Lezione n. 4 (caratterizzazione dei segnali e analisi in ... · Elettrici (potenziali, correnti,...
Transcript of Lezione n. 4 (caratterizzazione dei segnali e analisi in ... · Elettrici (potenziali, correnti,...
1
Lezione n. 4(caratterizzazione dei segnali e analisi in
frequenza)
Corso di Elaborazione di Segnali Biomedici
2
I ruoli del medico e del bioingegnere nell’analisi di segnali biomedici
MEDICO• Quali segnali misurare
• Quale informazione possono contenere
• Come utilizzarli nella diagnosi prognosi e terapia
TECNOLOGO• Come misurare i segnali
• Come estrarre il contenuto informativo
• Come renderli utilizzabili dal medico
Corso di Elaborazione di Segnali Biomedici
3
Corso di Elaborazione di Segnali Biomedici
4
•Il progresso delle scienze biomediche e della tecnologia applicata ad esse non consentono più di tenere rigidamente separate le figure professionali di medico e di tecnologo.
•Esiste una necessità di integrazione continua delle rispettive conoscenze.
PROCESSO DECSIONALE IN MEDICINA
1. Collezione ed acquisizione di dati e segnali
2. Analisi dei dati e dei segnali
3. Decisione del medico
4. Trattamento del paziente in seguito alla decisione
5. Ripetizione dal punto 1 fino al recupero del paziente
Le tecnologie e le metodologie della bioingegneria assistono il medico in questo processo fornendo alcuni mezzi per estendere la propria conoscenze e crearne di nuova attraverso l’acquisizione di nuove informazioni.
Corso di Elaborazione di Segnali Biomedici
5
ACQUISIZIONE ED ELABORAZIONE DI SEGNALI BIOMEDICI
Problematiche fondamentali:
1. Trasduzione di una grandezza fisica in un segnale elettrico e sua manipolazione
a. Aspetti metodologici (filtraggio, compressione,..)
b. Aspetti tecnologici (trasduttori, amplificatori, condizionamento,..)
2. Registrazione o memorizzazione del segnale
a. Analogica (durata, supporti, trattamento,..)
b. Digitale (conversione A/D, quantizzazione, supporti,..)
3. Elaborazione ed estrazione del contenuto informativo.
a. Trasformazione del segnale
b. Analisi automatica
c. Elaborazioni statistiche
Corso di Elaborazione di Segnali Biomedici
6
CLASSIFICAZIONI DEI SEGNALI BIOMEDICI
1. In base alla loro origine fisica:a. Elettrici (potenziali, correnti, capacità, resistenze..)b. Meccanici (forze, pressioni, deformazioni, ..)c. Termodinamici (temperature, calore, ..)d. Chimici (concentrazioni, ph, ..)
2. In base alla loro origine biologicaa. Generati autonomamente da un organismob. Evocati in risposta ad uno stimolo (energia)
3. In base alle loro caratteristiche matematiche:a. Monodimensionali o pluridimensionalib. Deterministici o aleatoric. Periodici o non periodicid. Continui o discreti
Corso di Elaborazione di Segnali Biomedici
7
Corso di Elaborazione di Segnali Biomedici
8
9
Segnali Deterministici
Periodici Non Periodici
Sinusoidali Non Sinusoidali Pseudo-periodici Transienti
Segnali Non-Deterministici (aleatori)
Stazionari Non-stazionari
Segnali continui o discreti nel tempo
Segnali continui in ampiezza o quantizzati
CLASSIFICAZIONE MATEMATICA DEI SEGNALI
10
Segnali temporali
11
Segnali bidimensionali spaziali (immagini)
12
Tipi di segnali - EsempiUn segnale a tempo continuo x(t) èdefinito in ogni istante di tempo.
Il segnale a tempo discreto x(n) si ottiene campionando x(t) cioèprendendo solo alcuni valori di x(t), uniformemente spaziati nel tempo.
In questo caso abbiamo utilizzato 5 campioni per sec
Corso di Elaborazione di Segnali Biomedici
13
Segnali continui nel tempo: segnali periodici
0( ) cos( )x t A tω φ= +
14
Segnali continui nel tempo: esponenziale reale
a>0
a<0
atCetx =)(
15
Segnale sinusoidale discreto
• Non è detto che sia periodico
x(n)=cos(2πn/12) SI
x(n)=cos(8πn/31) SI
x(n)=cos(n/6) NO!!
16
Condizione di periodicità di segnali sinusoidali
• Segnale continuo– Segnali distinti per valori distinti
di ω0
– Periodico per tutti i valori di ω0
– La frequenza fondamentale è ω0
– Periodo fondamentale
• Segnale discreto– Segnali identici per valori di
frequenza separati di 2π– Periodico solo se
per valori interi N>0 e m.
