Escolar Documentos
Profissional Documentos
Cultura Documentos
Aleksander Sade Paterno1 , Lucas Hermann Negri1 Departamento de Engenharia El etrica (DEE) Universidade do Estado de Santa Catarina (UDESC) Joinville SC Brasil Resumo. A equac a ancia o de Cole-Cole e capaz de modelar o espectro de imped el etrica de determinados materiais, que por consequ encia podem ser caracterizados pelos par ametros desta equac a etodo o. Neste trabalho e proposto um m para a extrac a ametros da equac a o dos par o de Cole-Cole a partir de um espectro de imped ancia el etrica, considerando a presenc a de ru do no espectro. O desempenho do m etodo proposto frente a espectros com ru do foi comparado a um m etodo baseado em m nimos quadrados. Nesta comparac a etodo o, o m proposto se mostrou mais resistente ao ru do do que o algoritmo baseado em m nimos quadrados.
1
o 1. Introduc a
um m til na classicac o de materiA espectroscopia de imped ancia el etrica e etodo u a ais, que utiliza o espectro de imped ancia el etrica do material para descrev e-lo. Uma das es deste m o de tecidos biol o utilizac o etodo est a na classicac a ogicos, como na detecc a o de um material est de c ancer de pr ostata [Halter et al. 2008]. A composic a a relacionada com o espectro de imped ancia el etrica do mesmo [Ivorra 2002], validando este tipo de o. aplicac a O modelo de Cole-Cole, com o devido ajuste de seus par ametros, pode representar de forma aproximada o espectro de imped ancia el etrica de determinados materiais, como o caso da maioria dos pol e meros [Cole e Cole 1941]. Devido a este fato, o espectro de timos um material que siga o modelo de Cole-Cole pode ser resumido pelos par ametros o do modelo. O modelo de Cole-Cole, [Cole e Cole 1941]: para imped ancia el etrica, denido como e (1)
Z (j!) = RI +
R0 RI 1 + (j! )
a resist a resist onde RI e encia em frequ encia innita, R0 e encia est atica, ! e a constante de relaxac o e e o fator de dispers o a frequ encia angular, e a ao / correc a [Cole e Cole 1941]. o dos par A extrac a ametros do modelo de Cole-Cole a partir de um espectro um problema trivial, devido a sua natureza n de imped ancia el etrica n ao e ao-linear e es. V o de par a presenc a de ru do nas medic o arios m etodos para extrac a ametros do o por m modelo foram propostos, utilizando principalmente otimizac a nimos quadrados [Kun et al. 1999, Halter et al. 2008], algoritmos gen eticos [Halter et al. 2008] e m etodos h bridos de regress ao n ao-linear com algoritmos gen eticos [Yang et al. 2002].
o dos par Neste artigo prop oe-se um m etodo para a extrac a ametros do modelo de o por algoritmos gen Cole-Cole (ajuste de curva n ao-linear) utilizando otimizac a eticos, o a presenc levando em considerac a a de ru do. O comparativo entre um m etodo por m nimos quadrados e um m etodo por algoritmos gen eticos realizado em [Halter et al. 2008] resultou que, para o experimento realizado, o m etodo por m nimos quadrados tem um melhor desempenho computacio o em relac o ao m nal e uma melhor qualidade de soluc a a etodo por algoritmos gen eticos. Apesar do resultado deste comparativo, o algoritmo proposto neste trabalho tem como o melhor em espectros com a presenc objetivo uma qualidade de soluc a a de ru do do que algoritmos baseados em m nimos quadrados.
