See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/215688348

Deteccin de hipernasalidad en el espaol

usando funciones de retraso de grupo

Article January 2011

CITATIONS READS

3 538

4 authors, including:

Elkyn A. Belalcazar-Bolaos Hernn Felipe Serna-Gmez

University of Antioquia University of Antioquia
10 PUBLICATIONS 20 CITATIONS 1 PUBLICATION 3 CITATIONS

SEE PROFILE SEE PROFILE

Juan Rafael Orozco

University of Antioquia
82 PUBLICATIONS 265 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Oral-diadochokinesis rates in Parkinson Disease: comparison across Spanish, German and Czech View
project

Oral-diadochokinesis rates for Spanish, German and Czech: norms for adults View project

All content following this page was uploaded by Elkyn A. Belalcazar-Bolaos on 15 August 2017.

The user has requested enhancement of the downloaded file.

 XVI SIMPOSIO DE TRATAMIENTO DE SEALES, IMGENES Y VISIN ARTIFICIAL STSIVA 2011
DETECCIN DE HIPERNASALIDAD EN EL
ESPAOL USANDO FUNCIONES DE
RETRASO DE GRUPO
E. Belalcazar, H. Felipe Serna, J. Felipe Garcs, J. Rafael Orozco y J. Francisco Vargas
ResumenCategora (1). El labio y/o paladar hendido (LPH) es
una malformacin craneofacial que genera problemas
articulatorios a nivel del velo palatino, produciendo patologas en
el habla tales como: hipernasalidad, hiponasalidad, golpe gltico,
entre otras. De todos estos desordenes en la voz, la hipernasalidad
es la ms recurrente en pacientes con LPH, presentndose
aproximadamente en el 90% de los casos.
Para la deteccin automtica de hipernasalidad existen trabajos
que han propuesto tcnicas basadas en las funciones de retraso
de grupo modificadas, que buscan detectar la existencia de una
resonancia en frecuencias cercanas a los 250Hz cuando la voz es
hipernasal.
En este trabajo son implementadas las funciones de retraso de
grupo modificadas para la deteccin de hipernasalidad,
considerando una base de datos formada por 156 registros de
voces hipernasales y 110 sanas, correspondiente a la fonacin de
5 vocales del Espaol pronunciadas de forma sostenida.
Palabras claves- Funciones de retraso de grupo, hipernasalidad,
labio y/o paladar hendido, velo palatino.
I. INTRODUCCIN
E N el mundo existen tipos relevantes de patologas referidas
a la voz, los pacientes con LPH presentan problemas de
emisin vocal y resonancia, tales como: hiponasalidad,
hipernasalidad, golpe gltico, entre otros [1]. Ya que en
promedio se presenta 1 de cada 1000 nios nacidos en el
mundo [2], de los cuales el 90% de los pacientes son
hipernasales, tiene relevancia cientfica el anlisis de dicha
patologa [3].
El LPH es una malformacin craneofacial con orgenes
principalmente genticos y ambientales [4]; este tipo de
defecto funcional puede dar como resultado una reduccin en
la inteligibilidad de la voz. Por esto es necesario un anlisis
Elkyn Belalcazar y Hernn Felipe Serna son estudiantes de pregrado en la
Universidad de Antioquia, pertenecientes al Grupo de Investigacin en
Telecomunicaciones Aplicadas G.I.T.A. Medelln Colombia. email:
elkyn.belalcazar@udea.edu.co y hfelipe.serna@udea.edu.co
Juan Rafael Orozco es estudiantes de maestra en la Universidad de
Antioquia, perteneciente al Grupo de Investigacin en Telecomunicaciones
Aplicadas G.I.T.A. Medelln Colombia. email: rafa.orozco@gmail.com
Juan Felipe Garcs es el Coordinador del Grupo Interdisciplinario de LPH,
perteneciente a la Clnica Noel, Medelln Colombia. email:
felipegarces.fonoaudiologo@gmail.com
Jess Francisco Vargas es profesor del Departamento de Ingeniera
Electrnica y Telecomunicaciones de la Universidad de Antioquia,