– La frequenza fondamentale è
– Periodo fondamentale
)( 0nsen Ω)( 0tsen ω
Nmπ2
0 =Ω
m0Ω
00 /2 0per ωπω =≠ T00 /2 0per Ω=≠Ω mT π
17
⎩⎨⎧
≥<
=0per 1
0per 0)(
t
ttu
Funzioni base: il gradino unitario
Il gradino unitario è discontinuo per t=0, tuttavia, in termini di teoria delle distribuzioni, se ne può calcolare la derivata: per definizione la derivata del gradino è la distribuzione δ(t) o impulso unitario
Essa può essere vista come il limite a cui tende la derivata di funzioni con pendenza 1/∆, con ∆ sempre più piccolo.
18
Gradino e impulso discreti
⎩⎨⎧
≥<
=0per 1
0per 0)(
n
nnu
⎩⎨⎧
=≠
=0per 1
0per 0)(
n
nnδ
19
Il segnale a tempo discreto x(n) si ottiene campionando x(t) cioèprendendo solo alcuni valori di x(t), uniformemente spaziati nel tempo.
E’ possibile decidere quanti campioni considerare (di solito in 1 sec) come mostrano i 3 esempi.
L’intervallo temporale tra due campioni successivi si chiama intervallo o periodo di campionamento TC
Corso di Elaborazione di Segnali Biomedici
20
Tipi di segnali - Esempi
Segnale analogico a tempo continuo
Segnale discreto nel tempo
Segnale discreto nel tempo e nelle ampiezze:
numerico
Corso di Elaborazione di Segnali Biomedici
21
Tipi di segnali – EsempiSINUSOIDE DETERMINISTICO E
PERIODICO
ELETTROCARDIOGRAM. DETERMINISTICO QUASI PERIODICO
POTENZIALE D’ AZIONE DETERMINISTICOTRANSIENTE
ELETTROENCEFALOGRA. STOCASTICO STAZIONARIO PER BREVI TRATTI
ELETTROMIOGRAMMA STOCASTICO STAZIONARIO PER BREVI TRATTI
POT. EVOCATO +ELETTROENCEFALOGRA.
DETREMINISTICO TRANSIENTE +
STOCASTICO STAZIONARIO
Corso di Elaborazione di Segnali Biomedici
22
Sistema LineareInvariante
Ingresso u(t) Uscita y(t)
Nei sistemi lineari invarianti vale il principio della sovrapposizione delle cause e degli effetti. Ovvero, se u1(t) e u2(t) sono ingressi del sistema che producono rispettivamente le uscite y1(t) e y2(t), allora
dato l’ingresso u(t)=a.u1(t)+b.u2(t),
esso produrrà un’uscita y(t)=a.y1(t)+b.y2(t)
Se in ingresso ad un SLI fornisco un impulso δ(t) ed ottengo un’uscita h(t), essa prende il nome di risposta impulsiva del sistema.Ogni sistema lineare è caratterizzato dalla sua risposta impulsiva h(t).
Sistemi lineari invarianti
Corso di Elaborazione di Segnali Biomedici
23
Analisi in frequenza
• Un segnale monodimensionale può genericamente essere definito come la sequenza dei valori assunti da una grandezza fisica.
• Rappresentazione più comune: andamento temporale
• Alternativa: rappresentazione in frequenza (SPETTRO)
24
25
• Un segnale sinusoidale ha espressione analitica:
dove A è detta Ampiezza e T periodo
Si definisce la frequenza come f=1/T, di conseguenza una rappresentazione analitica equivalente sarà:
a cui corrisponde la rappresentazione grafica( ) ( )ftAtY π2sin⋅=
( ) ⎟⎠⎞
⎜⎝⎛⋅=
T
tAtY
π2sin
t
Analisi in frequenza
26
• Rappresentazione spettrale del segnale sinusoidale
• l’altezza della barra è A e la sua posizione sull’asse delle frequenze è f.
Frequenze
Am
pie
zze
Analisi in frequenza
27
• Facendo la somma di n segnali sinusoidali, ciascuno di ampiezza Ai e di frequenza fi, si ottiene un segnale la cui rappresentazione analitica è:
( ) ( )tfAtY i
n
ii π2sin
1∑=
⋅=
Analisi in frequenza
28
• Esempio di andamento temporale di un segnale somma di sinusoidi
t
Y(t
)
Analisi in frequenza
29
• Corrispondente rappresentazione spettrale di segnale somma di sinusoidi
1 2 3 4 5 6 7 8 9 10
Frequenze
Am
pie
zze
Analisi in frequenza
30
• E’ possibile generalizzare la definizione di spettro a segnali nonsinusoidali perché secondo il teorema di Fourier, una funzione periodica y(t), di periodo T, è sviluppabile in una serie costituita da un termine costante A0 e da una somma di infinite sinusoidi. Cioè:
( ) ( )tfiBtfiAAtYi
ii
i 01
01
0 2*sin2*cos)( ππ ⋅+⋅+= ∑∑∞
=
∞
=
∫ ⋅⋅=T
dttyT
A00 )(
1
in cui si ha: f0=1/T;le frequenze delle sinusoidi sono multiple della frequenza f0 (cioè fi=i*f0).
