Escolar Documentos
Profissional Documentos
Cultura Documentos
Processamento de Sinais
1.1.Anlise de Fourier
A idia bsica por trs da transformada de Fourier decompor um sinal
varivel no tempo s (t), definida ao longo de um intervalo t = -T / 2 para t =
T / 2, para uma soma ponderada de seno e cosseno de ondas em
frequncias diferentes.
(1)
onde a frequncia angular, definida como = 2 / T, e f a frequncia
comum (medida em Hertz ou ciclos por segundo), definido como f = 1 / T. O
intervalo de tempo T pode ser visto como o perodo de um sinal peridico de
s(t). A expanso acima de s(t) em uma soma de termos infinitos chamada
de srie de Fourier ou expanso de Fourier.
Suponha que voc tem uma funo degrau que um valor positivo
constante por algum tempo e, em seguida, torna-se um valor negativo
constante, seguido pelo valor positivo original novamente. Como mostrado
na figura 1, voc pode aproximar a funo de passo, adicionando ondas
senoidais de diferentes freqncias, cada uma ponderada por uma
amplitude diferente. A funo de passo pode assim ser decomposta em um
conjunto de funes seno (um nmero potencialmente infinito deles) de
A figura 1 mostra como uma funo passo pode ser aproximada como uma soma ponderada das funes
seno de diferentes frequncias e amplitudes. A - funo degrau que se alterna entre um valor constante
positivo (0,8) e um valor negativo constante (-0,8). B - sin (x). C - sin (x) + (1/3) sin (3x). D - sin (x) +
(1/3) sin (3x) + (1/5) pecado (5x) + .. + (1/11) pecado (11x). E - sin (x) + (1/3) sin (3x) + .. + (1/51)
pecado (51x). F - sin (x) + (1/3) sin (3x) + .. + (1/151) pecado (151x).
(Imagem: 4.2.1 Fourier Analysis, pgina 40 braincomputer interfacing Rao, Rajesh P. N. 2013)
Apesar de no entrar em detalhes aqui, deve-se notar que o sinal s(t) tem
de cumprir determinadas condies razoveis (como permanecendo
limitado) para a expanso de existir. Podemos tambm, considerar o seno e
o cosseno na equao como "funes de base". Estas funes base pode ser
resumida com diferentes pesos para produzir diferentes tipos de sinais.
Estimar os coeficientes na equao consiste em multiplicar o sinal original
com o cosseno ou seno correspondente e somando ao longo do tempo:
(2)
Pode-se considerar essas equaes como basicamente realizando uma
correlao cruzada entre o sinal de entrada e cosseno ou seno de uma
freqncia particular.
Podemos obter uma forma mais simples da srie de Fourier deixando os
coeficientes de ser nmeros complexos. Lembre-se que os nmeros
complexos so da forma
a+ jb
j= 1 . Assim
onde
(3)
Com isso a srie de Fourier torna-se:
(4)
Onde:
(5)
Essa transformao para o conjunto de coeficientes dadas pela equao 4
tambm chamada a transformada de Fourier do sinal
s (t) .
t=0, ...T 1
e transforma-lo para os
(6)
onde w = 2pi / T como antes.
Em aplicaes tpicas do BCI, estamos interessados nas diferentes
componentes de freqncia durante o curso de uma tarefa. Embora o
espectro de amplitude possam ser usadas para este fim, mais comum
usar o espectro de potncia do sinal:
(7)
1.2.2. Transformada de Fourier Rpida (FFT)
Calcular a DFT com base na sua definio acima, pode ser bastante lento. A
transformada rpida de Fourier uma maneira mais eficiente de clculo da
DFT. Ela executado no tempo de aproximadamente
Na Figura 2 o sinal EEG no topo uma mdia ao longo de vrios ensaios. Este sinal pode ser decomposto
em uma combinao linear ponderada dos wavelets mostrados abaixo (wavelets de a = 1 a 4 so
mostradas; aquelas de 8 a 16 no so apresentados). Cada wavelet uma verso reduzida e traduzida
de uma wavelet me (duas cpias traduzidas so mostrados em escala a = 1). O fator de escala
diminudo pelo ndice, que duplicado a cada passo at a=16. Isto leva a duas ondas em um a= 1, 4 at
a=2, 8 at a = 4, etc. Os coeficientes ou pesos, que representam a transformada wavelet para este sinal,
so mostradas como barras do lado direito. Note-se que estes coeficientes captura as vrias
caractersticas do sinal, a flutuao negativa entre 3 e 4 um "potencial evento relacionado" (ERP) e
capturado pelos grandes coeficientes de ondas 5 e 12 (from Hinterberger et al., 2003).
(Imagem: 4.3 Wavelet Analysis, pgina 46 braincomputer interfacing Rao, Rajesh P. N. 2013)
L(k )
do sinal de entrada em
(8)
A dimenso fractal D para os sinais do crebro, tais como EEG pode variar
entre 1,4 e 1,7, com valores mais elevados em casos de atividades que
geram picos elevados, como convulses. Em aplicaes tpicas BCI, D
valores so calculados utilizando uma janela deslizante e utilizada como
caracterstica local para caracterizar a complexidade do sinal de tempo.
3.2.Filtros Espaciais
A figura 3 ilustra a idia por trs do PCA, que encontra as direes de mxima varincia nos dados. Para
os dados bidimensionais mostrados (pontos mercado X), o sentido de varincia mxima ao longo da
diagonal do vetor (seta maior). O segundo vetor direcional encontrado por PCA ortogonal primeira e
mostrado pela seta curta. Uma vez que a maior parte da varincia ao longo do primeiro vector, pode-se
projetar todos os pontos de dados para este vetor e representar os dados de coordenadas com
unidimensionais (crculos) ao longo deste vector. Isto consegue uma reduo na dimensionalidade a
partir de duas dimenses para uma (embora com a perda de uma pequena quantidade de informao
sobre os dados ao longo do vetor dado pela seta curta). Semelhantes (mas muito maiores) redues de
dimensionalidade podem ser alcanadas para os dados de dimenses superiores, como imagens e sinais
do crebro multi-canal.
(Imagem: 4.5.2 Pincipal Component Analysis (PCA), pgina 56 braincomputer interfacing Rao,
Rajesh P. N. 2013)