perteneciente al Grupo de Electrnica y Potencia, Automatizacin y Robtica
G.E.P.A.R. Medelln Colombia. email: jfvargas@udea.edu.co
correcto y objetivo de la hipernasalidad, para brindar a los
fonoaudilogos herramientas que les permitan tomar
decisiones que le garanticen a los pacientes un progreso
constante en la terapia del lenguaje.
Desde la dcada de 1970 existen estudios orientados a analizar
alteraciones en la voz mediante tcnicas acsticas [5];
recientemente se aborda el trabajo de forma multidimensional,
considerando varias caractersticas de anlisis acstico [6].
Adicionalmente, en el estado del arte se encuentran trabajos
que aplican tcnicas de dinmica no lineal y medidas de
complejidad para efectuar la deteccin automtica de voces
hipernasales [7].
Por otro lado, existe una gran cantidad de trabajos que
motivan el inters de la comunidad cientfica hacia el anlisis
riguroso del espectro de la voz [8]. Cuando se presenta una
voz hipernasal, hay presencia de alteraciones con respecto al
espectro de voces de tipo sanas. En las voces sanas se espera
que su primer formante sea claro y elevado, mientras que la
voz hipernasal se presenta un formante con mayor ancho de
banda y menor amplitud; el cual, adicionalmente, puede estar
rodeado por picos extra [8]. En trminos matemticos esto
representa una seal de tipo multicomponente, es decir, aparte
del primer formante, se contar con resonancias extra a sus
alrededores [9].
En general es difcil detectar picos extra en el espectro, debido
a que no se presentan con suficiente consistencia, es decir,
aparecen de forma irregular y con bajos niveles de amplitud.
Debido a la importancia que tiene el rastreo de dichos picos
alrededor del primer formante, en bajas frecuencias, se
emplean tcnicas del procesamiento digital de seales para
mejorar la resolucin del espectro de voz, tales como las
funciones de retraso de grupo. En el estado del arte se
encuentra una propuesta usando dicha tcnica, la cual muestra
que en la zona de baja frecuencia de voces hipernasales, existe
una resonancia alrededor de los 250 Hz.
Se ha propuesto un experimento mediante el cual se evalu la
capacidad discriminante de la mtrica, las pruebas se hacen en
el idioma Espaol.
El resto del artculo est organizado as: en la seccin II se
presentan los conceptos bsicos para la comprensin del
experimento realizado, particularmente se trata el anlisis del
espectro de voz, junto al moldeamiento de las funciones de
retraso de grupo como herramienta para la deteccin de
hipernasalidad, adems de los parmetros necesarios para su
implementacin. En la seccin III se describe la metodologa
 XVI SIMPOSIO DE TRATAMIENTO DE SEALES, IMGENES Y VISIN ARTIFICIAL STSIVA 2011
implementada, junto con la base de datos usada para probar
los mtodos introducidos en la seccin II. La seccin IV
muestra los resultados obtenidos junto con una breve
discusin, y en la seccin V se presentan las conclusiones.
II. MARCO TERICO
En esta seccin se presentan los aspectos tericos y
conceptuales ms importantes de la metodologa
implementada.
A. Anlisis del espectro de voz.
Los sonidos voclicos, son generados por vibraciones que se
dan en las cuerdas vocales, caracterizados por un fuerte
contenido armnico; mediante la representacin del espectro
de dichos sonidos es posible identificar tipos de resonancias,
las cuales reciben el nombre de formantes voclicos.
Para la fonacin de vocales y sostenidas, la hipernasalidad
afecta tanto la ubicacin como la amplitud de dichos
formantes [8]. Adicionalmente, de acuerdo con los estudios
previos [4], en muchas ocasiones aparecen resonancias extra
