona cutanea
interessata. Potrebbero essere localizzati nell'area subdurale (ECoG)
Elettrodi bagnati
Pro:
● bassa impedenza con la pelle
● bassi rumori
● no interferenza dei cavi
● buon rapporto segnale rumore
Contro:
● preparazione pelle
● necessità di personale professionale e specifico
● impedenza si deteriora dopo poche ore dall’applicazione del gel
● il gel si asciuga
Elettrodi asciutti
Elettrodi di contatto→ possono essere usati per segnali di lungo periodo ma
fanno male e sono scomodi
Elettrodi capacitivi→ isolano l’elettrodo dalla pelle, ma questo porta ad
un'impedenza maggiore. L’EEG è più suscettibile al rumore.

Pro:
● no gel conduttivo
● no preparazione pelle
● breve tempo di setup
● comfort del soggetto
Contro:
● alta impedenza
● suscettibilità agli artefatti
● suscettibilità ai rumori ambientali suscettibilità ai tipi di pelle
Elettrodi attivi(quelli visti fino ad ora sono passivi)
Pro:
● meno gel conduttivo
● meno artefatti dovuti al movimento dei cavi
Contro:

97
 ● più cavi
Sistemi di posizionamento degli elettrodi
Quando Hans Berger ha registrato il primo EEG umano, aveva a disposizione
solo due elettrodi, posizionati nelle regioni anteriore e posteriore della testa.
Berger ha continuato ad utilizzare questo metodo per molti anni, ritenendolo un
sistema efficiente per misurare l'attività corticale globale. In seguito, altri
ricercatori hanno evidenziato come, in realtà, l'attività EEG variasse in modo
significativo a seconda della zona del scalpo da cui veniva registrata.
L'osservazione dei diversi ritmi cerebrali regionali ha incoraggiato l'uso di più
elettrodi e di più canali di registrazione Ben presto si rese necessaria la
standardizzazione dei metodi di registrazione, in modo che i dati risultanti
potessero essere confrontabili tra loro. Un comitato della Federazione
Internazionale delle Società per l'EEG e la Neurofisiologia Clinica (IFSECN),
guidato da H. Jasper, ha iniziato a lavorare su uno specifico sistema di
posizionamento degli elettrodi da utilizzare in tutti i laboratori. Il primo sistema
standardizzato fu presentato al 2° Congresso Internazionale dell'IFSECN a
Parigi nel 1949 e pubblicato da Jasper nel 1958; è ancora universalmente
utilizzato e conosciuto come International 10-20 System (IS 10-20).
Sistema 10-20
Punti di riferimento anatomici
misure il più possibile proporzionate alla forma del cranio
Posizioni standard
per garantire che coprano ogni parte del cranio
Nomi standard
• Identificazione delle varie posizioni degli elettrodi a seconda dell'area
cerebrale sottostante (frontale, centrale, temporale, parietale e occipitale)
• la comunicazione è più immediata e intuitiva
Il corretto posizionamento degli elettrodi sullo scalpo secondo IS 10-20 si
ottiene tracciando linee immaginarie, partendo da precisi punti di riferimento
anatomici.
Queste linee circonferenziali sono reciprocamente perpendicolari e sono
rappresentate da:

98
◦ linea mediana sagittale anteroposteriore (a)
◦ linea coronale latero-laterale (b)
◦ linea longitudinale laterale sagittale (c)
Linea mediana sagittale anteroposteriore, che collega nasion a inion, attraverso
il vertice.

◦ Nasion è la depressione tra gli occhi, appena sopra il ponte nasale,

all'inserzione dell'osso frontale e delle ossa nasali.
◦ Inion è il punto più alto della linea mediana della protuberanza dell'osso
occipitale.

Lungo questa linea mediana sagittale esistono cinque posizioni standard

chiamate frontopolare (Fpz), frontale (Fz), centrale (Cz), parietale (Pz) e
occipitale (Oz). Le lettere F, C, P e O indicano l'area cerebrale sottostante e la
lettera z sta per zero. Considerando la distanza totale tra nasion e inion in

99
centimetri, i punti Fp e O si trovano al 10% della distanza totale,
rispettivamente, dal nasion e dall'inion. Tutte le altre posizioni sono calcolate al
20% della distanza tra Fp e O (la denominazione 10-20 ha avuto origine proprio
da questo calcolo percentuale). Il posizionamento ideale lungo il cranio
collocherebbe l'elettrodo centrale (Cz) esattamente al centro della linea tra
nasion e inion;