I coefficienti A0, Ai e Bi sono calcolabili secondo le formule:
∫ ⋅⋅⋅⋅=T
i dttfityT
A0 0 )2cos()(
2 π
∫ ⋅⋅⋅⋅=T
i dttfityT
B0 0 )2sin()(
2 π
Analisi in frequenza
31
• Infine è possibile generalizzare ulteriormente la definizione di spettro a funzioni non periodiche allorché il periodo tende a crescere all’infinito. La distanza tra le righe dello spettro tende a zero e lo spettro diventa continuo. La serie di Fourier si trasforma in un integrale che assume il nome di Trasformata di Fourier
Frequenze
Am
piez
ze
Analisi in frequenza
32
• Consideriamo un qualsiasi sistema lineare dotato di un ingresso ed una uscita.– Imponiamo un segnale sinusoidale, y(t), all’ingresso e
registriamo l’uscita u(t).
( ) ( )ftAtY π2sin⋅=
( ) ( )ftBtU π2sin⋅=
• Esaurito un transitorio iniziale, l’uscita assume un andamento sinusoidale avente la stessa frequenza del segnale di ingresso.
t
t
Risposta in frequenza
33
• Per completezza occorre dire che l’ampiezza non sarà l’unica differenza tra ingresso e uscita, ma i due segnali differiranno tra loro, in generale, anche per la fase e quindi le espressioni analitiche che andrebbero in realtà considerate sono:
( ) ( )ϑπ +⋅= ftAtY 2sin
( ) ( )φπ +⋅= ftBtU 2sin
φϑ ≠con:
Risposta in frequenza
34
• Tracciando graficamente l’andamento del rapporto tra le ampiezze B/A in funzione della frequenza del segnale otteniamo il diagramma del modulo della risposta in frequenza del sistema in esame.
• Per la rappresentazione di questo diagramma vengono utilizzate scale logaritmiche su entrambi gli assi. Inoltre per la scala orizzontale viene utilizzata la pulsazione:
• Per la scala verticale viene utilizzata l’unità di misura logaritmica dB (decibel), definendo:
• Nella scala bilogaritmica come sopra definita, gli andamenti diventano lineari, quindi possono essere approssimati da rette ottenendone i diagrammi asintotici.
fπ2=Ω
( )MM dB 10log20][ =
Risposta in frequenza
35
• Esempio di diagramma reale con il relativo diagramma asintotico.
• L’ascissa del punto di intersezione, Ωt, tra i due asintoti viene detta pulsazione di taglio.
• La frequenza di taglio risulterà quindi:• Comportamenti passa-basso, passo-alto, ecc.
π2t
tfΩ
=
Risposta in frequenza
36
Analisi in frequenza di un segnale
• l’analisi in frequenza di un segnale o analisi di Fourier descriveil segnale y(t) come somma di sinusoidi in numero eventualmente illimitato
• Se si considera il caso di un segnale periodico di periodo T; questo mediante la serie di Fourier viene descritto come somma di coseni e seni con frequenza pari alla frequenza fondamentale f1=1/T e con frequenza multipla (componenti armoniche) fk=k/T.
• la trasformata di Fourier generalizza questo concetto a funzioni aperiodiche.
Corso di Elaborazione di Segnali Biomedici
37
Scomposizione di funzioni periodiche 1• consideriamo un segnale con periodico 0.2 sec (freq.
fondamentale 5 Hz) costituito da 3 armoniche:
)t202(sin6.0)t102cos(25.1)t52(sin)t(y ⋅⋅π+⋅⋅π+⋅⋅π=
• si nota che l’andamento del segnale su un periodo descritto dal valore di y per tutti i valori reali 0 ≤ t < 0.2 viene riassunto da solo 3 valori, le ampiezza delle armoniche
Corso di Elaborazione di Segnali Biomedici
38
Esempio 1 - scomposizione di un ECG• esempio di sintesi di un tracciato ECG da un numero
crescente di armoniche: a) 4; b) 10; c) 30
• si noti come per riprodurre picchi stretti occorra un gran numero di armoniche
a) 4 armoniche b) 10 armoniche
c) 30 armoniche
Corso di Elaborazione di Segnali Biomedici
39
Esempio 1 - scomposizione di un ECG• le prime 10 armoniche della sintesi di ECG vista preced.:
k=0, componente continua; k=1, armonica fondamentale;k=2, .... , 10, armoniche superiori
Corso di Elaborazione di Segnali Biomedici
40
Esempio 2 - scomposizione di un onda quadra
• onda quadra; prima e terza armonica; più armoniche (1, ... , 11)
• serie di Fouriersono presenti solo frequenze armoniche dispari e solo coseni(la funzione è pari)con coeff. > 0 (fase 0)opp. < 0 (fase 180°)
Corso di Elaborazione di Segnali Biomedici