INSTRUMENTACIN
PROCESOS ESTOCASTICOS
ING. ARMANDO ALVAREZ
INTEGRANTES:
2014
Objetivo general
Obtener el espectro de frecuencia de una seal aleatoria utilizando la
herramienta matemtica MATLAB.
Objetivo especifico
Marco terico
Seales aleatorias
Las seales se clasifican en dos grupos principales: deterministas y aleatorias.
Las primeras son las que se pueden describir con relaciones matemticas
explcitas. Las aleatorias no pueden expresarse exactamente, por lo que tienen
que describirse en trminos de probabilidades y promediados estadsticos. La
clasificacin en cada grupo depende los fines y restricciones del problema en
estudio. Por ejemplo, al analizar el ECG, podemos estar interesados en las
caractersticas generales del complejo QRS y considerarlo como determinista, o
estar interesados en los cambios del intervalo R-R y considerarlo como
aleatorio.
PROCESOS ESTOCASTICOS 2
Las seales deterministas se dividen en dos grupos: peridicas y no peridicas.
Las primeras cumplen la relacin x (t) = x (t+T), siendo T el periodo, y estn
completamente descritas por su valor en un nico periodo. En el dominio de la
frecuencia, estn descritas por las series de Fourier, es decir, por la frecuencia
fundamental y sus armnicos. Las no peridicas son de dos clases: cuasi-
peridicas y transitorias. Las cuasi-peridicas no son peridicas en el sentido
matemtico pero tienen una descripcin discreta en el dominio de la
frecuencia, que difiere de la anterior en que los trminos que aparecen no son
armnicos de alguna frecuencia fundamental. Una combinacin de seales
peridicas no correlacionadas dan lugar a una cuasi-peridica. Las transitorias
seran las que no cumplen las condiciones anteriores.
Una seal aleatoria es una funcin muestreada de un proceso aleatorio. Dos
seales aleatorias del mismo proceso difieren entre s en la descripcin
temporal, pero poseen las mismas propiedades estadsticas. La descripcin de
la seal aleatoria se realiza mediante la funcin densidad de probabilidad.
Un proceso estacionario es un proceso cuyas propiedades estadsticas no son
funcin del tiempo. Una seal se dice que es ergdica si tiene igual promediado
estadstico que promediado temporal para cualquier funcin muestreada. Los
procesos no estacionarios (y, por tanto, no ergdicos) son ms difciles de
procesar, por lo que en ocasiones suelen suponerse ergdicos.
Cuando se procesa el EEG, por ejemplo, no disponemos del proceso completo,
sino que tenemos slo una funcin muestreada. Por tanto, estamos forzados a
suponer la ergodicidad y estimar las propiedades estadsticas requeridas a
partir de promediados temporales (en lugar de promediados estadsticos).
Puesto que las herramientas para procesar seales no estacionarias no son tan
efectivas, se suele dividir la seal no estacionaria en segmentos, cada uno de
los cuales se supone estacionario. La longitud de los segmentos depende de las
propiedades de la no estacionariedad. En seales de voz, los segmentos suelen
ser de 10 msg, mientras que en EEG se toman del orden de algunos segundos.
MATLAB
Es una herramienta de software matemtico que ofrece un entorno de
desarrollo integrado (IDE) con un lenguaje de programacin propio.
Entre sus prestaciones bsicas se hallan: la manipulacin de matrices, la
representacin de datos y funciones, la implementacin de algoritmos, la
creacin de interfaces de usuario (GUI) y la comunicacin con programas en
otros lenguajes y con otros dispositivos hardware.
PROCESOS ESTOCASTICOS 3
ESPECTRO DE FRECUENCIAS
Espectro de frecuencias de la luz emitida por tomos de hierro libres en la
regin visible del espectro electromagntico.
El espectro de frecuencia se caracteriza por la distribucin de amplitudes para
cada frecuencia de un fenmeno ondulatorio (sonoro, luminoso o
electromagntico) que sea superposicin de ondas de varias frecuencias.
Tambin se llama espectro de frecuencia al grfico de intensidad frente a
frecuencia de una onda particular.
El espectro de frecuencias o descomposicin espectral de frecuencias puede
aplicarse a cualquier concepto asociado con frecuencia o movimientos
ondulatorios como son los colores, las notas musicales, las ondas
electromagnticas de radio o TV e incluso la rotacin regular de la tierra.
AUTOCORRELACIN
La autocorrelacin es una herramienta matemtica utilizada frecuentemente
en el procesado de seales.
La funcin de autocorrelacin se define como la correlacin cruzada de la seal
consigo misma. La funcin de autocorrelacin resulta de gran utilidad para
encontrar patrones repetitivos dentro de una seal, como por ejemplo, la
periodicidad de una seal enmascarada bajo el ruido o para identificar la
frecuencia fundamental de una seal que no contiene dicha componente, pero
aparecen numerosas frecuencias armnicas de esta.
TRANSFORMADA RPIDA DE FOURIER
FFT es la abreviatura usual (del ingls Fast Fourier Transform) de un eficiente
algoritmo que permite calcular la transformada de Fourier discreta (DFT) y su
inversa. La FFT es de gran importancia en una amplia variedad de aplicaciones,
desde el tratamiento digital de seales y filtrado digital en general a la
resolucin de ecuaciones en derivadas parciales o los algoritmos de
multiplicacin rpida de grandes enteros. El algoritmo pone algunas
limitaciones en la seal y en el espectro resultante. Por ejemplo: la seal de la
que se tomaron muestras y que se va a transformar debe consistir de un
nmero de muestras igual a una potencia de dos. La mayora de los
analizadores TRF permiten la transformacin de 512, 1024, 2048 o 4096
muestras. El rango de frecuencias cubierto por el anlisis TRF depende de la
cantidad de muestras recogidas y de la proporcin de muestreo.