Linea coronale latero-laterale, dal punto preauricolare destro a quello sinistro,

attraverso il vertice. I punti preauricolari sono identificati come depressioni alla
radice dello zigomo, appena anteriormente al canale uditivo. Lungo questa linea
gli elettrodi temporali (T4 a destra e T3 a sinistra) devono essere posizionati al
10% della distanza totale, partendo dal punto preauricolare mentre gli elettrodi
centrali laterali (C4 a destra e C3 a sinistra) devono essere posto al 20% dai
punti temporali (T4 e T3) e dal vertice (Cz).
Partendo da queste due linee (cioè la sagittale anteroposteriore e la coronale
latero-laterale) è poi possibile tracciare altre due coppie di linee longitudinali
circonferenziali in direzione antero-posteriore:

linea longitudinale laterale, da Fp2 a O2, attraverso F8, T4 e T6 a destra;

◦ da Fp1 a O1, attraverso F7, T3 e T5 a sinistra
La numerazione standard del tradizionale sistema 10-20 stabilisce la
disposizione di:
◦ elettrodi di numero pari sul lato destro del cranio
◦ elettrodi dispari sul lato sinistro,

100
identificando con lettere l'area cerebrale sopra la quale sono posizionati:
◦ Fp2, F4, F8, C4, P4, T4, T6 e O2 per l'emisfero destro
◦ Fp1, F3, F7, C3, P3, T3, T5 e O1 per l'emisfero sinistro.
Questo sistema di misurazione identifica 21 posizioni di elettrodi standard,
inclusi elettrodi sulla linea mediale (Fz, Cz e Pz) e due elettrodi auricolari di
riferimento (A2 e A1).
Estensione del sistema 10-20
Il sistema 10-10 consente l’identificazione di 75 posizioni sullo scalpo. Nel
sistema 10-10 gli elettrodi T3/T4 sono denominati T7/T8 e gli elettrodi T5/T6
sono denominati P7/P8.
L'estensione 10-5 proposta definisce la posizione e la nomenclatura di 345
posizioni sulla testa e può ospitare una distribuzione omogenea di un
sottoinsieme contenente, ad esempio, 128 o 256 elettrodi.
EEG ad alta densità
Gli elettrodi per EEG ad alta densità vengono applicati utilizzando reti o
cappucci espandibili con elettrodi incorporati e la loro localizzazione è
determinata dalla digitalizzazione nello spazio tridimensionale.
Derivazioni e montaggi degli elettrodi
I segnali elettrici del cervello vengono visualizzati sul monitor a seconda di
come gli elettrodi sono collegati agli amplificatori. Ciascun amplificatore
dispone di due ingressi per elettrodi (1 e 2) e la misurazione del potenziale
rappresenta la differenza di potenziale tra questi due punti. Dal punto di vista
elettrico, uno di questi punti è detto “comune” o “massa” e il suo potenziale
è considerato nullo: purtroppo i punti di massa generano potenziali e non
corrispondono ad uno zero reale. Questo può essere superato collegando due
amplificatori insieme al punto di massa e confrontando la differenza di
potenziale tra i loro ingressi attivi. Quindi, se due ingressi dell'amplificatore (1 e
2) hanno la stessa polarità e tensione, l'uscita sarà zero mentre, quando questi
potenziali sono diversi, il valore di uscita registrato sarà proporzionale alla
differenza tra i due valori di ingresso.
Riferimento comune

101
Con questo metodo di registrazione, ogni elettrodo posizionato sullo scalpo
viene indicato come un elettrodo comune, posizionato in un punto x, sullo
scalpo o altrove. L'elettrodo di riferimento comune dovrebbe essere il più neutro
possibile dal punto di vista elettrico (non contaminato da potenziale elettrico
cerebrale né da altri segnali elettrici biologici), cosa davvero rara. Il principale
inconveniente prodotto dal riferimento comune attivo è la contaminazione del
riferimento: quando l'elettrodo di riferimento viene posizionato vicino a un
potenziale di picco massimo, tutti gli elettrodi corrispondenti saranno soggetti a
una variazione di tensione; tutti gli elettrodi equipotenziali al riferimento
verranno livellati, mentre quello meno interessato dal riferimento mostrerà una
pseudo-positività.
Tutti i problemi fin qui analizzati potrebbero essere superati scegliendo un
elettrodo di riferimento inattivo accettabile, posto in zone non cefaliche,
denominato riferimento fisico (riferimento collo-torace).
Gli elettrodi auricolari o nucali possono essere scelti anche come riferimento,
ma non possono essere considerati del tutto “inattivi”. D'altra parte, quando si
utilizza un riferimento non cranico, si corre il rischio di registrare molti artefatti:
quando sono in fase in tutti i canali, non c'è problema per l'interpretazione, ma
quando ciò non si verifica, l'EEG i tracciati possono essere completamente
oscurati. I movimenti oculari verticali producono differenze di potenziale
elevate tra gli elettrodi dello scalpo e il riferimento nasale o mentale. Altrettanto
importanti sono le interferenze prodotte dai muscoli e dall'ECG. Gli attuali
sistemi EEG digitali riferiscono sempre il segnale bioelettrico cerebrale ad un
comune elettrodo di riferimento, che tipicamente ha un ingresso nella headbox
del paziente denominata G2 e che può essere posizionato sullo scalpo o altrove
(di solito, è posizionato medialmente sullo scalpo, anteriormente al Fz o tra Fz e
Cz). L'elettrodo comune G2 è il punto comune riferito al quale vengono misurati
tutti i potenziali dei singoli elettrodi.
Riferimento medio comune

