PROCESAMIENTO DE BIOSEÑALES

PRIMER EXAMEN PARCIAL

Autor:
Alejandro Ceballos Vega 272705

6to. Semestre.
Ingeniería Biomédica.
Grupo 41.

Asesor / Profesor:
Dr. Juan Pablo Amezquita Sánchez
1. Filtrar la señal llamada señalnueva_1 con el filtro IIR Butter y con filtro FIR con
ventana Hamming con el fin de separar sus componentes frecuenciales del ruido
contenido en la señal. Al final reconstruir la señal con las señales filtradas. La
frecuencia de muestreo de la señal es de100 Hz.

Fig. 1. Código Filtro Butter

En la Fig. 1 se anexa el código que se usa para filtrar la señal con el filtro Butter,
solo se muestra el filtro de las dos primeras frecuencias ya que el tercero es igual
solo que con diferentes frecuencias de corte, usamos un orden bajo de 3 ya que al
ser filtro IIR no requiere de ordenes muy altos.

Fig. 2. Código Filtro Hamming.

En la Fig. 2 observamos el código usado para emplear y definir el filtro, en este caso
un filtro FIR por lo que el orden empleado esta vez fue un orden 512 que nos ayuda
a tener una mayor estabilidad, pero a su vez una mayor carga computacional. Se
tienen las 3 frecuencias de corte en un filtro pasa bandas y se usan 3 diferentes Wn
para cada frecuencia de corte.
En la Fig. 3 vemos la continuación del filtrado de la señal por el filtro FIR Hamming
utilizando lo que llamamos ventanas espectrales, de la misma manera está dividido
en 3 para cada una de las frecuencias de corte.

Página 2|9
 Fig. 3. Código Filtro Hamming-2.

a) ¿De qué valor son las frecuencias contenidas en la señal? y describir

detalladamente su comportamiento.
Las frecuencias contenidas en la señal son de valores de 5 Hz, 15 Hz y 30 Hz
respectivamente. La frecuencia de 5 Hz presenta un comportamiento más uniforme
y no varía en grandes cantidades su amplitud por lo que podríamos decir que esta
frecuencia es estacionaria, a diferencia de la de 5 Hz podemos notar que las de 15
y 30 Hz tienen un cambio brusco en las amplitudes por lo que podríamos decir que
son frecuencias no estacionarias.

b) Justificar el tipo de filtro (por ejemplo, pasa bajas, pasa altas o pasa banda) y
orden seleccionado.
Se usaron 3 filtros pasa bandas ya que al tener 3 frecuencias contenidas en la señal
es mejor usar un pasa bandas para permitir que solo pase lo contenido en esas
frecuencias y no dejemos pasar información que no necesitamos o ruido que solo
nos va a perturbar el análisis de la señal. Se usó un orden 3 ya que se considera
que para un filtro pasa bandas es mejor un orden 3, de esta manera no se analizan
tantos datos y la computadora puede trabajar rápidamente en los resultados sin
realizar tantas operaciones.

c) Explicar detalladamente, ¿para qué sirve la transformada de Fourier? Y ¿Cuál es

la función de un filtro? ¿Cuál es la diferencia principal entre un filtro IIR y FIR?
La transformada de Fourier nos sirve para pasar una señal que se encuentra en el
dominio del tiempo al dominio de la frecuencia, de esta manera podemos conocer
o por lo menos dar una estimación de la o las frecuencias contenidas en una señal.
La función de un filtro es la de dejar pasar información que requiero o eliminar
información que no necesito, en este caso cuando se usa en el procesamiento de
Página 3|9
señales lo que hacemos es que nos deje pasar la información que nosotros
queremos analizar y eliminamos la información que no está contenida en los rangos
que buscamos, es útil para poder eliminar el ruido que se genere en nuestra señal.
La principal diferencia entre estos filtros es que en los FIR son mas estables que los
IIR ya que los FIR son de un orden mas alto que los IIR lo que también provoca un
poco de mayor carga computacional. Por último, los IIR son filtros analógicos y los
FIR son filtros digitales.

2. Identificar las frecuencias que contiene la señal llamada señalnueva_2 con la

transformada MUSIC. La frecuencia de muestreo de la señal es de 500.

Fig. 4. Código Transformada MUSIC.