2. Algoritmo Proposto
O algoritmo proposto determina os par ametros RI , R0 , e do modelo de Cole-Cole o aceit o (1) que proporcionem uma aproximac a avel entre o espectro resultante da aplicac a o por algoritdestes par ametros no modelo e o espectro mensurado, utilizando otimizac a esperado que o mesmo ir mos gen eticos. Por ser um m etodo meta-heur stico n ao e a deter timo, ou seja, a sua aplicac o tem como objetivo enconminar o conjunto de par ametros o a o aceit trar um conjunto de par ametros que proporcione uma soluc a avel [Coppin 2010]. o por algoritmos gen o Os m etodos de otimizac a eticos s ao baseados na evoluc a o competem pela sobreviv natural, onde os indiv duos de uma determinada populac a encia, o de soluc es tenha uma melhor adaptac o ao com o objetivo de que cada nova gerac a o a problema[Haupt e Haupt 1998]. De forma simplicada, um algoritmo gen etico pode ser separado nas seguintes etapas [Haupt e Haupt 1998]: o da populac o de soluc es, que s 1. Inicializac a a o ao distribu das pelo espac o de busca do problema; o da condic o de parada; 2. Vericac a a o dos indiv 3. Selec a duos mais adaptados para cruzamento; o dos indiv 4. Mutac a duos; o de parada seja Neste processo, as etapas de 2 a 4 s ao repetidas at e que a condic a es de parada encontram-se chegar at satisfeita. Entre as poss veis condic o e um limite de es ou chegar em um indiv o de um initerac o duo sucientemente adaptado. A adaptac a calculada a partir de um func o heur o o ambiente div duo e a stica, que leva em considerac a o e normalmente chamada de func (problema sendo tratado). Esta func a a a o de avaliac o ou tness function. o de cruzamento e respons Em um algoritmo gen etico, a operac a avel por combinar o caracter sticas de indiv duos, resultando em uma busca local, enquanto que a mutac a se responsabiliza por garantir que uma determinada caracter stica n ao se perca permanentemente, ou seja, realiza uma busca global, com o objetivo de evitar m aximos locais[Whitley 1994]. o de avaliac o utilizada e o erro quadr Neste m etodo proposto, a func a a atico m edio, o dos par calculado utilizando a diferenc a entre o espectro resultante da aplicac a ametros representados pelo indiv duo avaliado no modelo de Cole-Cole (1) e o espectro no qual o deste erro. se quer extrair os par ametros, logo este algoritmo busca a minimizac a
Os par ametros do modelo (1) podem ser restritos a determinados intervalos, de forma a acelerar a converg encia do algoritmo. Os limites destes par ametros dependem do material analisado. Com o conhecimento do comportamento do modelo (1) e do espectro poss do material, e vel determinar estes limites de forma simples. o do m o utilizando a linguagem de A implementac a etodo proposto foi realizac a o C++ e a biblioteca GAlib [Wall 1996]. As demais congurac es do algoprogramac a o ritmo gen etico, descritas em [Wall 1996], s ao: o Congurac a Valor Genome GABin2DecGenome Terminator TerminateUponConvergence nConvergence 10000 pConvergence 1,005 populationSize 30 pMutation 0,01 pCrossover 0,85
Tabela 1. Congurac oes do algoritmo genetico.
o do m A implementac a etodo tem como entrada os limites dos par ametros, as amostras do espectro de imped ancia que ser a aproximado e quais componentes da imped ancia (somente a parte real, somente a parte imagin aria ou ambas) ser ao utilizadas o e a listagem dos par no processo. A sa da da implementac a ametros determinados pelo o (menor erro). algoritmo, correspondentes ao indiv duo com melhor adaptac a A capacidade do m etodo proposto de aproximar o sinal (espectro de imped ancia) capaz a partir de qualquer componente da imped ancia el etrica implica que o mesmo e de reconstruir de forma aproximada o sinal de entrada a partir de qualquer um dos com o de c ponentes do mesmo, sem a utilizac a alculo. Por exemplo, pode-se utilizar a parte real de um espectro para reconstruir a sua parte imagin aria, desde que o espectro siga o modelo de Cole-Cole (1). 2.1. Ru do O algoritmo proposto considera a presenc a de um ru do aditivo aleat orio no espectro, com o dos par a mesma intensidade em cada frequ encia (ru do branco). A extrac a ametros do o no valor destes modelo de Cole-Cole de um espectro com ru do resulta em uma variac a o a ` extrac o ao espectro sem ru par ametros em relac a a do. O algoritmo proposto procura o. evitar esta variac a um componente aditivo (1). Devido a minimizac o de erro realizada RI , que tamb em e a pelo m etodo proposto, o componente RI acaba sendo deslocado, tendendo a car no ponto m edio formado pelo ru do somado ao componente RI do espectro sem ru do. A presenc a de um ru do branco aditivo se reete, principalmente, no par ametro
3. Experimentos
o (1), com par O m etodo foi testado com dados gerados a partir da equac a ametros esco o de ru lhidos de maneira arbitr aria e com a adic a do. Para testar o seu desempenho, o
m etodo proposto foi comparado a um m etodo baseado no trabalho de [Kun et al. 1999], o por m que utiliza otimizac a nimos quadrados. 3.1. Metodologia Os espectro utilizado no experimento foram gerados a partir dos dados da Tabela 2. Foram gerados v arios espectros, com diferentes n veis de ru do, utilizando 33 pontos distribu dos de 500 Hz at e 1 MHz. Par ametro
RI R0
106
0,8
Valor 10 250
o do m Para cada espectro, a implementac a etodo proposto foi executada 30 vezes (os resultados utilizam a m edia e o desvio padr ao dos valores de sa da) utilizando todos o do m os componentes da imped ancia e a implementac a etodo por m nimos quadrados nica vez. Isto se deve ao fato do m foi executada uma u etodo proposto ser estoc astico, o, e ao fato do m podendo ter resultados diferentes a cada execuc a etodo por m nimos quadrados ser determin stico, sempre resultando na mesma sa da para uma mesma entrada. 3.2. Resultados A Tabela 3 cont em os resultados do experimento para o m etodo baseado em m nimos quadrados implementado. Estes resultados expressam a diferenc a dos par ametros extra dos do espectro com a presenc a de ru do para os seus respectivos par ametros do espectro sem ru do, em porcentagem. Os resultados est ao organizados por SNR1 . o do m Os resultados para a implementac a etodo proposto est ao expostos na Tabela 4, que segue o mesmo modelo da tabela 3, por em tr as a m edia e o desvio padr ao amostral es. das variac o SNR (dB) RI (%) 52 4,675 46 7,076 42 10,644 37 18,085 32 32,212 26 79,449 21 149,846
dos parametros Tabela 3. Variac ao extra dos de acordo com o SNR, para o metodo baseado em m nimos quadrados implementado.
o dos par A Figura 1 mostra um gr aco comparando o somat orio da variac a ametros o do m (excluindo o par ametro RI ) por SNR da implementac a etodo por m nimos quadra o do m dos e da implementac a etodo proposto.