102
Molti dei problemi incontrati con l'uso del riferimento comune possono essere
superati dal riferimento medio (AVG), un riferimento matematico, introdotto in
elettroencefalografia da Goldman e Offner nel 1950. In questo caso i potenziali
dei singoli elettrodi sono riferiti ad un valore medio istantaneo ottenuto
sommando i potenziali di tutti gli elettrodi applicati. Maggiore è il numero di
elettrodi, più vicino allo zero sarà il potenziale medio di riferimento.
Riferimento bipolare
Nelle derivazioni bipolari, la differenza di potenziale viene calcolata tra coppie
di elettrodi, disposte lungo catene (longitudinali o trasversali) in cui un elettrodo
è condiviso con due canali successivi. In questo modo, un evento localizzato al
di sotto di un elettrodo specifico genera una deflessione con la stessa tensione,
ma polarità opposta, nei due punti adiacenti della catena dell'elettrodo.
Montaggi
Un montaggio è il metodo specifico di collegamento dell'elettrodo al canale di
registrazione dell'elettroencefalogramma. Con 21 posizioni degli elettrodi nel
sistema 10-20 e 16 canali sul display, il numero di montaggi possibili è 21.
Il sistema 10-10, con più di 70 posizioni degli elettrodi, consente la creazione di
un numero ancora maggiore di montaggi e le moderne macchine EEG digitali
consentono la visualizzazione fino a 256 canali.
Introduzione analisi
Il processo di analisi del segnale EEG consiste nell'ottenere valori che possano
evidenziare una particolare proprietà del segnale stesso, caratterizzandolo.
Qualsiasi valore ottenuto deve inoltre essere visualizzato correttamente
attraverso un'accurata tecnica di disegno al fine di rendere il valore utile e
chiaramente leggibile all'utente.
Analisi del segnale EEG nel dominio della frequenza
L'analisi spettrale si basa sulla trasformazione del segnale EEG dal dominio del
tempo (una serie di campioni nel tempo) al dominio della frequenza (una serie
di campioni per ciascuna frequenza). Il maggior vantaggio di questa operazione
è la condensazione in pochi valori delle informazioni contenute in alcuni
secondi ad alcune ore. Il principio di base è che qualsiasi segnale può essere
ottenuto come somma di componenti sinusoidali, con diverse ampiezze e fasi.
La visualizzazione del segnale come spettro è un grafico che mostra, per ogni
componente puro nel dominio della frequenza, la potenza del segnale a quella
frequenza ed è chiamata densità spettrale di potenza (PSD).

103
Questo grafico dovrebbe essere rappresentato come un grafico a barre, ma, in
realtà, è sempre disegnato come un grafico continuo dove l'asse X è la
frequenza (misurata in Hz o ciclo/s) e l'asse Y è la densità di potenza di ogni
quanto di frequenza. L'analisi spettrale consiste nel tagliare il segnale EEG in
epoche di 2 s(lì il segnale è stazionario) e poi trasformare, secondo la tecnica di
Fourier, ogni epoca per ottenere il PSD.
Infine, viene eseguita una media di tutto lo spettro e il risultato viene
visualizzato sotto forma di grafico.
Al fine di migliorare le prestazioni dell'analisi spettrale, vengono spesso
utilizzate diverse tecniche, quali:
1. sovrapposizione ( overlapping)
2. discendente (detrending)
3. rastremazione(tapering o finestratura)
● La sovrapposizione consiste nell'eseguire l'analisi su epoche sovrapposte,
ovvero analizzare epoche fisse di 2 s, a partire da ogni secondo.
● Il detrend consiste nel rimuovere componenti o pendenze continue da
ogni epoca.Tecnicamente questo significa rimuovere dal segnale EEG la
“linea” che meglio approssima l'evoluzione del segnale nell'epoca data.
● Il tapering, o windowing del segnale, ha lo scopo di ridurre il fenomeno
di dispersione spettrale che, diffondendo la potenza di un segnale nello
spettro, tende a nascondere importanti componenti del segnale che
potrebbero avere una potenza più debole. Il miglioramento ottenuto con
questa tecnica è importante soprattutto in quei casi in cui un segnale
dominante di elevata potenza (es. onde EEG lente) potrebbe
“mascherare” altre componenti significative (es. ritmo alfa).
Tecnicamente questa operazione consiste nel moltiplicare qualsiasi epoca
di segnale per una data funzione che di solito è uguale a 0 agli estremi
dell'epoca.
Parametri EEG nel dominio della frequenza