dentro del espectro de la voz. La voz sana presenta un primer
formante claro y de alta amplitud, mientras que la voz
hipernasal presenta un formante distorsionado con mayor
ancho de banda y menor amplitud, adems de que est
rodeado de mltiples picos extras.
Para poder observar con mejor resolucin la zona de bajas
frecuencias se hace uso de las funciones de retraso de grupo
que sern explicadas en la siguiente sub-seccin.
B. Funciones de retraso de grupo
Las funciones de retraso de grupo permiten mejorar la
resolucin del espectro, debido a que poseen la propiedad de
superposicin en la frecuencia que permite discriminar picos
cercanos en dicho dominio.
Se define como el negativo, de la derivada de fase respecto a
la frecuencia. La Funcin de Retraso de Grupo, , puede
ser expresada mediante la ecuacin (1).
Dada la seal , con transformada de Fourier (TF)
, donde es su parte real y
imaginaria. Para el caso de la seal ,
cuya TF , donde es la parte real
y es la parte imaginaria.
De acuerdo con [6] la funcin de retraso de grupo puede ser
expresada en la ecuacin (2).
La funcin de retraso de grupo es sensible al ruido presente en
la seal de entrada, , y a la distorsin producida por el
enventanado[10]. Por lo tanto se necesita realizar una
modificacin que ser explicada a continuacin
C. Funciones de retraso de grupo modificada (MDGF, por
las siglas en ingls Modify Delay Group Function)
Para solucionar ese problema, Murthy et al en [10], sugiere
hacer una modificacin a la forma como se estima la funcin
original, y se plantea mediante la expresin (3).
Donde , representa el signo que tiene la expresin
(2), si es mayor que cero ser y si es menor que cero
ser . Los parmetros y , fueron sintonizados,
buscando los mejores resultados para la metodologa expuesta
en este trabajo, luego de pruebas exhaustiva sobre una base de
datos diferente, conformada por 5 registros de nios
hipernasales y 5 nios sanos, los resultados indicaron que los
valores ms apropiados para el experimento que se pretende
desarrollar son: y . es el suavizado
cepstral, aplicado sobre la seal , tal como se muestra en
la figura 1, donde es una ventana rectangular y es un
filtro pasa bajos en el dominio cepstral.
Fig.1 Diagrama de bloques, Cepstral Smoothing
III. METODOLOGA
A. Base de datos
La base de datos utilizada para el desarrollo del trabajo, fue
suministrada por el grupo de Procesamiento y Reconocimiento
de Seales (GPRS) de la Universidad Nacional de Colombia,
sede Manizales. Est conformada por registros de voz de las 5
vocales pronunciadas de forma sostenidas, por 110 nios
sanos y 156 con labio y/o paladar hendido con edades entre 5
y 15 aos, cuyas voces fueron diagnosticadas con
hipernasalidad por un experto en fonoaudiologa.
Las muestras de audio fueron capturadas en condiciones
controladas, dentro una cabina sonoamortiguada, utilizando un
micrfono de alta ganancia, cableado balanceado y una tarjeta
digitalizadora profesional configurada con una frecuencia de
muestreo de 44100Hz a 16 bits de cuantizacin.
B. Preprocesado
Inicialmente los registros de audio fueron submuestrados a
22050Hz y 8000Hz con el fin de evaluar el comportamiento
de la MDGF ante diferentes tasas de muestreo. En las figuras
2 y 3 se muestra que para frecuencias de muestreo de 22050Hz
y 44100Hz la MDGF es ruidosa y se dificulta la deteccin de
picos en el espectro. La figura 4 muestra una resolucin
ptima, obtenida con una frecuencia de muestreo de 8000Hz,
para el anlisis de la zona de baja frecuencia entre el pico de
250Hz y el primer formante voclico.
 XVI SIMPOSIO DE TRATAMIENTO DE SEALES, IMGENES Y VISIN ARTIFICIAL STSIVA 2011

