DESARROLLO DE UNA TOOLBOX DE TRATAMIENTO DIGITAL DE SEÑALES EN EL CAMPO DE LA BIOMECÁNICA DEL APARATO LOCOMOTOR
|
|
- María Rosa Muñoz Domínguez
- hace 7 años
- Vistas:
Transcripción
1 Área de Biomecánica del Deporte Rendimiento Deportivo 209 DESARROLLO DE UNA TOOLBOX DE TRATAMIENTO DIGITAL DE SEÑALES EN EL CAMPO DE LA BIOMECÁNICA RESUMEN DEL APARATO LOCOMOTOR Gianikellis, K. E_mail: Pantrigo, J.J. Vara Gazapo, A. Galapero, L. Facultad de Ciencias del Deporte. Universidad de Extremadura Los sistemas de instrumentación y medida en el campo de la Biomecánica del aparato locomotor, tales como, sistemas optoelectrónicos, plataformas de fuerza, EMG, Electrogoniometría, convertidores A/D en general, etc., introducen en la medida de la magnitud física que se mide, una cantidad de ruido integrado por errores sistemáticos y aleatorios que corrompe la señal obtenida. Así que, el procesamiento digital de señales se ha transformado en una herramienta imprescindible, puesto que, permite la adquisición correcta de los datos (frecuencia de muestreo), la parametrización del fenómeno físico en cuestión, la mejora de la relación señal ruido y la transformación de una señal del dominio del tiempo al dominio de la frecuencia facilitando su interpretación. el objetivo de este trabajo ha sido programar en el entorno MATLAB un conjunto de rutinas que permitan tratar todo tipo de registros, asociados al movimiento humano, en el dominio del tiempo y en el dominio de la frecuencia. PALABRAS CLAVE Biomecánica, Tratamiento digital, Análisis espectral. 1 INTRODUCCIÓN Los avances realizados durante los últimos años en el campo de la informática y, en general, en la tecnología de los sistemas digitales que ha sido acompañada de la reducción de los costes y tamaño del hardware digital han potenciado enormemente su empleo y aplicaciones, de modo que la información se registra, se transmite y se almacena de forma digital, de manera cada vez más conveniente. Los sistemas de instrumentación y medida en el campo de la Biomecánica del aparato locomotor, tales como, sistemas optoelectrónicos, plataformas de fuerza, EMG, Electrogoniometría, convertidores A/D en general, etc., introducen en la medida de la magnitud física que se mide, una cantidad de ruido integrado por errores sistemáticos y aleatorios que
2 210 I CONGRESO DE LA ASOCIACIÓN ESPAÑOLA DE CIENCIAS DEL DEPORTE corrompe la señal obtenida. Así que, el procesamiento digital de señales se ha transformado en una herramienta imprescindible, puesto que, permite la adquisición correcta de los datos (frecuencia de muestreo), la parametrización del fenómeno físico en cuestión, la mejora de la relación señal ruido y la transformación de una señal del dominio del tiempo al dominio de la frecuencia facilitando su interpretación. El procesamiento digital de señales puede conducir a una pérdida de información y/o a errores respecto del tratamiento posterior de la señal muestreada. Por tanto, surge la necesidad de ajustar los valores discretos a curvas que representan con suficiente precisión el fenómeno físico bajo estudio minimizando los errores contenidos en la medida. En el campo de la Biomecánica del movimiento humano es muy frecuente obtener, a partir de las coordenadas tridimensionales de los marcadores anatómicos que definen un modelo mecánico del sujeto en estudio, las velocidades y aceleraciones, lineales y angulares, de los segmentos corporales, recurriendo a técnicas de fotogrametría cine o vídeo u otras técnicas indirectas de análisis cinemático. El cálculo de la primera y segunda derivada temporal de las funciones posición - tiempo se basa en lo que se conoce como técnicas de ajuste de los datos al saber que las medidas respecto a las coordenadas espaciales de los marcadores anatómicos contienen errores sistemáticos y aleatorios ("ruido blanco"). Por otro lado, es conocido que el cálculo de las derivadas temporales de los datos posición - tiempo lleva implícito el problema de la amplificación del ruido ( ill - posed problem ) en las mismas, de modo que si la señal temporal registrada x(t) representa una suma de armónicos Q senoidales, o sea, [W = $ L VHQω + ϕ, los que corresponden a los errores aleatorios son de L L = amplitud muy pequeña y de frecuencia alta. Por tanto, aunque la amplitud de cada uno de los armónicos de x(t) (señal más ruido) se define por {A i }, la amplitud de cada uno de los armónicos de la señal temporal que corresponde a la primera y la segunda derivada x'(t) y x''(t) serán {ω i * A i } y {ω i ² * A i } respectivamente. Así pues, cuanto mayor es el contenido en frecuencia de la señal x(t), más se amplificarán, en los espectros de las magnitudes derivadas, los armónicos que corresponden a los errores de la medida (amplificación del ruido) y si no se mejora la relación señal/ ruido, las derivadas pueden contener más error que señal. Por esto, desde hace tres décadas, los científicos que trabajan en el campo de la Biomecánica han concentrado su atención en el problema de la reducción del "ruido" y la mejora de la relación señal/ruido que pasa por el tratamiento digital de la señal. Fig. 1. Espectro de una señal temporal contaminada con ruido (línea continua) y sus primera (- - -), segunda (...) y tercera derivada (._._.).( Woltring, 1993).