Uno de los algoritmos aritmticos ms ampliamente utilizados es la
transformada rpida de Fourier, un medio eficaz de ejecutar un clculo
matemtico bsico y de frecuente empleo. La transformada rpida de Fourier
es de importancia fundamental en el anlisis matemtico y ha sido objeto de
PROCESOS ESTOCASTICOS 4
numerosos estudios. La aparicin de un algoritmo eficaz para esta operacin
fue una piedra angular en la historia de la informtica.
Equipos y materiales
El primer paso fue crear una interfaz que nos permita acceder tanto al anlisis
de la seal cardiaca ECG como a la seal aleatoria sinusoidal.
Para esto es necesario utilizar la herramienta que nos permite utilizar una
interfaz grfica que facilitara al usurario el manejo de cualquier aplicacin, esta
herramienta tiene el nombre de GUIDE
PROCESOS ESTOCASTICOS 5
Figura. Interfaz creada tipo men para seleccionar la operacin.
PROCESOS ESTOCASTICOS 6
Numero de ciclos a graficar.
Y el nmero de armnicos en el espectro de frecuencia
La frecuencia de muestreo
Frecuencia fundamental.
Tambin se muestran las grficas de la seal cardiaca generada.
De la Autocorrelacin
Y de la densidad espectral de frecuencia.
PROCESOS ESTOCASTICOS 7
Imagen. Salida de la seal cardiaca.
PROCESOS ESTOCASTICOS 8
Despus vamos a continuar con el anlisis de la seal aleatoria de tipo
sinusoidal.
Los parmetros que se ingresan en esta seal son:
Amplitud de la seal.
Frecuencia de la seal fundamental.
Numero de ciclos a graficar.
Y el nmero de armnicos en el espectro de frecuencia
Y la entrada de ruido mximo
La frecuencia de muestreo
Frecuencia fundamental.
Tambin se muestran las grficas de la seal aleatoria sinusoidal.
Se muestra la Autocorrelacin de la seal
Y de la densidad espectral de frecuencia.
PROCESOS ESTOCASTICOS 9
Imagen. Salida de la seal aleatoria sinusoidal.
A continuacin vamos a detallar la programacin utilizada una vez que se han
mostrado las salida del nuestra interfaz.
Vamos a explicar la parte de nuestros intereses que es la generacin de la
seal cardiaca, y la seal aleatoria sinusoidal.
Aqu en esta parte se genera la seal cardiaca
FC = eval(get(handles.lpm, 'String')); % Recibo los latidos por minuto
fo = FC/60;
y = ecg(5000); % crea la seal en buena definicion
n = eval(get(handles.c, 'String'));
y = repmat(y, 1, n); % repite la matriz para dibujar el nmero de ciclos
t = linspace(0, n*60/FC, length(y)); % espacio lineal incio, fin n
elementos
PROCESOS ESTOCASTICOS 10
La programacin a continuacin mostrada es la ms importante del programa,
ya que aqu se genera la funcin de Autocorrelacin, para generar dicha
funcin utilizamos la funcin de cross-correlacion de dos seales, y con los
conocimientos adquiridos en este curso podemos afirmar que cuando sacamos
la cross-correlacion de unas misma seal tenemos como resultado la funcin
de Autocorrelacin de dicha seal.
axes(handles.axes3);
n_elementos = 2^nextpow2(length(t));
Espectro = fft(Rxx, n_elementos)/length(t);
tiempo_muestreo = (t(5)-t(4));
Fs = 1/tiempo_muestreo;
frecuencias = Fs/2*linspace(0,1,n_elementos/2+1);
Espectro = 2*abs(Espectro(1:n_elementos/2+1));
plot(frecuencias, Espectro, 'k', 'Linewidth', 2)
grid on
box on
numeroA = eval(get(handles.nA, 'String'));
xlim([0 numeroA*fo]);
set(handles.fo_, 'String', fo);
PROCESOS ESTOCASTICOS 11
box on
xlabel('Tiempo en segundos');
xlim([0 max(t)])
axes(handles.axes3);
n_elementos = 2^nextpow2(length(t));
Espectro = fft(Rxx, n_elementos)/length(t);
tiempo_muestreo = (t(5)-t(4));
Fs = 1/tiempo_muestreo;
frecuencias = Fs/2*linspace(0,1,n_elementos/2+1);
Espectro = 2*abs(Espectro(1:n_elementos/2+1));
plot(frecuencias, Espectro, 'k', 'Linewidth', 2)
grid on
box on
numeroA = eval(get(handles.nA, 'String'));
xlim([0 numeroA*fo]);
set(handles.fo_, 'String', fo);
Conclusiones
PROCESOS ESTOCASTICOS 12
Recomendaciones
Bibliografa
http://ocw.uv.es/ingenieria-y-arquitectura/1-5/ib_material/IB_T4_OCW.pdf
http://es.wikipedia.org/wiki/MATLAB
http://es.wikipedia.org/wiki/Espectro_de_frecuencias
http://es.wikipedia.org/wiki/Transformada_r%C3%A1pida_de_Fourier
PROCESOS ESTOCASTICOS 13