104
Una volta eseguita l'analisi spettrale standard su un segnale EEG,
opportunamente suddiviso in epoche e condizionato con le tecniche descritte nel
paragrafo precedente, si ottiene lo spettro medio del segnale EEG analizzato.
Questo spettro viene quindi suddiviso in parti che normalmente vengono
utilizzate per la descrizione del ritmo EEG, che sono delta, theta, alfa e beta.

La suddivisione dello spettro in questo modo consente il calcolo di diversi altri

dati che potrebbero riassumere caratteristiche interessanti del segnale EEG che
quantificano qualcosa che normalmente viene determinato con l'ispezione
visiva, come il seguente:
1. Potenza assoluta
2. Potenza relativa
3. PPF Frequenza di picco di potenza
4. MF Frequenza media
5. SEF Frequenza del bordo spettrale
6. MDF frequenza dominante principale
Potenza assoluta nelle diverse bande
Questi valori sono calcolati come l'area sottostante lo spettro del segnale
nell'intervallo di frequenza che definisce ciascuna banda. La loro unità di misura
è μV2. Calcoliamo banda per banda l’area sottesa alla curva.
Potenza relativa nelle diverse bande
Questi valori sono calcolati come rapporto tra la potenza assoluta in una banda e
la potenza totale (ovvero la somma delle potenze in tutte le bande). Come
rapporto tra due valori omologhi, il risultato è adimensionale ed è normalmente
espresso in percentuale.
PPF si riferisce alla frequenza in cui lo spettro ha il suo picco. Questo calcolo
potrebbe essere limitato all'intervallo di frequenza definito da ciascuna banda.
L'unità di misura è quella della frequenza, cioè Hz o ciclo/s.
MF è la frequenza che divide lo spettro in due regioni, ciascuna sottostante al
50% della potenza totale. L'unità di misura è quella della frequenza, ovvero Hz
o ciclo/s.

105
SEF è definito come “dimensione” dello spettro. Può essere ottenuto con
diverse tecniche, e molto spesso è definito come l'intervallo dello spettro che
sottolinea il 95% della potenza totale. L'unità di misura è quella della frequenza,
cioè Hz o ciclo/s.
MDF è la frequenza dominante dello spettro, definita come media delle
frequenze pesate dalla potenza ad ogni frequenza. L'unità di misura è quella
della frequenza, cioè Hz o ciclo/s.
Tutti questi parametri possono essere utilizzati da soli o in combinazione tra
loro per definire nuove variabili, spesso chiamate indici.
Un esempio comune in letteratura è il quoziente theta/alfa che viene calcolato
come rapporto tra la potenza assoluta in banda theta e la potenza assoluta in
banda alfa dello stesso segnale.
Tali indici, essendo spesso il rapporto tra entità omologhe, presentano alcuni
vantaggi:
◦ Possono rappresentare caratteristiche molto complesse del segnale in modo
molto conciso.
◦ Sono in genere meno sensibili agli artefatti, almeno a quelli che contaminano
in modo analogo gli elettrodi.
◦ Sono generalmente meno sensibili a grandi differenze nella potenza assoluta
del segnale di diversi soggetti, caratteristiche che condividono con la potenza
relativa.
Parametri EEG nel dominio del tempo
Esistono diversi parametri EEG nel dominio del tempo, prenderemo in
considerazione solo quei parametri che sono spesso utilizzati e citati in
letteratura:
1. Passaggio a zero
2. Rapporto di soppressione
Passaggio per lo zero (zero crossing)
è definito come il numero di volte in cui il segnale EEG attraversa la linea di
base.Purtroppo, questo parametro non sempre rappresenta ciò che è indicato in
EEG come il ritmo del segnale. Molto spesso il ritmo di interesse è incorporato
in onde lente che rendere falso il calcolo.
Rapporto di soppressione (brust suppretion ratio)
Questo è un parametro che quantifica il grado di soppressione di un segnale
EEG. Si calcola, su un'epoca di durata fissa, come il rapporto tra il tempo in cui
il segnale rimane stabile al di sotto di una data soglia, ovvero ±5 μV e la durata
dell'epoca stessa. Per considerare soppresso un segnale EEG, il segnale non