3 Área de Biomecánica del Deporte Rendimiento Deportivo 211 Otra metodología de capital importancia para determinar la intervención muscular como causa del movimiento que se observa externamente es la Electromiografía (EMG) que consiste en registrar con electrodos de superficie la variación en el potencial eléctrico generado por un músculo cuando este se activa a causa de una secuencia de impulsos eléctricos originados en los centros de control del Sistema Nervioso Central y transmitidos por las vías eferentes de las motoneuronas hasta las placas motoras terminales de las unidades motoras El EMG, como señal que representa un proceso estocástico, esto es, que si las medidas se repitieran varias veces bajo condiciones idénticas, los resultados serían diferentes debido a las variaciones aleatorias inherentes a la señal, se puede describir con métodos basados en la teoría de probabilidades y parámetros estadísticos. En el caso de que la densidad de probabilidad de su amplitud no dependa del tiempo, el proceso se llama estacionario. Puesto que, cada realización de un proceso estocástico tiene una media (m i ) y la media global del proceso en todas sus realizaciones es (µ), si (m i = µ), el proceso se llama ergódico (el teorema de los Birkhoff and Khintchine establece que (m i ) existe para casi todas las realizaciones). Después de todo esto se establece que en el tratamiento de la señal EMG se asume su ergodicidad y su estacionariedad para determinados intervalos de tiempo (normalmente cortos). El tratamiento y la parametrización de una señal, que puede pertenecer a cualquiera de las categorías que aparecen en el siguiente cuadro, dependen de la naturaleza de la misma. 7,326 '( 6(f$/(6 (67$&,21$5,$6 12 (67$&,21$5,$6 '(7(50,1,67$6 $/($725,$6 &217Ë18$6 75$16,725,$6 3(5,Ï',&$6 48$6,3(5,Ï',&$6 Fig. 2. Clasificación de las señales. Según el cuadro se definen como señales estacionarias aquellas que sus propiedades no varían con el tiempo y son independientes del registro particular y se dividen en deterministas y aleatorias. Las señales deterministas son aquellas donde cada valor de la magnitud física que se mide, se define analíticamente por una expresión matemática, tabla de datos o una regla y pueden ser señales periódicas, de duración finita, transitorias y cuasi - periódicas. Como señales aleatorias se consideran aquellas que se describen solamente en términos estadísticos. Teniendo en cuenta todas estas consideraciones el objetivo de este trabajo ha sido programar en el entorno MATLAB un conjunto de rutinas que permitan tratar todo tipo de registros, asociados al movimiento humano, en el dominio del tiempo y en el dominio de la frecuencia para: i) mejorar la relación señal/ruido, ii) encontrar la expresión analítica de las funciones posición tiempo facilitando el cálculo de las magnitudes derivadas, iii) definir la frecuencia de muestreo de una señal limitando la posibilidad del aliasing, iv) parametrizar mejor
4 212 I CONGRESO DE LA ASOCIACIÓN ESPAÑOLA DE CIENCIAS DEL DEPORTE el análisis que se lleva a cabo y facilitar la detección de fenómenos como la fatiga muscular local en el dominio de la frecuencia. 2 DESCRIPCIÓN DE LA TOOLBOX DE TRATAMIENTO DIGITAL 2.1 Técnicas de ajuste de los datos posición tiempo utilizando funciones spline La toolbox de análisis de datos ofrece la posibilidad de ajustar los datos a funciones spline naturales. Con estas técnicas, el ajuste de los datos se hace a trozos de modo que varios polinomios de grado pequeño son empalmados entre sí de forma continua. Dentro de este tipo de suavizados está disponible el algoritmo que se conoce como GCVSPL de las iniciales de Generalised Cross Validation Spline donde se emplean "splines naturales" de grado hasta siete para ajustar y/o interpolar una secuencia de puntos/datos determinando la cantidad de suavizado requerido. Este algoritmo permite que el usuario defina por decisión propia el parámetro de suavizado para calcular el spline de ajuste. Así que, cuando no se dispone de un estimador de los errores de la medida, los valores óptimos de la función de ajuste se calculan automáticamente según el criterio "Generalised Cross Validation (GCV)" (Fig. 3). En el caso que sea conocida la varianza del error contenido en los datos posición - tiempo, la función de ajuste de los datos se calcula según el criterio "Mean - Squared Prediction Error (MSE)". El ajuste de una secuencia de puntos/datos, no necesariamente equidistantes, a una curva definida por polinomios, exige determinar los coeficientes de los polinomios de ajuste en función de dos criterios contrapuestos. Por un lado minimizar el error de ajuste y, por otro lado, conseguir una curva suave. Así que, se impone pasar la curva de ajuste a cierta distancia de los datos de modo que se minimice la función objetivo ( C p ), compuesta por un término que expresa el error intrínseco de la medida y otro término que expresa la suavidad de la curva de ajuste : C p n 2 = wi { ψ i S p( ti )} + p i= 1 S m p ( t) 2 dt Donde (t) es la variable independiente (tiempo), ( ψ ) es la medida en el instante (i), [ S p ( t i ) ] el valor ajustado en el instante (i) de la función spline (S), ( w i ) el factor peso del error en el instante (i), de modo que a mayor (w), menor es la importancia i