2500

2000

1500
MDGF

1000

500

-500
0 0.5 1 1.5 2 2.5
FRECUENCIA (Hz) 4
x 10
Fig.2 MDGF, frecuencia de muestreo 44100Hz Fig. 6 Grafica con ventanas Hamming
2500

2000

1500
MDGF

1000

500

-500
0 2000 4000 6000 8000 10000 12000
FRECUENCIA (Hz)
Fig.3 MDGF, frecuencia de muestreo 22050Hz Fig. 7 Grafica con ventanas Hanning
500

400

300
MDGF

200

100

0
0 500 1000 1500 2000 2500 3000 3500 4000
FRECUENCIA (Hz)
Fig.4 MDGF, frecuencia de muestreo 8000Hz Fig. 8 Grafica con ventanas Blackman

Posteriormente se realiza la segmentacin de cada registro de

C. Implementacin
voz de forma manual, eliminando los silencios, dejando solo
zonas donde hay fonacin. Seguidamente las seales Una vez los registros de voz son segmentados y
segmentadas son enventanadas con el fin de hacer una anlisis enventanados, es calculado su espectro con el fin de aplicarle
de termino corto con intervalos de . El tamao de luego la MGDF. Posteriormente se genera una estrategia para
ventana es elegido para evaluar por lo menos un periodo de decidir cundo un registro es sano o patolgico; esta estrategia
pitch. En este trabajo se efectuaron pruebas con 4 tipos de consiste en ubicar 2 formantes, los cuales sern nombrados
venta, Rectangular, Hanning, Hamming y Blackman. Con como y . , se encontrar en la zona de baja
estos tipos de ventana es posible eliminar parcialmente el frecuencia, en los alrededores de los 250 Hz; , se encontrar
rizado de baja frecuencia en los intervalos de la seal. Las en el primer formante voclico. Ya definidos los formantes, se
figuras 5, 6, 7 y 8 muestran, como al usar estas ventanas se aplica sobre cada ventana un cociente, donde la mtrica es
elimina un pico de baja frecuencia, ubicado alrededor de los simbolizada por (Mtrica Funcin de Retraso) en la
50 Hz, el cual no corresponde a ninguna resonancia voclica. ecuacin (4).

Esta puede ser expresada como, ecuacin (5):

Si la voz es hipernasal, la mtrica tendr que ser mayor que 1,

Fig. 5 Grafica con ventanas rectangulares ya que en el numerador se encontrar y como es de
esperarse ser mayor que el formante voclico ; mientras
que si es una voz sana, se espera que la mtrica sea menor que
1, ya que el denominador, , ser mayor que la nasalizacin.
 XVI SIMPOSIO DE TRATAMIENTO DE SEALES, IMGENES Y VISIN ARTIFICIAL STSIVA 2011

Para buscar los formantes se considerarn los siguientes IV. RESULTADOS Y DISCUSIN
aspectos, tal y como se seala en [4].
Para el fonema /a/, el formante nasal, F1, se puede Para el efecto del filtro pasa bajos, en [4] proponen usar
localizar entre los 250Hz y los 300Hz; mientras que el filtro con corte en 800Hz. Las figuras 10 y 11 evidencian la
formante voclico, F2, se encontrar entre 500Hz y 800Hz. mejora de la resolucin para la zona de baja frecuencia, lo
Tanto para /i/ como /u/, el formante nasal F1 se encontrara cual permite concentrarse en la bsqueda de los picos debido a
entre 200Hz y 325Hz; el formante voclico, F2, se ha la nasalizacin.
observado en 500Hz. 500
Para las vocales adicionales, diferentes a las analizadas en 400
[4], /e/ y /o/, se examin sobre los mismo parmetros de
300
las vocales /i/ e /u/

MDGF
Vale la pena resaltar que existe entre F1 y F2 un tercer 200

formante, muy repetitivo, el cual puede ser una resonancia 100

del pitch, que se presenta con mucha frecuencia sobre los 0

500Hz. -100
El formante producido por la nasalizacin, es por su 0 500 1000 1500 2000 2500
FRECUENCIA (Hz)
3000 3500 4000

naturaleza mucho mayor que el primer formante voclico, Fig. 10 MDGF sin filtro
por lo cual es posible proponer una mtrica muy sencilla,
analizando cocientes. 80
La clasificacin de un registro sano o hipernasal, se hace
comparando los resultados de evaluar la ecuacin (4), de cada 60
ventana, con un umbral previamente definido; en este trabajo

MDGF
se hace anlisis para umbrales en 1 y 1.5. Estos umbrales 40

fueron definidos, tras hacer pruebas con diferentes valores.

20
La figura 9 ilustra el diagrama de flujo, del resumen de la
metodologa implementada. 0
0 500 1000 1500 2000 2500 3000 3500 4000
FRECUENCIA (Hz)

Fig. 11 MDGF con filtro a 800Hz

Base de
Datos La figura 12 representa una voz hipernasal, la cual presenta
una resonancia en 250 Hz, acompaada por un pico menor en
Registro 750Hz. La figura 13, correspondiente a una voz sana, revela
de Voz que el formante en 250Hz presenta una menor intensidad,
acompaado por un pico en 700Hz con una intensidad ms
alta.
Segmentacin