1
Signal-to-noise ratio
SNR (dB) RI (%) 52 5,810 (0,639) 46 10,874 (0,715) 42 16,369 (0,190) 37 28,979 (0,058) 32 48,246 (0,388) 26 112,592 (1,547) 21 205,154 (1,032)
R0 (%)
0,023 (0,014) 0,028 (0,034) 0,014 (0,016) 0,001 (0,001) 0,646 (0,014) 0,763 (0,207) 0,594 (0,162)
(%)
0,081 (0,054) 0,220 (0,055) 0,184 (0,022) 0,107 (0,005) 0,838 (0,033) 2,578 (0,282) 2,342 (0,211)
(%)
0,133 (0,083) 0,253 (0,080) 0,498 (0,023) 0,972 (0,005) 1,000 (0,026) 3,582 (0,277) 6,750 (0,211)
dos parametros Tabela 4. Variac ao extra dos de acordo com o SNR, para a do metodo implementac ao proposto.
3.3. An alise dos Resultados o 2.1, o par o entre Estando de acordo com a Sec a ametro RI sofreu a maior variac a os par ametros extra dos. Desconsiderando o par ametro RI , observa-se que o m etodo o dos par proposto resulta em uma menor variac a ametros (tomando o somat orio das es), conclus variac o ao que pode ser visualizada com o aux lio da Figura 1. Para espectros com ru do, o experimento mostra que o par ametro RI sofre uma o signicativa, o que pode impedir a sua utilizac o na alimentac o de sistemas de variac a a a o. classicac a
4. Conclus ao
o dos par Neste trabalho foi proposto um m etodo para a extrac a ametros do modelo de o por Cole-Cole a partir de um espectro de imped ancia el etrica, utilizando otimizac a o do m algoritmos gen eticos. Uma implementac a etodo proposto foi comparada a uma o de um m implementac a etodo baseado em m nimos quadrados, com o objetivo de comparar a qualidade do ajuste e a resist encia ao ru do dos m etodos. Os resultados obtidos o com o ru o RI , e que mostram que o par ametro que sofreu uma maior variac a do e o deste par o do algoritmo proposto se mostrou mais com excec a ametro, a implementac a resistente ao ru do. Devido ao fato do m etodo proposto poder trabalhar com qualquer capaz de reconstruir um compocomponente da imped ancia el etrica, o m etodo tamb em e nente do espectro de entrada a partir do outro, se o espectro seguir o modelo de Cole-Cole. 4.1. Trabalhos Futuros Os seguintes itens cam como sugest oes para trabalhos futuros:
o do desempenho computacional do m Otimizac a etodo proposto; o de outros m o, como otimizac o por enxame Experimentac a etodos de otimizac a a de part culas; o de heur Adic a sticas para melhorar a resist encia ao ru do;
Refer encias
[Cole e Cole 1941]COLE, K. S.; COLE, R. H. Dispersion and absorption in dielectrics. i. alternating current characteristics. Journal of Chemical Physics, v. 9, p. 341351, 1941. [Coppin 2010]COPPIN, B. Intelig encia Articial. 1o . ed. [S.l.: s.n.], 2010. [Halter et al. 2008]HALTER, R. J. et al. Genetic and least squares algorithms for estimating spectral eis parameters of prostatic tissues. Physiological Measurement, v. 29, p. S111 S123, 2008. [Haupt e Haupt 1998]HAUPT, R. L.; HAUPT, S. E. Practical Genetic Algorithms. 2o . ed. [S.l.]: Wiley Interscience, 1998. [Ivorra 2002]IVORRA, A. Bioimpedance Monitoring for physicians: an overview. 2002. [Kun et al. 1999]KUN, S. et al. Real-time extraction of tissue impedance model parameters for electrical impedance spectrometer. Medical & Biological Engineering & Computing, v. 37, p. 428432, 1999. [Wall 1996]WALL, M. GAlib: A C++ Library of Genetic Algorithm Components. 1996. Dispon vel em: <http://lancet.mit.edu/ga/>. Acesso em: 13/06/10. [Whitley 1994]WHITLEY, D. A genetic algorithm tutorial. Statistics and Computing, v. 4, p. 6585, 1994. [Yang et al. 2002]YANG, M. et al. A hybrid genetic algorithm for the tting of models to electrochemical impedance data. Journal of Electroanalytical Chemistry, v. 519, p. 18, 2002.