5 Área de Biomecánica del Deporte Rendimiento Deportivo 213 del error, (p) el peso de suavidad o factor de suavizado que regula la suavidad del spline (Para p = 0 se trata de una interpolación). Es decir, para un factor de suavizado debe encontrarse un óptimo entre la suavidad del spline y la calidad de ajuste de los datos, de modo que para ajustar los datos que contienen "ruido", el problema más importante, especialmente cuando se tienen que calcular las magnitudes derivadas, es seleccionar adecuadamente el parámetro de suavizado. Se ha demostrado que los splines naturales de quinto grado dan valores más exactos que las otras técnicas respecto a la primera y segunda derivada. Fig.3. Ajuste datos posición tiempo con el algoritmo GCV. 2.2 Análisis de registros electromiográficos (EMGs) en el dominio del tiempo El análisis del EMG en el dominio del tiempo permite evaluar algunos aspectos de la coordinación motora junto con la cantidad de actividad muscular que supone cierta actividad motriz y el nivel de tensión desarrollada, mientras que el análisis en el dominio de la frecuencia permite estudiar la aparición de la fatiga muscular local. El análisis del EMG en el dominio del tiempo consiste en la valoración de la amplitud de la señal rectificada S(t) a través de los siguientes parámetros: ˆ el valor medio de la señal rectificada (AREMG) durante un intervalo de tiempo determinado. W $5(0* = 6W GW W W W P9
6 214 I CONGRESO DE LA ASOCIACIÓN ESPAÑOLA DE CIENCIAS DEL DEPORTE ˆ el valor del EMG integrado (iemg), se expresa como la integral del área por debajo de la señal rectificada: W L(0* = GW P9 V 6W W ˆ el valor de la raíz de la media cuadrática (RMSEMG), que físicamente representa la raíz cuadrada de la potencia media de la señal para un intervalo de tiempo determinado, que puede ser continuo o móvil. 1 2 RMSEMG = S ( ) dt t t t 2 1 t2 t1 mv Además de las subrutinas que permiten el cálculo de estos parámetros se han construido filtros (Fig. 4) que operan en el dominio del tiempo y cuya descripción es la siguiente: ˆ Filtros de media móvil (MA), en los cuales los valores de la salida se obtienen a partir de los valores de la entrada y de sus valores anteriores. ˆ Filtros autorregresivos (AR), en los cuales los valores de la salida se obtienen a partir de los valores anteriores de la propia salida. ˆ Filtros autoregresivos de media móvil (ARMA), en los cuales los valores de la salida dependen de los valores anteriores de la entrada y de la propia salida.
7 Área de Biomecánica del Deporte Rendimiento Deportivo 215 Fig. 4. Señal filtrada con filtro de media móvil Por último, en la representación temporal de procesos aleatorios se utiliza, entre otros parámetros, la función de autocorrelación definida como: R ( τ) = lim 1 / T x( t) x( t + τ) dt xx T T Análisis de registros electromiográficos (EMGs) basado en las Series de Fourier La transformada de Fourier (TF) es una generalización de las series de Fourier que permite la caracterización de funciones x(t) no periódicas en el dominio de la frecuencia. Dada
8 216 I CONGRESO DE LA ASOCIACIÓN ESPAÑOLA DE CIENCIAS DEL DEPORTE una función x(t) tal que, [W () GW < se define su transformada de Fourier X(f), siendo f la frecuencia, como, ;I () π M I W [ W H GW En la práctica, donde las señales temporales registradas no son continuas sino muestreadas durante un intervalo de tiempo, se obtiene una secuencia de valores (x n ), para n=0,1,..,n-1. Para estimar la transformada de Fourier de esta señal a partir de sus valores muestreados (x n ), la integral se sustituye por el sumatorio ; Q 1 M NQ 1 = N 1 N = π [ H SDUD Q 1 Esta ecuación constituye la definición de la transformada discreta de Fourier (TDF). Así pues, la secuencia (X n ) es la (TDF) de la secuencia (x n ). Se define la transformada inversa discreta de Fourier (TIDF) como la operación 1 MSNQ [ = ; H 1 SDUD Q 1 Q N = N que recupera los valores (x n ) originales. La eficacia de su aplicación depende de dos factores fundamentales: la frecuencia de muestreo y la truncación de la señal. La frecuencia de muestreo es un factor crítico en la digitalización de una señal continua para que no se distorsione la información que conlleva la señal x(t) al transformarse en una serie de valores discretos (x k ). Para un intervalo de muestreo dado ( t), la frecuencia (f N =1/2 t) se conoce como frecuencia de Nyquist. Si el espectro de la señal x(t) original tiene componentes superiores a la frecuencia de Nyquist, tiene lugar el fenómeno que se conoce como solapamiemto o "aliasing", es decir, las componentes de la señal que corresponden a frecuencias superiores a (f N ) se asignan en la TDF a frecuencias inferiores, o sea dentro de la banda de Nyquist ( f < f N ), con la consiguiente distorsión de la TDF".