106
deve superare la soglia per almeno 400–500 ms. Se all'interno di un'epoca ci
fossero più intervalli di soppressione, dovrebbero essere aggiunti. Questo
parametro imposta, in pratica, quale percentuale dell'epoca è occupata da un
segnale soppresso. Se il cervello deve fare qualcosa i neuroni si desincronizzano
Tecnica di visualizzazione dei dati
Quando si sceglie la tecnica di visualizzazione, ci si dovrebbe concentrare su
quale vanno evidenziate le caratteristiche:
1. Evoluzione dei dati nel tempo
2. Distribuzione spaziale dei dati
Visualizzazione dell'evoluzione dei dati nel tempo
Tutte le tecniche di visualizzazione dell'evoluzione dei dati nel tempo
condividono la stessa caratteristica: un asse temporale lungo il quale sono
disegnate tutte le informazioni. In ordine di complessità, alcune delle tecniche
possibili sono:
1. Istogrammi e tendenze (trend) 2D
2. Array spettrale compresso 3D
3. Array spettrale di densità 3D
ISTOGRAMMI E TENDENZE
Queste sono le tecniche più semplici, spesso le più efficaci, per visualizzare
l'evoluzione temporale di un parametro, con lo svantaggio di non consentire la
visualizzazione di molte variabili sullo stesso grafico per evitare di
comprometterne la leggibilità. La visualizzazione consiste in un grafico
cartesiano con su un asse il tempo più o meno compresso, sull'altro il parametro
da visualizzare. Questo grafico può visualizzare qualsiasi tipo di parametro,
calcolato sia nel dominio del tempo che in quello della frequenza.

ARRAY SPETTRALE COMPRESSO

107
Questo è un tipo di display spesso utilizzato in passato per visualizzare l'analisi
spettrale. È stato utilizzato per la prima volta nel 1971 per i vantaggi che offre
per la visualizzazione dello spettro di potenza nel tempo. Consiste in una
visualizzazione verticale successiva dello spettro di potenza ottenuto nel
tempo.L'asse X mostra la frequenza, l'asse Y mostra la potenza e il passo tra
ogni spettro è il tempo tra ogni intervallo in modo che l'asse Z mostri il tempo.
Questo tipo di visualizzazione è utile e può mostrare facilmente la variazione
nel tempo del ritmo di sottofondo.
ARRAY SPETTRALE DENSITÀ

Questa è un'altra tecnica per visualizzare l'evoluzione temporale dell'analisi

spettrale che utilizza una scala cromatica per visualizzare la potenza di ogni
quanto di frequenza dello spettro. Ciò significa che ogni spettro di potenza è
rappresentato da una striscia colorata (o striscia in scala di grigi) dove l'asse Y
rappresenta la frequenza del punto; il colore del punto rappresenta la potenza
dello spettro di frequenza a quella frequenza. La successione di tali strisce
rappresenta l'evoluzione temporale degli spettri.
Visualizzazione della distribuzione spaziale dei dati
Il Brain Mapping è una tecnica che mira a visualizzare la distribuzione spaziale
sullo scalpo di un'attività che viene misurata solo su alcuni punti dello scalpo
stesso.
Una volta che tale distribuzione è calcolata dai valori in questi punti, può essere
visualizzata ottenendo le cosiddette mappe. Il calcolo effettuato per ottenere tale
mappatura è un'interpolazione dell'attività che viene effettivamente misurata
sullo scalpo e, a seconda del tipo di attività, si possono ottenere i seguenti
risultati:

108
 ● Mappe di ampiezza: è una visualizzazione della distribuzione sullo scalpo
dell'ampiezza del segnale EEG misurato in un dato momento, cioè per un
segnale digitale, ad un dato campione.
● Mappe di frequenza: è una visualizzazione della distribuzione sullo
scalpo della potenza media in una data banda di frequenza del segnale
EEG calcolato in uno o più intervalli di tempo selezionati su cui viene
eseguita l'analisi spettrale.
Modelli di scalpi
Come visto nei paragrafi precedenti, per ottenere una corretta mappatura del
cervello è necessario definire un modello di scalpo corretto. Una volta definito il
modello di scalpo, le posizioni degli elettrodi devono essere misurate (o
definite) utilizzando lo stesso sistema di coordinate del modello.
I modelli di scalpo possono essere suddivisi in tre categorie:
1. Modelli planari
2. Modelli sperimentali tridimensionali
3. Modelli tridimensionali realistici
MODELLI PLANARI
si tratta di modelli definiti su una superficie piana dove i contorni possono
essere una circonferenza o un contorno simile a quello di una testa o di un
cervello (in quest'ultimo caso abbastanza spesso, anche la circonvoluzione
cerebrale è disegnata sul piano). Questi modelli, data la loro semplicità, sono
stati e sono tuttora molto utilizzati. Il sistema di coordinate è cartesiano, il che
significa che la posizione di ciascun elettrodo è specificata da una coppia di
numeri (x, y). Il valore di tali coordinate si ottiene come proiezione sul piano
assiale delle posizioni degli elettrodi misurate (o supposte).
MODELLI SFERICI TRIDIMENSIONALI
si tratta di modelli più raffinati in quanto approssimano il scalpo con una
semisfera su cui vengono posizionati gli elettrodi. Questi modelli sono stati
spesso utilizzati nella ricerca e la loro efficacia si è dimostrata migliore dei
modelli planari. Il sistema di coordinate, in questo caso, potrebbe essere
specificato da tre coordinate (x, y, z), ma molto spesso, per semplicità, si
assume la sfera con raggio unitario in modo che per ogni elettrodo si
specifichino solo due coordinate , chiamati latitudine e longitudine.
Normalmente la latitudine si calcola con 0 in Cz, la longitudine con 0 in T8
MODELLI TRIDIMENSIONALI REALISTICI
si tratta di modelli che cercano di ridurre al minimo l'approssimazione
elaborando la risonanza magnetica del paziente per ottenere un modello della

109
superficie del scalpo. Per fare ciò è necessario un software dedicato che legga i
dati della risonanza magnetica, che vengono poi elaborati per ottenere un
modello tridimensionale della testa fatto di voxel e quindi creare il modello
disegnando, ad esempio, triangoli che combaciano perfettamente con lo scalpo
superficie. Il sistema di coordinate, nel caso di modelli realistici, deve essere
cartesiano, definito da tre coordinate (x, y, z). Tali coordinate devono essere
misurate con precisione con strumenti dedicati che misurano l'esatta posizione
di un punto nello spazio, in tutte e tre le dimensioni, e utilizzano facili marker
come riferimento per l'asse.
Artefatti del movimento oculare
I movimenti oculari vengono registrati principalmente dagli elettrodi frontali,
sebbene possano essere estesi anche ad altre regioni. L'intensità dell'interferenza
dipende dalla vicinanza degli elettrodi agli occhi e dalla direzione in cui si sta
muovendo l'occhio. I movimenti oculari possono essere laterali, verticali,
obliqui o rotazionali. Possono anche essere coniugati o disconiugati. I principali
movimenti verticali sono il battito delle palpebre e l'apertura degli occhi, mentre
i principali laterali che possono mostrare anche caratteristiche oblique e
rotazionali sono:
◦ Movimenti oculari saccadici: movimenti oculari rapidi necessari per portare
gli oggetti di interesse sulla fovea (possono essere volontari o riflessi).
◦ Movimenti oculari di inseguimento fluidi: consentono agli occhi di seguire da
vicino un oggetto in movimento.
◦ Il nistagmo è un movimento oculare rapido, ritmico, ripetitivo e involontario
che può essere orizzontale, verticale o rotazionale.
Il segnale EEG è prodotto dal bulbo oculare che agisce come un dipolo, con il
polo positivo orientato anteriormente (cornea) e il polo negativo orientato
posteriormente (retina), che genera un campo di corrente alternata di grande
ampiezza, rilevabile da uno qualsiasi degli elettrodi vicini gli occhi.
Se non ci sono movimenti oculari, il potenziale di riposo corneo-retinico,
essendo stabile, non può essere registrato su derivazioni EEG con normali
amplificatori. Durante i movimenti oculari e/o palpebrali, il dipolo cambia
rapidamente direzione e, quindi, il relativo campo elettrico è registrabile sulle
derivazioni frontotemporali sotto forma di potenziali ad alto voltaggio.
Sbattere le palpebre
Il battito delle palpebre è il movimento verticale più tipico osservato sull'EEG,
utile per identificare il normale stato di veglia, soprattutto durante
l'EEG-ambulatorio e la polisonnografia. Quando gli individui chiudono gli

