Analisis de señales bioelectricas

Análisis de señales bioeléctricas.

Clara Rocío Rodríguez Hurtado

e-mail: u5600154@unimilitar.edu.co

Roxsana Zapata Herrera

e-mail: u5600163@unimilitar.edu.co

Laura Yulieth Campos Cristancho

e-mail: u5600169@unimilitar.edu.co

RESUMEN: En el presente laboratorio se llevó a cabo la práctica titulada análisis de señales bioeléctricas el cual consistió en la obtención de un impulso al cual se le añadió ruido en diversos decibeles, posteriormente se realizó la convolución de un vector escogido con la señal con ruido, se le sacaron las respectivas medidas estadísticas para comparar las señales como lo es la autocorrelación que permite detectar señales enmascaradas por el ruido, también valores estadísticos como la media, moda, mediana entre otros, lo anterior se logró mediante la utilización del software Matlab, esto con el fin de relacionar la señal de entrada con la señal de salida con la convolución ya que es una operación matemática que combina dos señales para producir una tercera señal.

PALABRAS CLAVE: Análisis de señales, ruido, impulso, convolución, autocorrelación.

1. Introducción

En el cuerpo humano se producen una gran cantidad de señales eléctricas las cuales son provocadas para mantener una diferencia de potencial entre el interior y el exterior de la célula. En este caso la señal que se va a utilizar es una señal simulada de onda de pulso cuadrado continúa con una frecuencia de 300Hz. Estás señal se adquirió por medio de Matlab posteriormente se mostrará cuál fue la función que se utilizó para generarla.

También se debe tener claro el concepto de convoluciones, la convolución es una operación matemática que combina dos señales para producir una tercera señal. En el campo de las señales digitales es bastante importante, ya que a partir de la señal de entrada y la respuesta del impulso se puede obtener la salida. [2]

Otro concepto importante para el presente laboratorio es la autocorrelación o dependencia secuencial es una herramienta estadística la cual es utilizada para el procesamiento de señales y está definida como la correlación cruzada de la señal consigo misma y se utiliza para encontrar patrones repetitivos dentro de una señal o para identificar la frecuencia fundamental que no la contiene, pero tiene diferentes frecuencias armónicas.

Como Ingenieros Biomédicos es de gran importancia tener claras las características normales de las señales bioeléctricas ya que por medio de estas características se pueden identificar las señales y pueden ser útiles como método alternativo para realizar calibraciones. A parte de esto también se debe conocer los diferentes procesamientos que se le realizan a las señales.

1. Materiales y método

En el presente laboratorio se requirió el software Matlab para poder crear, modificar y procesar una onda de pulso cuadrada de 300 Hz de frecuencia para poder analizarla. De esto modo, en la primera parte se hizo la creación de la señal, en la segunda parte se le sumaron 5 niveles diferentes de ruido a la señal, en la tercera parte se hizo la autocorrelación de la señal, en la cuarta parte se convoluciona la señal de pulso cuadrada con un vector, en la quinta parte se hallaron las medidas estadísticas y en la sexta parte se respondieron algunas preguntas que se nombran más adelante.

A continuación, en la Figura 1 se puede observar el diagrama de flujo que se llevó a cabo en el laboratorio:

[pic 2]

Figura 1. Diagrama de flujo (Elaboración propia)

2.1 Generación de la onda de pulso

En la primera parte del laboratorio se procedió a crear una onda de pulso cuadrada continua que tiene una frecuencia de 300Hz. Esto se hizo utilizando la siguiente función de Matlab:

yp = pulstran(t,D,@rectpuls,w);

Donde t es del vector de tiempo, w es el ancho de pulso y D es el tiempo de espera entre pulso y pulso.  

2.2 Sumatoria de ruido en la señal de pulso

En la segunda parte del laboratorio se sumó ruido aleatorio a la señal de pulso, del cual es controlado por el usuario.

Para que el usuario pudiera ingresar el valor del ruido que se desea introducir en dB se implementó el siguiente código:

ruido1=input('Ingrese el primer valor del ruido en db: ');

Para poder sumarle ruido a la señal de onda de pulso cuadrada se utilizó la siguiente función:

ypr1=awgn(yp,r1);

Para finalizar, con el fin de determinar la relación señal a ruido de las nuevas señales con ruido se implementó la siguiente función:

snr1=snr(ypr1,yp);

2.3 Autocorrelación de la señal

En la tercera parte del laboratorio calculó la secuencia de autocorrelación de la señal. Para poder determinarla se utilizó la siguiente función de Matlab:

autocorr(ypr1);

2.4 Convolución de la señal con un vector

    (1)[pic 3]

En la cuarta parte del laboratorio se realizó la convolución de cada señal de pulso de onda cuadrada con ruido con el siguiente vector otorgado por el docente:

N=10;

vector=[ones(1,N/2) 0.5*ones(1,N/2)];

Para poder realizar la convolución se implementó la siguiente función:

w1 = conv(vector,ypr1);

2.5 Medidas estadísticas

En la quinta parte del laboratorio se procedió a determinar cada una de las métricas estadísticas de cada una de las señales con ruido, las cuales son la media, el valor máximo, el valor mínimo, la mediana, la moda, la varianza y la desviación estándar.

A continuación, se explicar un poco cuales son estas medidas estadísticas que significan y cuál es la fórmula que se utiliza para obtener este resultado manualmente.

El valor cuadrático medio mide tanto la parte AC como DC, si una señal no tiene una componente DC, su valor rms es igual a la desviación estándar. La ecuación para hallar el valor rms manualmente se encuentra descrito por la Ecuación 2.

...