9 Área de Biomecánica del Deporte Rendimiento Deportivo 217 En consecuencia, cuando a priori se desconoce el contenido en frecuencia de la señal que se pretende muestrear, la señal se muestrea a una frecuencia muy elevada con el fin de evitar el "aliasing". Otro problema práctico que ocurre en la aplicación de la TDF, como consecuencia de la aplicación de la ventana temporal, es lo que se conoce como error de truncación o "leakage". Por el teorema de convolución resulta que la transformada de Fourier de la señal truncada es la convolución de la transformada de Fourier de la señal propiamente dicha y de la transformada de Fourier de la ventana temporal, que se tiene que elegir según la aplicación concreta. En la toolbox se ha diseñado un generador de ventanas, de forma que se puede disponer de las más usuales (Fig. 5). Fig. 5. Ventanas disponibles en la toolbox. El algoritmo transformada rápida de Fourier (FFT), disponible en el paquete básico de MATLAB y que ha sido utilizado en el diseño de funciones, minimiza el tiempo de cálculo necesario para la caracterización de señales muestreadas en el dominio de la frecuencia al reducirse considerablemente el número de operaciones algebraicas. La FFT (Fig. 6) constituye en la actualidad una herramienta indispensable para el análisis de señales en el dominio de la frecuencia. Fig. 6. Transformada de Fourier de un EMG
10 218 I CONGRESO DE LA ASOCIACIÓN ESPAÑOLA DE CIENCIAS DEL DEPORTE El análisis del EMG en el dominio de la frecuencia consiste en valorar la actividad muscular a través de sus parámetros espectrales que son: ˆ la frecuencia mediana (f m ) que es la frecuencia que divide el espectro en dos partes equivalentes respecto a la potencia. IP 6I () GI 6I () GI +] IP ˆ la frecuencia espectral media (f av ) es el coeficiente entre los momentos espectrales de orden uno y cero. f m f 1 0 av = = f m 0 0 f S S () f ( f ) df df Q donde el momento espectral de orden n se define como P = I 6() I GI Q ˆ el ancho de banda estadístico (k) es la raíz cuadrada de la diferencia entre la ratio del momento de orden dos y cero y el cuadrado de la frecuencia media (similar a la desviación típica en la estadística). P P N = I DY ˆ el ancho de banda 3- db es la diferencia entre las frecuencias para las que la potencia ha disminuido en un 50% de su valor máximo en escala lineal, mientras que, la frecuencia central es la media geométrica del ancho de banda de 3- db. Hz
11 Área de Biomecánica del Deporte Rendimiento Deportivo 219 Puesto que, en general no se conoce si el aumento de la amplitud del EMG se debe al incremento de la contracción muscular o al aumento de la fatiga, se considera que la frecuencia media y la mediana son los parámetros espectrales más fiables para valorar la fatiga muscular local, al ser sensibles al desplazamiento del espectro hacia frecuencias bajas. Otros parámetros interesantes en el análisis en frecuencia de una señal aleatoria son: ˆ el autoespectro de una señal: que se define como: S xy como: S xx ( f ) = Rxx ( τ ) exp( j2 πfτ ) dτ ˆ la coherencia: que se define a partir de las magnitudes espectrales S xx, S yy y [ ] γ 2 = 2 xy xx yy ( f ) S ( f ) / S ( f ) S ( f ) 3 BIBLIOGRAFÍA Basmajian, J.V.; de Luca, C.J. (1985). Muscles Alive: Their Functions Revealed by Electromyography. Baltimore, MD: Williams and Wilkins. Gajewski, I. et al (1986). Application of spectral analysis for tremor testing (based on an example of Sport Shooting). Biology of Sport, 3, 1, Gianikellis K.;Maynar M.; Arribas F. (1997). La electromiografía (EMG) como método para determinar la intervención muscular en los deportes de precisión. Consejo Superior de Deportes serie ICd nº 13, Ingle, Vinay; Proakis, John.(1997). Digital Signal Processing (Using MATLAB V.4). PWS Publishing Company. Jackson Leland.(1996). Digital Filters and Signal Processing (with MATLAB exercises. Kluwer Academic Publisher. Kamen Edward W.; Heck Bonnie S. (1997). Fundamentals of signals and systems (using MATLAB). Prentice Hall. Kay, S.M.; Marple, S.L. (1981). Spectrum Analysis - A Modern Perspective. Proceedings of the IEEE, 69, 11,
6 10 3,5 2,0 4,5. PROGRAMA DE CURSO Código Nombre EL Señales y Sistemas I Nombre en Inglés Signals and Systems I SCT
PROGRAMA DE CURSO Código Nombre EL 3005 Señales y Sistemas I Nombre en Inglés Signals and Systems I SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal 6 10 3,5 2,0
Seriación obligatoria antecedente: Análisis Espectral de Señales y Variable Compleja Aplicada a la Geofísica
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO INTRODUCCIÓN AL DISEÑO DE FILTROS DIGITALES 1743 7 09 Asignatura Clave Semestre Créditos Ingeniería en Ciencias de la
ESTADO ACTUAL DE CONOCIMIENTOS DE LAS TÉCNICAS DE TRATAMIENTO DE LOS DATOS POSICIÓN - TIEMPO EN EL CAMPO DE LA BIOMECÁNICA DEL APARATO LOCOMOTOR
REVISTA MOTRICIDAD Gianikellis, K.; y Gutiérrez Dávila, M. (1998) Estado actual de conocimientos de las técnicas de tratamiento de los datos posición - tiempo... 4,7-5 ESTADO ACTUAL DE CONOCIMIENTOS DE
transmisión de señales
Introducción al análisis y transmisión de señales La transmisión de información La información se puede transmitir por medio físico al variar alguna de sus propiedad, como el voltaje o la corriente. Este
Análisis de señales biomédicas
Análisis de señales biomédicas Objetivo La adquisición y procesado de las variables fisiológicas del paciente para realizar una recomendación diagnóstica y/o un plan terapéutico utico. La bioengeniería
1. Señales y sistemas Sistemas lineales e invariantes en el tiempo (SLI) 13.5
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ANÁLISIS DE SISTEMAS Y SEÑALES 1418 4 09 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería de Control
Victrola de La Transformada de Fourier
Victrola de La Transformada de Fourier p. 1/2 Victrola de La Transformada de Fourier Introducción para Músicos Juan I Reyes juanig@maginvent.org artelab Laboratorios de Artes Electrónicas Victrola de La
Capítulo 2. Métodos estadísticos Simulación estadística. Simulación univariante
Capítulo 2 Métodos estadísticos 21 Simulación estadística La simulación estadística consiste en generar realizaciones de variables aleatorias que siguen unas distribuciones concretas Si esas variables
Teoría de Telecomunicaciones I
UNIVERSIDAD DEL CAUCA FACULTAD DE INGENIERIA ELECTRONICA Y TELECOMUNICACIONES PROGRAMA DE INGENIERIA ELECTRONICA Y TELECOMUNICACIONES DEPARTAMENTO DE TELECOMUNICACIONES TEORIA DE TELECOMUNICACIONES I VICTOR
Análisis de Fourier: efectos de un medio físico ideal en la transmisión de una señal digital
Análisis de Fourier: efectos de un medio físico ideal en la transmisión de una señal digital Pedro Manuel Díaz Varela Estudiante de Ingeniería en Computación Universidad Nacional del Sur Avda. Alem 153
PRÁCTICA DE CHATTER SUPERVISIÓN AUTOMÁTICA DE PROCESOS
PRÁCTICA DE CHATTER SUPERVISIÓN AUTOMÁTICA DE PROCESOS Desarrollar un sistema capaz de supervisar un proceso y en caso necesario, intervenir para corregirlo si su evolución no es aceptable. Es necesario
Introducción al Diseño de Filtros Digitales
Introducción al Diseño de Filtros Digitales Diego Milone Procesamiento Digital de Señales Ingeniería Informática FICH-UNL 3 de mayo de 2012 Organización de la clase Introducción Concepto y clasificación
AUDIO DIGITAL. Diego Cabello Ferrer Dpto. Electrónica y Computación Universidad de Santiago de Compostela
AUDIO DIGITAL Diego Cabello Ferrer Dpto. Electrónica y Computación Universidad de Santiago de Compostela 1. Introducción Señal de audio: onda mecánica Transductor: señal eléctrica Las variables físicas
3. ANÁLISIS DE SEÑALES
3. ANÁLISIS DE SEÑALES 3.1 REGISTRO Y TRATAMIENTO DE SEÑALES Una señal se define como la historia de los valores de aceleración que mide un acelerómetro en determinado tiempo para un punto específico.