110
occhi, i globi oculari deviano verso l'alto (fenomeno di Bell) e la carica positiva
della cornea viene registrata dagli elettrodi dello scalpo.
Movimenti oculari laterali
I movimenti oculari laterali coinvolgono principalmente gli elettrodi temporali
anteriori, F7 e F8, che sono i più posizionati per percepire la positività della
cornea, poiché il globo oculare si sposta da un lato all'altro sul piano
orizzontale. Quando si spostano gli occhi verso destra, la cornea elettropositiva
si avvicina all'elettrodo F8, caricandolo positivamente, mentre la retina
elettronegativa si avvicina all'elettrodo F7, caricandolo negativamente. Quando
si sposta l'occhio verso sinistra, la cornea elettropositiva si avvicina all'elettrodo
F7,caricandolo positivamente, mentre la retina elettronegativa si avvicina
all'elettrodo F8, caricandolo negativamente.
Nistagmo
Il nistagmo consiste in oscillazioni oculari ripetitive e involontarie, con una
lenta deviazione dei bulbi oculari verso un lato e con un movimento rapido nella
direzione opposta. Nella maggior parte dei casi il nistagmo, se non molto ampio,
non provoca una variazione del dipolo corneo-retinico interferendo con il
segnale EEG. Tuttavia, è possibile che generi un'attività artefatta facilmente
scambiabile per potenziali di banda theta o per artefatti causati da un'elevata
impedenza interelettrodica.
Artefatti muscolari
La comparsa di attività bioelettrica muscolare ad alta frequenza, sovrapposta ai
tracciati EEG, è molto comune, soprattutto nelle aree frontotemporali (a causa
della contrazione dei muscoli temporali), nelle aree frontali (a causa della
contrazione dei muscoli facciali) e nelle aree tempo-occipitali (contrazione dei
muscoli del collo).
Gli artefatti muscolari si manifestano solitamente con esplosioni di potenziali ad
alta frequenza, possono avere morfologie diverse senza una forma ripetitiva o
stereotipata. Per evitare l'attività muscolare, il paziente deve essere rilassato, con
la bocca leggermente aperta per decontrarre la mandibola ei muscoli temporali;
una posizione adeguata della testa del paziente consente loro di rilassare i
muscoli del collo.
Artefatto Glossocinetico
La lingua, come il bulbo oculare, ha un dipolo netto e i suoi movimenti generare
l'artefatto glossocinetico. La forma di questo artefatto può mostrare sia onde
lente che componenti appuntite e il suo campo può estendersi su tutto lo scalpo.
Artefatto dell'elettrocardiogramma

111
Il campo elettrico generato dall'attività cardiaca può essere rilevato attraverso la
conduzione del volume dal cuore agli elettrodi dello scalpo. Poiché il campo
elettrico cardiaco è equipotenziale allo scalpo, spesso non è rilevabile con
derivazioni bipolari, mentre è chiaramente riconoscibile come uno spike di
ampiezza medio-bassa, sincrono con il complesso QRS, utilizzando derivazioni
di riferimento comuni inattive. L'artefatto ECG è difficile da eliminare; al
paziente potrebbe essere chiesto di cambiare posizione oppure il tecnico prova a
spostare leggermente gli elettrodi più contaminati, ma l'opzione migliore è
comunque quella di documentare l'artefatto aggiungendo un canale ECG.
Artefatto "Ponte di sale" interelettrodico
Questo artefatto si presenta come un appiattimento della traccia nelle
derivazioni bipolari, in cui alcuni canali hanno uno o più elettrodi in comune.
Il forte aumento di conduzione sulla zona cutanea tra due elettrodi tra loro
riferiti, causato dalla presenza di materiale conduttivo in eccesso (gel, acqua,
ecc.), riduce a zero - o a valori molto prossimi allo zero - la differenza di
potenziale elettrico tra gli elettrodi stessi. Per eliminare questo artefatto è
necessario pulire e asciugare la pelle sotto gli elettrodi. Lo stesso fenomeno
(appiattimento anomalo della traccia) può verificarsi quando due elettrodi,
accoppiati in derivazione bipolare, sono posti troppo vicini tra loro.
Artefatto alta impedenza elettrodo cute
Quando è presente un'impedenza eccessivamente elevata tra la pelle e l'elettrodo
( per eccesso sebaceo (più frequente nei soggetti glabri), interposizione di
capelli, eccesso di sostanze conduttive, ecc.) si possono verificare artefatti di
vario genere, variabili dall'aspetto di corrente alternata a grafoelementi lenti e/o
taglienti di grande ampiezza. Il “pop” dell'elettrodo è il caratteristico artefatto
che si verifica in conseguenza di un brusco cambiamento di impedenza,
derivante da un leggero movimento dell'elettrodo dovuto all'essiccazione del gel
o della pasta dell'elettrodo, una cattiva connessione dell'elettrodo al filo. Gli
elettrodi responsabili dell'artefatto devono essere sostituiti e riposizionati
controllando nuovamente l'impedenza pelle-elettrodo.
Artefatto a corrente alternata
L'interferenza elettrica alternata dall'alimentazione principale è sicuramente la
più comune fonte di artefatto strumentale. Questo artefatto è rappresentato da
un'attività rapida continua (a 50 Hz in Europa ea 60 Hz negli Stati Uniti e in
alcuni altri paesi) di ampiezza variabile. Consiste in un segnale elettromagnetico
generato da cavi elettrici o apparecchiature collegate alla rete elettrica (anche se