Enventanado

Caculo Espectro

Funcin Retraso
Grupo Modificada

Fig. 12 MDGF para voz hipernasal

Mtrica

Si
>1 Hipernasal
No

Sano

Fig. 9, metodologa

Fig. 13 MDGF para voz hipernasal sana

 XVI SIMPOSIO DE TRATAMIENTO DE SEALES, IMGENES Y VISIN ARTIFICIAL STSIVA 2011

VI. AGRADECIMIENTOS
Las tablas I y II, muestran las tasas de acierto obtenidas para El presente trabajo hace parte del proyecto cdigo
cada una de las vocales, con diferentes tipos de venta MC10-1-08, financiado por el Comit para el Desarrollo de la
encampanada y umbral de decisin. Los resultados de la Investigacin (CODI) de la Universidad de Antioquia y
primera se obtienen sin aplicar el filtrado, la segunda se adelantado en asocio con la Clnica Noel de Medelln. Trabajo
obtiene con un filtro pasa bajos, cuyo corte es en 800Hz, que se llev a cabo en virtud de concesiones de ARTICA,
evidenciando un aumento de hasta 4 puntos porcentuales financiado por Colciencias y el ministerio de TIC en
cuando se aplica el filtro. Colombia, proyecto No. 1115-470-22055. Los autores
De acuerdo con las tasas de acierto obtenidas con y sin agradecen al grupo de Procesamiento y Reconocimiento de
filtrado, adems de los distintos tipos de ventana Seales (GPRS) de la Universidad Nacional de Colombia,
encampanada, es posible afirmar que con la metodologa sede Manizales, por su colaboracin en la base de datos usada,
presentada se pueden alcanzar aciertos aceptables. Los valores de igual forma al ingeniero Johnny Alexander Uribe por sus
alcanzados en este trabajo estn muy por debajo de los valiosos aportes durante la realizacin de este trabajo.
presentados por P. Vijalayakshmi en [4]; sin embargo, se debe
tener en cuenta que la base de datos usada en dicho trabajo REFERENCIAS
considera pacientes con LPH no corregido, mientras que en
[1] G. Castellanos, Analisis acustico de voz y de posturas labiales en
este trabajo todos los pacientes considerados ya haban sido pacientes de 5 a 15 aos con labio y/o paladar hendido corregido en la
operados al momento de la grabacin, por lo tanto ya se zona centro del pas, Colciencias, Tech. Rep. 2005
encuentran adelantando su terapia fonoaudiolgica. [2] Congenital mal formations worldwide, International Clearinghouse for
Birth Defects Monitoring Systems, Amsterdam, Holland, Tech, Rep.
Hamming Hanning Blackman 1991
Umbral Umbral Umbral Umbral Umbral Umbral [3] G. Castellanos, G. Daza, L. Sanchez, O. Castrillon, and J. Suarez,
1.0 1.5 1.0 1.5 1.0 1.5 Acoustic speech analysis for hipernasality detection in children, in
Proc. 28th Annual Int. Conf. of the IEEE Engineering in Medicine And
/a/ 74.27 63.51 76.54 57.74 74.40 54.54
Biology Society EMBS 06, 2006, pp. 5507-5510.
/e/ 72.68 67.99 73.60 67.13 73.28 67.17
[4] P. Vijayalakshmi, M. Ramasubba Reddy, and Douglas OShaughnessy,
/i/ 57.20 60.26 53.72 55.10 55.83 57.49 Acoustic Analysis and Detection of Hypernasality Using a Group
/o/ 72.35 63.74 70.03 60.10 71.80 63.60 Delay Function IEEE Transactions on Biomedical Engineering, Vol.
/u/ 60.54 60.16 57.63 58.88 61.04 57.97 54, No. 4, Abril 2007
Tabla I. con ventanas encampanadas sin filtro [5] O. Fujimura and J. Lindqvist., Sweep-tone measurements of the vocal
tract characteristics, Journal of the Acoustical Society of America, vol.
Hamming Hanning Blackman 49, no. 2, pp. 541-558, 1971
Umbral Umbral Umbral Umbral Umbral Umbral [6] S. Murillo, J.R. Orozco, J.D. Arias, J.F. Vargas, G. Castellanos
1.0 1.5 1.0 1.5 1.0 1.5 Automatic Detection of Hypernasality in Children IWINAC 2011,
Lecture Notes in Computer Science, Springer-Verlag, 2011.
/a/ 77.62 50.96 76.76 50.00 77.04 50.00
[7] J.R. Orozco, S. Murillo, A.M. lvarez, J.D. Arias, E. Delgado, J.F.