PRÁCTICA DE CHATTER CHATTER
PRÁCTICA DE CHATTER CHATTER Problema dinámico debido a la aparición de vibraciones autoinducidas Limita prestaciones de máquina-herramienta, reduce la tasa de material eliminado Consecuencias Pérdida de
PROGRAMA DE ESTUDIO. Práctica. Práctica ( ) Semestre recomendado: 8º. Requisitos curriculares: Sistemas Digitales 2
PROGRAMA DE ESTUDIO Nombre de la asignatura: PROCESAMIENTO DIGITAL DE SEÑALES Clave: IEE25 Fecha de elaboración: marzo 2015 Horas Semestre Horas semana Horas de Teoría Ciclo Formativo: Básico ( ) Profesional
Prof. María L. Calvo Clase del 23 y 24 de abril de 2012
Teoría de la señal: Fundamentos de señales óptica Prof. María L. Calvo Clase del 23 y 24 de abril de 2012 Definición Qué entendemos por Tratamiento de señales? Operaciones lógicas: suma, resta, multiplicación,
ELECTIVA I PROGRAMA DE FISICA Departamento de Física y Geología Universidad de Pamplona Marzo de 2010 NESTOR A. ARIAS HERNANDEZ - UNIPAMPLONA
ELECTIVA I PROGRAMA DE FISICA Departamento de Física y Geología Universidad de Pamplona Marzo de 2010 PDS Señal Analoga Señal Digital Estabilidad y Repetibilidad condiciones externa) Inmunidad al ruido
ANÁLISIS BIOMECÁNICO PARA DETERMINAR LA INTERVENCIÓN MUSCULAR EN LOS ESTIRAMIENTOS BALÍSTICOS
ANÁLISIS BIOMECÁNICO PARA DETERMINAR LA INTERVENCIÓN MUSCULAR EN LOS ESTIRAMIENTOS BALÍSTICOS Vara Gazapo, A.; Muñoz Cruz, J.R.; Cordón Colchón, V.M Facultad de CC. de la Actividad Física y del Deporte
Tema 1. Introducción a las señales y los sistemas
SISTEMAS LINEALES Tema. Introducción a las señales y los sistemas de septiembre de F. JAVIER ACEVEDO javier.acevedo@uah.es TEMA Contenidos. Definiciones. Clasificación de señales. Transformaciones de la
Redes de Computadores
Dpto. Ingeniería Div. Ingeniería de Sistemas y Automática Redes de Computadores CONCEPTOS BÁSICOS DE TRANSMISIÓN DE DATOS 1 Objetivos Introducir los conceptos básicos relativos a la transmisión de datos
Integral de Fourier y espectros continuos
9 2 2 2 Esta expresión se denomina forma de Angulo fase (o forma armónica) de la serie de Fourier. Integral de Fourier y espectros continuos Las series de Fourier son una herramienta útil para representar
7.- Teorema integral de Fourier. Transformada de Fourier
7.- Teorema integral de Fourier. Transformada de Fourier a) Introducción. b) Transformada de Fourier. c) Teorema integral de Fourier. d) Propiedades de la Transformada de Fourier. e) Teorema de Convolución.
3. Señales. Introducción y outline
3. Señales Introducción y outline Outline Señales y Sistemas Discretos: SLIT, Muestreo, análisis tiempo-frecuencia, autocorrelación, espectro, transformada Z, DTFT, DFT, FFT Filtros y Estimación: Filtros
Unidad Il: Sistemas Lineales discretos y continuos (continuación)
Unidad Il: Sistemas Lineales discretos y continuos (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados
PRÁCTICA 2: EFECTOS DEL MUESTREO Y DE LA CUANTIZACIÓN
PRÁCTICA 2: EFECTOS DEL MUESTREO Y DE LA CUANTIZACIÓN Objetivo Específico El alumno observará el efecto que tiene el muestreo sobre la información de una señal, comprobando la restricción que da el Teorema
Contenido Capítulo 1 Introducción Capítulo 2 Conceptos Básicos Capítulo 3 Procesamiento de Imágenes en el Dominio Espacial
Contenido Capítulo 1 Introducción 1.Introducción 1 1.1 Sistema Visual Humano 1 1.2 Modelo de Visión por Computadora 3 1.3 Procesamiento Digital de Imágenes 3 1.4 Definición de Imagen Digital 4 Problemas
PRÁCTICA 4: LA TRANSFORMADA RÁPIDA DE FOURIER (FFT)
PRÁCTICA 4: LA TRANSFORMADA RÁPIDA DE FOURIER (FFT) Objetivo Específico El alumno implementará un algoritmo de la Transformada Rápida de Fourier y comparará su rapidez contra el cálculo por fórmula de
Ejercicios de Procesos Estocásticos
Ejercicios de Procesos Estocásticos Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros Ejemplo Considerar
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Asignatura: SISTEMAS LINEALES. Horas/Semana:4 Teoría + 0 Laboratorio. Objetivos
Asignatura: SISTEMAS LINEALES Curso académico: 2007/2008 Código: 590000804 Créditos: 6 Curso: 2 Horas/Semana:4 Teoría + 0 Laboratorio Departamento: ICS Objetivos 1() Para todas las titulaciones OBJETIVOS
Clase 3. Procesos estocásticos en Teoría de la señal.