112
non in funzione), che si sovrappone al segnale cerebrale registrato, rendendolo
spesso non valutabile.
Le soluzioni per eliminare questi artefatti sono: abbassando il più possibile
l'impedenza pelle-elettrodo, scollegando dall'alimentazione tutte le
apparecchiature non essenziali; usando il filtro notch.
Artefatto telefonico
Quando l'artefatto è dovuto allo squillo di un telefono fisso, posizionato nella
stanza dove viene registrato l'EEG, compare sul tracciato come sequenze di
ritmi rapidi, presenti su uno o più canali. In questo caso viene catturato il
segnale elettromagnetico generato dal dispositivo e dal circuito oscillante che
sta alla base della suoneria telefonica. Anche i telefoni cellulari possono causare
artefatti, che di solito si verificano sotto forma di scariche diffuse di
grafoelementi nettamente contrastati.
Frequenze EEG
L'ampio spettro di frequenze EEG sono raggruppate in bande e storicamente
denominate utilizzando le lettere greche. L'attività EEG registrata al scalpo con
strumenti EEG di routine di solito esclude le frequenze inferiori a 0,5–0,3 Hz e
normalmente non superano i 40 Hz.
Le classiche bande di frequenza dell'EEG sono definite come segue:
● Delta (δ): da 0,1 a 4 Hz
● Theta (θ): da 4 a 8 Hz
● Alfa (α): da 8 a 13 Hz
● Beta (β): da 13 a 30 Hz
● Gamma (γ): da 30 a 40 Hz
Banda Delta
La banda delta è stata descritta per la prima volta come marker EEG per i
tumori cerebrali e include le frequenze EEG più lente (<4 Hz); queste possono
essere spesso confuse all'ispezione visiva con oscillazioni artefatte e quindi
impropriamente “tagliate” dai tecnici con filtri passa-alto. L'analisi visiva
dell'EEG fisiologico dell'adulto sveglio non è sempre in grado di evidenziare la
quantità effettiva della componente delta che è mascherata dalle altre frequenze,
o rappresenta artefatti elettrici. L'analisi quantitativa in frequenza dei tracciati
EEG mostra solitamente, anche negli adulti, la presenza di un'apprezzabile
quantità di potenza delta.
Banda Theta
Nei soggetti adulti normali la banda theta è poco rappresentata ma la sua
incidenza è variabile, dipendente dall'età, dalle caratteristiche individuali, dal

113
livello di vigilanza, ecc. La comparsa dell'attività theta anteriore negli adulti può
essere facilitata da particolari stati emotivi o processi mentali di problem
solving. Inoltre, quando si osserva una graduale scomparsa del ritmo alfa
sostituito dall'attività theta in un tracciato EEG di un adulto sveglio, significa
che il soggetto è assonnato.
Banda Alfa
La banda alfa (da 8,0 a 13 Hz) è adatta per un tracciato EEG registrato negli
adulti durante la veglia tranquilla con gli occhi chiusi. Il termine alfa è stato
introdotto da Berger nel 1929 e questa banda di frequenza è caratteristica del
ritmo alfa fisiologico.
Banda Beta
Un'attività beta di bassa ampiezza (<30 μV) è normalmente registrata sulle
regioni fronto- centro-temporali nell'EEG sveglio di adulti normali. Talvolta è
più apprezzabile ad occhi aperti o attività mentale perché, ad occhi chiusi, è
mascherato dall'ampiezza e sincronizzazione molto più elevate del ritmo alfa.
L'attività beta è legata a processi mentali e cognitivi di vario tipo, ansia e stato
di allerta; è anche indotto o aumentato da sonnolenza e sonno leggero.
Banda Gamma
Le frequenze al di sopra della banda beta sono tradizionalmente definite banda
gamma (γ, 30–80 Hz). Sono state proposte le seguenti designazioni per il
attività ultraveloce: banda omega (ω,80–120 Hz), banda rho (ρ, 120–500 Hz) e
banda sigma (σ,500–1000 Hz).

114