En la Fig. 2 tenemos el código con el cual aplicamos la Transformada MUSIC y

también se aplicó la FFT para analizar las frecuencias contenidas en la señal antes
de utilizar la Transformada MUSIC para poder comparar las señales más adelante.

a) ¿De qué valor son las frecuencias contenidas en la señal (comparar resultados
de la MUSIC con la transformada de Fourier)? y dar una discusión detallada del
porque los resultados, es decir que técnica puede ser más certera pero debido
a que, etc.
Las frecuencias contenidas en la señal son tres y son de los siguientes valores: 50
Hz, 100 Hz y 200 Hz. Tanto en la transformada MUSIC como en la FFT es posible
ver las tres frecuencias contenidas en la señal, pero en la FFT aún podemos
observar mucho ruido y podemos confundir algunos de los picos altos con
frecuencias contenidas en la señal como se puede observar en la Fig. 5.

Página 4|9
 Fig. 5. Gráficas de la FFT y MUSIC.

En la Fig. 5 la gráfica de la izquierda corresponde a la FFT podemos observar las

frecuencias contenidas, pero alcanzamos a ver un pico antes de la frecuencia de 50
Hz que puede ser confundido con alguna otra frecuencia contenida en la señal,
cuando vemos la gráfica de la derecha perteneciente a la Transformada MUSIC
podemos darnos cuenta de que ya no aparece dicho pico y las frecuencias
contenidas en la señal son más claras.
La técnica de la Transformada MUSIC en este caso resulto ser más certera y nos
dio resultados mas precisos que la FFT, esto se debe a que como tal le estamos
diciendo al sistema cuantas frecuencias alcanzamos a percibir antes de aplicar la
Transformada, por lo que el sistema nos va a dar resultados más certeros a la vez
todos los parámetros con los que trabaja nos ayudarán a que esta se vuelva mas
certera poniendo valores ara el nwin y el noverlap un poco altos ya que tenemos
varias frecuencias. La Transformada MUSIC es más variada en parámetros que
nosotros mismos programamos y eso nos ayuda a obtener mejores resultados, a
diferencia de con la FFT que ya viene definida. Con la Transformada MUSIC
obtenemos el pseudoespectro de la señal y con la FFT obtenemos el espectro.

b) Explicar detalladamente ¿para qué sirve la transformada MUSIC? y ¿cuáles son

las principales ventajas y desventajas de la transformada MUSIC?
La transformada MUSIC nos sirve para pasar una señal que se encuentra en el
dominio del tiempo al dominio de la frecuencia con el objeto de conocer las
frecuencias contenidas dentro de una señal.

Página 5|9
Ventajas:

• Inmune al ruido.
• Se necesitan pocas muestras para obtener un resultado.
• Tiene una alta resolución.

Desventajas:

• No muestra el comportamiento real de una señal por lo mismo de que es

inmune al ruido.
• Puede contener chorreos en las frecuencias y a su vez contener frecuencias
espurias que nos afecten los resultados.

c) Explicar detalladamente, ¿qué son las frecuencias espurias? Adicionalmente, a

que se deben estas frecuencias espurias en la transformada de Fourier y en la
transformada MUSIC.
Las frecuencias espurias son frecuencias que se generan cuando hay ruido en la
señal y pueden confundirse con frecuencias reales contenidas dentro de la misma
y pueden causar un error en los resultados sobre la identificación de estas.
Estas frecuencias aparecen al aplicar la Transformada MUSIC y la FFT ya que se
genera una discontinuidad debido al cambio de parámetros y cada que estamos
aplicando estas Transformadas estas frecuencias espurias aparecerán en cada una
de las pruebas que se realicen, aunque no aparecerán en el mismo lugar, siempre
se están moviendo y esta es una de las maneras de identificarlas.

3. Analizar el archivo llamado señalnueva_3 con la transformada discreta wavelet

hasta el nivel 5. La frecuencia de muestreo de la señal es 750 Hz.

Fig. 6. Código de la TWD.

Como observamos en la Fig. 6 se tiene el código utilizado para aplicar la TWD a

nuestra señal con un nivel 5 y usando un db44 para una mayor exactitud y precisión.

Página 6|9
a) ¿Cuánto dura la señal en tiempo?
La señal tiene una duración de 5 segundos.

b) Presentar en una tabla los valores de las aproximaciones y detalles hasta un

nivel 5.
Nivel 1 2 3 4 5
Aproximaciones 0 - 187.5 0 - 93.75 0 – 46.875 0 – 23.4375 0 – 11.71875
Detalles 187.5 - 375 93.75 – 46.875 – 23.4375 – 11.71875 –
187.5 93.75 46.875 23.4375

c) Una vez descompuesta la señal, explicar detalladamente que se observa en los

resultados obtenidos.

Fig. 7. Gráfica de las aproximaciones.