1 Introducción Clase 3. Procesos estocásticos en Teoría de la señal. Como ya se comentó en la clase anterior, el ruido es una señal inherente a cualquier transmisión de telecomunicación. El ruido es una
Seminario de Procesamiento Digital de Señales
Seminario de Procesamiento Digital de Señales Unidad 5: Diseño de Filtros Digitales - Parte I Marcelo A. Pérez Departamento Electrónica Universidad Técnica Federico Santa María Contenidos 1 Conceptos Básicos
ÍNDICE Capítulo 2 La transformada de Laplace 1 Capítulo 2 Series de Fourier 49 Capítulo 3 La integral de Fourier y las transformadas de Fourier 103
ÍNDICE Capítulo 2 La transformada de Laplace... 1 1.1 Definición y propiedades básicas... 1 1.2 Solución de problemas con valores iniciales usando la transformada de Laplace... 10 1.3 Teoremas de corrimiento
Soluciones de la ecuación de onda ( ) ( ) ( ) ONDAS PLANAS. Ecuación de onda en coordenadas cartesianas. Separación de variables.
ONDAS PLANAS Soluciones de la ecuación de onda cuación de onda en coordenadas cartesianas Ω+ Ω Ω Ω Ω + + + Ω Separación de variables Ω X Y Z d X dy dz + + + X d Y d Z d X d Y d d X dy Z d dz + + cuaciones
Pontificia Universidad Católica Argentina
CARRERA: Ingeniería Electrónica Pontificia Universidad Católica Argentina PROGRAMA DE SEÑALES Y SISTEMAS 330 PLAN DE ESTUDIOS 2006 - AÑO 2010 UBICACIÓN EN EL PLAN DE ESTUDIOS: 3 Año 1 Cuatrimestre CARGA
Preliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
PRÁCTICA 6: DISEÑO DE FILTROS FIR
PRÁCTICA 6: DISEÑO DE FILTROS FIR Objetivo Específico: El alumno utilizará herramientas computacionales para el diseño de filtros de respuesta finita al impulso (FIR). Comparará las características que
Asignatura: SISTEMAS LINEALES. Horas/Semana:4 Teoría + 0 Laboratorio. Objetivos. Programa
Asignatura: SISTEMAS LINEALES Curso académico: 2012/2013 Código: 590000628 Créditos: 6 Curso: 2 Horas/Semana:4 Teoría + 0 Laboratorio Departamento: ICS Objetivos 1() Para todas las titulaciones OBJETIVOS
Introducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Procesamiento Digital. 2.2 Muestreo o discretización
. Procesamiento Digital Una formulación general para las series de ourier es = donde se utiliza otro tipo de función φ k diferente a las funciones sinusoidales.. Interpolación Se puede expresar una función
Índice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Teoría de Telecomunicaciones
El Ruido y su Filtraje Universidad del Cauca Teoría de Telecomunicaciones 1 Introducción El Ruido Las señales eléctricas no deseadas suelen ser generadas por diversas fuentes, generalmente clasificadas
METODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Unidad 3. Técnicas de Modulación
Unidad 3. 3.1 Modulación de Onda Continua. 3.2 Modulación por Pulsos. 1 Antes de transmitir una señal con información a través de un canal de comunicación se aplica algun tipo de modulación. Esta operación
Tema 7: Procesos Estoca sticos
Tema 7: Procesos Estoca sticos Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Definición 2 Caracterización Estadística 3 Estadísticos 4 Estacionariedad 5 Ergodicidad 6 Densidad Espectral de Potencia
Curvas y Superficies
Curvas y Superficies Curvas y Superficies q Motivación q Representación de curvas y superficies q Curvas paramétricas cúbicas q Curvas de Hermite q Curvas de Bézier q B-splines q Superficies paramétricas
TRATAMIENTO Y TRANSMISIÓN
TRATAMIENTO Y TRANSMISIÓN DE SEÑALES INGENIEROS ELECTRÓNICOS SOLUCIÓN CUESTIONES DEL EXAMEN JUNIO 2003 1. Si g(t) es una señal de energía, su autocorrelación viene dada por: Propiedades: R g (τ) =< g(t),
Tema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
ANÁLISIS FRECUENCIAL DE SEÑALES
UNIVERSIDAD DE LOS ANDES POSGRADO INGENIERÍA BIOMÉDICA ENERO 2007 ANÁLISIS FRECUENCIAL DE SEÑALES LUIS ENRIQUE MENDOZA AGENDA INTRODUCCIÓN. DEFINICIÓN. SEÑALES ESTACIONARIAS Y NO ESTACIONARIAS. TRANSFORMADA