/e/ 73.78 53.18 75.65 51.27 75.05 50.00
Vargas and C.G. Castellanos Automatic Selection of Acoustic and
/i/ 52.54 57.91 52.73 58.19 52.73 54.74
Non-linear Dynamic Features in Voice Signals for Hypernasality
/o/ 74.62 50.64 75.07 50.00 73.53 50.00 Detection (Accepted to INTERSPEECH 2011).
/u/ 55.68 54.83 57.63 53.91 57.36 52.09 [8] P. Tarun, Analysis, vocal-tract modeling and automatic detection of
Tabla II. con ventanas encampanadas y filtro pasabajos vowel nasalization, PhD Thesis U. of Maryland, Tech. Rep. 2005
[9] J.R. Orozco, J.A. Uribe, J.F. Vargas Operador de Energa de Teager
para la deteccin de Hipernasalidad en nios con Labio y Paladar
V. CONCLUSIONES Hendido TecnoLgicas, Ed. ITM, Medelln, 2011.
Se presenta una metodologa que implementa las Funciones de [10] H. Murthy and B. Yegnanarayana, Formant extraction from minimum
Retraso de Grupo Modificadas. Se aplicaron diferentes tipos phase group delay function. In Speech Comm. pp. 209-221, 1991.
[11] H. A. Murthy and V. Gadde, The modified group delay function and its
de ventana, lo cual permite excluir la ventana tipo rectangular, application to phoneme recognition, in Proc. IEEE Int. Conf. Acoust.,
debido a sus problemas, y resaltar la ventana tipo hanning. Se Speech and Signal Processing, Apr. 2003, pp. 6871.
prob la estimacin de la MGDF con y sin el uso de un filtro
pasabajas, mostrando que es conveniente aplicar dicho filtrado Elkyn Belalcazar Naci en San Juan de
con una frecuencia de corte de 800Hz; adems se efectuaron Pasto, Colombia en 1.990. Actualmente es
pruebas con diferentes frecuencias de muestreo y evidencio estudiante de Ingeniera Electrnica desde
que la frecuencia que ms beneficia la obtencin de picos en el ao 2.008, en la Universidad de
baja frecuencia es 8000 muestras por segundo, posibilitando la Antioquia. Sus principales intereses son el
aplicacin de esta metodologa en voces de calidad telefnica. procesamiento digital de seales y
A pesar de que las tasas de acierto no son altas y estn por reconocimiento de patrones.
debajo de las presentadas en el estado del arte, los resultados
de este trabajo son relevantes porque analizan la utilidad de las
Funciones de Retraso de Grupo Modificadas en la deteccin Hernn Felipe Serna Naci en Medelln,
automtica de hipernasalidad en pacientes con Labio y/o Colombia. Actualmente es estudiante de
Paladar Hendido corregido, los cuales se encuentran en terapia Ingeniera Electrnica, en la Universidad
fonoaudiolgica, por lo tanto pueden presentar niveles de de Antioquia. Sus principales intereses son
hipernasalidad ms bajos que los de pacientes que an no han el procesamiento digital de seales y
sido operados. reconocimiento de patrones.
 XVI SIMPOSIO DE TRATAMIENTO DE SEALES, IMGENES Y VISIN ARTIFICIAL STSIVA 2011

Juan Felipe Garcs naci en Medelln,

Colombia. Es Fonoaudilogo, de la
Universidad Mara Cano. Tiene 16 aos de
experiencia en fonoaudiologa y
actualmente es el Coordinador del Grupo
Interdisciplinario de LPH, de la Clnica
Noel.

Juan Rafael Orozco Naci en Medelln,

Colombia en 1981. Es Ingeniero
Electrnico y actualmente es estudiante de
maestra en Telecomunicaciones de la
Universidad de Antioquia. Sus principales
intereses en investigacin son el
procesamiento digital de seales, el
reconocimiento de patrones y las
comunicaciones digitales.

Jess Francisco Vargas Naci en Bogot,

Colombia en 1978. Es Ingeniero
Electrnico y Magister en Automatiza-
cin Industrial. Recibi su ttulo de PhD en
Ciberntica y Telecomunicaciones del
Centro Tecnolgico para la Innovacin en
Comunicaciones (CeTIC), Espaa, en
2011. Sus principales intereses en
investigacin son el procesamiento digital de seales y el
reconocimiento de patrones.

View publication stats