Observamos la Fig. 7 correspondiente a las aproximaciones de la señal. Sabemos

que tenemos contenidas 4 frecuencias en la señal con valores: 50 Hz, 150 Hz, 250
Hz y 300 Hz. Basándonos en la tabla del ejercicio b) debemos apreciar que en el
nivel 1 deben de pasar solo dos de las frecuencias que serían las de 50 y 150 Hz,
en la gráfica si la vemos de manera más detallada podemos observar que pasan
dos frecuencias que tienen la misma duración en tiempo, pero están encontradas
se puede apreciar que ambas van hacia diferentes lados. En el nivel 2 solo debemos
ver la frecuencia de 50 Hz que es la que va a pasar y en efecto dicha señal es la
que observamos que pasa en la gráfica. En el nivel 3 no deberíamos de observar
ninguna frecuencia ya que la de 50 Hz está por encima de los rangos de ese nivel,
sin embargo, en la gráfica la observamos probablemente por la transición lenta y
por la cercanía del 46 con el 50. En el nivel 4 y en el nivel 5 no deberíamos ver
ninguna de las frecuencias y en la gráfica realmente no estamos viendo nada, tal
Página 7|9
vez unas cuantas perturbaciones, pero como tal no se visualiza una frecuencia
pasando por ahí.

Fig. 8. Gráfica de los detalles.

En la gráfica de la Fig. 8 tenemos los detalles de la señal. Basándonos en la tabla

de arriba y en los valores de frecuencia que sabemos están contenidos en la señal
tenemos lo siguiente, en el nivel 1 de los detalles debemos observar 3 frecuencias
contenidas que serían la de 150 HZ, la de 250 Hz y la de 300 Hz, si observamos
con atención las gráficas podemos notar que en efecto tenemos 3 frecuencias
diferentes contenidas, aunque solo parezca que vemos 2 ya que dos de las
frecuencias contenidas están entrecruzadas, pero van hacia diferentes lados. En el
nivel 2 se deben observar dos frecuencias la de 50 Hz y la de 150 Hz y en la gráfica,
aunque parezca que vemos una solo frecuencia en realidad estamos viendo dos
que se entrecruzan y van hacia diferentes lados. En el nivel 3 solo debemos
observar una de las frecuencias que sería la de 50 Hz y en efecto lo que vemos en
la gráfica es una frecuencia pasando. En el nivel 4 ya no debería estar pasando
ninguna frecuencia, por lo que en la gráfica no deberíamos de estar viendo nada,
en este caso alcanzamos a percibir que hay un paso de una frecuencia que podría
ser la de 50 Hz y que pasó por lo mismo de que los valores que abarcan ese nivel
están muy cerca del 50 y al tener una banda de transición lenta esta podría pasar
con facilidad. En el nivel 5 al igual que en el nivel 4 no debe de pasar ninguna de
las frecuencias y en efecto en este caso en la gráfica no visualizamos ninguna de
las frecuencias, probablemente alguna perturbación, pero ninguna de las
frecuencias contenidas en la señal está pasando.

d) Explicar detalladamente que es el algoritmo de Mallat.

El algoritmo de Mallat ayuda a calcular la TWD empleando un juego de filtros pasa
bajas y pasa altas llamados aproximaciones que se calculan en cada uno de los
Página 8|9
niveles deseados. Cuando nosotros tenemos una frecuencia de muestreo está se
divide entre dos (Fs1) y de ahí se divide en dos nuevamente (Fs2) para sacar las
aproximaciones y los detalles, las aproximaciones serán aplicadas como un filtro
pasa bajas que va a abarcar las frecuencias desde cero hasta la mitad de la Fs2 y
así sucesivamente hasta llegar al nivel deseado, en este caso funciona como un
filtro pasa bajas y va a pasar todo lo que esté por debajo de esta frecuencia de corte
Fs2 por lo que observaremos las frecuencias contenidas en este rango. La
diferencia entre los detalles y las aproximaciones es que en los detalles no vamos
a empezar desde cero sino desde Fs2 hasta Fs1 y así sucesivamente hasta llegar
al nivel deseado, en este caso lo que se aplica es un filtro pasa altas que va a dejar
pasar todas las frecuencias y datos contenidos en la señal a partir de la frecuencia
de corte que seria Fs2 hasta arriba.

e) Explicar cuáles son las ventajas y desventajas de la Transformada Wavelet.

Ventajas:

• Esta transformada nos permite analizar señales tanto estacionarias como no

estacionarias por lo que es de gran ayuda con diversos tipos de señales.
• No requiere de gran calibración así que es fácil de usar.
• Es eficiente computacionalmente.

Desventajas:

• Solo se concentra en frecuencias medias bajas.

• Tiene una gran carga computacional.
• No hay un análisis detallado cuando hablamos de la TWD.

Página 9|9