Tratamiento Digital de Señales
Departamento de Teoría de la Señal y Communicaciones Tratamiento Digital de Señales Transformada Discreta de Fourier (DFT) Prof.: Manuel Blanco Velasco Sumario Definición e interpretación La DFT como transformación
Gianikellis K, * Pantrigo J.J, ** Tena J.A.*
DISEÑO Y DESARROLLO DEL PAQUETE INFORMÁTICO BiomSoft QUE PERMITE REALIZAR ANÁLISIS BIOMECÁNICOS Y EVALUACIÓN DE LA MOTRICIDAD HUMANA NORMAL Y PATOLÓGICA Gianikellis K, * Pantrigo J.J, ** Tena J.A.* * Laboratorio
Análisis de imágenes digitales
Análisis de imágenes digitales REPRESENTACIÓN Y DESCRIPCIÓN Momentos INTRODUCCIÓN En general, la relación entre una imagen ideal f(x,y) y una imagen observada g(x,y) se describe como g =D( f ) donde D
Matemática Computacional
Matemática Computacional Filtrado en el dominio de la Frecuencia MATEMÁTICA COMPUTACIONAL - MA475 1 Logro El alumno, al término de la sesión, será capaz de entender el filtrado en el dominio de la frecuencia
Análisis Espectral mediante DFT PRÁCTICA 4
Análisis Espectral mediante DFT PRÁCTICA 4 (2 sesiones) Laboratorio de Señales y Comunicaciones 1 PRÁCTICA 4 Análisis Espectral mediante DFT 1. Objetivo Habitualmente, el análisis de señales y sistemas
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES 1.- INTRODUCCIÓN AL NÚMERO REAL Realización de operaciones con números reales. Ordenación de los
Transformada Z Filtros recursivos. clase 12
Transformada Z Filtros recursivos clase 12 Temas Introducción a los filtros digitales Clasificación, Caracterización, Parámetros Filtros FIR (Respuesta al impulso finita) Filtros de media móvil, filtros
RECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS
Rec. UIT-R P.1145 1 RECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS (Cuestión UIT-R 203/3) (1995) Rec. UIT-R P.1145
Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )
1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números
Procesamiento digital de imágenes
Procesamiento digital de imágenes Querejeta Simbeni, Pedro Estudiante de Ingeniería Electricista Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina querejetasimbenipedro@gmail.com
Trabajo Práctico n 2. Robotización de un Puente Grúa. Presentación. Restricciones. Curso 2011
Trabajo Práctico n 2 Robotización de un Puente Grúa Presentación Este problema consiste en desarrollar un sistema de control automático que permita robotizar la operación de un puente grúa para la carga
Bloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
TEMA 1. Principios de Teoría de la Señal
Tecnología de Comunicaciones Inalámbrica (TCI) 2012-2013 TEMA 1. Principios de Teoría de la Señal Juan Carlos Crespo crespozj@dtf.fi.upm.es 1 INTRODUCCIÓN En este capítulo estudiaremos la naturaleza de
1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Medios de Transmisión Práctica Final Simulación de un Sistema de Transmisión Digital Banda Base
Medios de Transmisión Práctica Final Simulación de un Sistema de Transmisión Digital Banda Base Curso 28-29. Introducción El objetivo de esta práctica es realizar un programa en Matlab que simule el funcionamiento
PLAN DE ESTUDIOS 2008-II SÍLABO
UNIVERSIDAD RICARDO PALMA FACULTAD DE INGENIERÍA DEPARTAMENTO ACADÉMICO DE INGENIERÍA I. INFORMACIÓN GENERAL: PLAN DE ESTUDIOS 2008-II SÍLABO 1.1 Asignatura : PROCESAMIENTO DE SEÑALES 1.2. Ciclo : VII
Tratamiento Digital de Señales TEMA 2 : DFT (I)
Tratamiento Digital de Señales TEMA 2 : DFT (I) Universidade de Vigo ETSE Telecomunicación CONTENIDOS 1. Repaso de conceptos asociados con la TF 2. Formulación de la DFT 3. Propiedades de la DFT 4. Métodos
Universidad Icesi Departamento de Matemáticas y Estadística
Universidad Icesi Departamento de Matemáticas y Estadística Solución del primer examen parcial del curso Cálculo de una variable Grupo: Once Período: Inicial del año 000 Prof: Rubén D. Nieto C. PUNTO 1.
Procesos autorregresivos
Capítulo 3 Procesos autorregresivos Los procesos autorregresivos deben su nombre a la regresión y son los primeros procesos estacionarios que se estudiaron. Proceso autorregresivo: Un proceso autorregresivo
ESTUDIO COMPARATIVO SOBRE DISTINTOS TIPOS DE FILTROS FIR IMPLEMENTADOS EN UN DSPIC
ESTUDIO COMPARATIVO SOBRE DISTINTOS TIPOS DE FILTROS FIR IMPLEMENTADOS EN UN DSPIC Autores: Matías L. Martini, Gastón Oviedo Tutor: Ing. Franco M. Salvático (fmsalvatico@hotmail.com) Departamento de Ingeniería
Seguimiento de los parámetros del modelo del tracto vocal
Algoritmos para el seguimiento de los parámetros del modelo de tracto vocal Monografía de Tratamiento Estadístico de Señales parias@fing.edu.uy Instituto de Ingeniería Eléctrica Facultad de Ingeniería
Capítulo 2 Análisis espectral de señales
Capítulo 2 Análisis espectral de señales Objetivos 1. Se pretende que el alumno repase las herramientas necesarias para el análisis espectral de señales. 2. Que el alumno comprenda el concepto de espectro
Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
Conceptos de Señales
Conceptos de Señales ELO 313 Procesamiento Digital de Señales con Aplicaciones Primer semestre - 2012 Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa María Conceptos
Guía 3 - Densidad espectral de potencia, transformación de procesos, ergodicidad
Guía 3 - Densidad espectral de potencia, transformación de procesos, ergodicidad Nivel de dificultad de los ejercicios Estrellas Dificultad Normal Intermedio Desafío Densidad espectral de potencia, transformación
1. Modelos Matemáticos y Experimentales 1
. Modelos Matemáticos y Experimentales. Modelos Matemáticos y Experimentales.. Definición.. Tipos de Procesos.3. Tipos de Modelos 3.4. Transformada de Laplace 4.5. Función de Transferencia 7.6. Función
Práctica 4 - Programación en MatLab
LABORATORIO DE TRANSMISIÓN Práctica 4 - Programación en MatLab Introducción En esta práctica veremos la utilización de diversas órdenes de MatLab, así como el uso de bucles y la creación de funciones y
Aproximación funcional. Introducción
Aproximación funcional. Introducción Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Objetivos Entender
Realzado de Imagen. 11 de junio de El histograma de una imagen digital con niveles de gris en la amplitud de [0, L 1], es función discreta
Realzado de Imagen 11 de junio de 2001 Una operación clásica en el procesado de imagen es realzar una imagen de entrada de alguna manera para que la imagen de salida sea más fácil de interpretarla. La
MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO
Página 1de 6 GUIA DOCENTE DE LA ASIGNATURA SEÑALES DIGITALES MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Materias Comunes Comunicaciones analógicas y digitales 2º 4º 6 Obligatoria PROFESOR(ES) DIRECCIÓN
Ing. Jorge Enrique Montealegre
Tema 1: Muestreo de Señales y Conversión A/D Ing. Jorge Enrique Montealegre jorge.montealegre@unad.edu.co Muestreo de Señales y Conversión A/D 1. Introducción 2. Conversión A/D 3. Teorema del muestreo
Introducción al Tratamiento de Señales
Introducción al Tratamiento de Señales Introducción Presenta: Mauricio Nava Flores -1- Contenido 1. Objetivo general del curso 2. Antecedentes académicos 3. Desarrollo del curso 4. Temario 5. Evaluación
Circuitos SC (Switched Capacitors)
ircuitos S (Switched apacitors) V I V I O V O V I V I O V O Q T S φ 1 : se carga hasta V = V I φ 2 : se descarga hasta V = V O ; Q = (V I V O ) orriente promedio: Î = Q T s = (V I V O ) T s = (V I V O
IDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS
IDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Introduccion La teoría de sistemas
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERÍA ELECTRÓNICA E INFORMÁTICA SÍLABO ASIGNATURA: PROCESAMIENTO DIGITAL DE SEÑALES
SÍLABO ASIGNATURA: PROCESAMIENTO DIGITAL DE SEÑALES CÒDIGO: 8F0047 1. DATOS PERSONALES: 1.1 Departamento Académico : Ingeniería Electrónica e Informática 1.2 Escuela Profesional : Ingeniería Electrónica
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Señales: Tiempo y Frecuencia PRÁCTICA 1
Señales: Tiempo y Frecuencia PRÁCTICA 1 (1 sesión) Laboratorio de Señales y Comunicaciones PRÁCTICA 1 Señales: Tiempo y Frecuencia 1. Objetivo El objetivo de esta primera práctica es revisar: las principales
Tema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
UNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas ANALISIS DE SEÑALES
Facultad Ciencias Básicas e Ingeniería Programa Ingeniería Sistemas CURSO: ANALISIS DE SEÑALES 1 SEMESTRE: V 2 CODIGO: 602502 3 COMPONENTE: 4 CICLO: 5 ÁREA: 6 FECHA APROBACIÓN: 7 NATURALEZA: TEÓRICO-PRACTICO
Comunicaciones I. Capítulo 4 CODIFICACIÓN Y MODULACIÓN
Comunicaciones I Capítulo 4 CODIFICACIÓN Y MODULACIÓN 1 Resumen de lo visto en el Capítulo 4 Se analizó la diferencia entre datos analógicos y digitales, y entre señales analógicas y digitales. A partir
INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
2 Conceptos de vibraciones
2 Conceptos de vibraciones 2. Vibraciones La vibración es una oscilación mecánica en torno a una posición de referencia. Es la variación, normalmente con el tiempo, de la magnitud de una cantidad con respecto
SISTEMAS DE MODULACION
SISTEMAS DE MODULACION SISTEMAS DE MODULACION Introducción El propósito de los Sistema de Comunicaciones es transmitir una Señal Banda Base a través de un canal de comunicaciones que separa Transmisor
Teoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
EL4005 Principios de Comunicaciones Clase No.15: Ruido Blanco y Procesos Gaussianos
EL4005 Principios de Comunicaciones Clase No.15: Ruido Blanco y Procesos Gaussianos Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 6 de Octubre de 2010 1 of 21 Contenidos de
Última modificación: 1 de julio de
Contenido SEÑALES DIGITALES Y CAPACIDAD DE CANAL 1.- Señales digitales de 2 y más niveles. 2.- Tasa de bit e intervalo de bit. 3.- Ancho de banda de una señal digital. 4.- Límites en la tasa de transmisión.
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Filtrado espacial Filtros de suavizado Filtros
Para ser considerada una función aceptable, la función de onda debe ser:
Cualquier estado de un sistema dinámico de N partículas puede ser descrito por la llamada función de onda de las 3N coordenadas espaciales y del tiempo: (1) Para ser considerada una función aceptable,
Universidad de Alcalá
Universidad de Alcalá Departamento de Electrónica CONVERSORES ANALÓGICO-DIGITALES Y DIGITALES-ANALÓGICOS Tecnología de Computadores Ingeniería en Informática Sira Palazuelos Manuel Ureña Mayo 2009 Índice