Faculdade de Engenharia "Engenheiro Celso Daniel" TCC – 2008 Eng. de Computação Introdução As técnicas clássicas de processamento de sinal apresentam duas alternativas na representação do mesmo, a fim de se conhecerem as especificidades que o caracterizam. Tais representações são no domínio do tempo e no domínio da frequência. A representação temporal s(t), indica de que forma a amplitude do sinal varia com o tempo, e em certos casos, fornece algumas indicações acerca da variação do conteúdo em frequência do sinal A representação no domínio das frequências (referida muitas vezes como análise espectral) S(f), permite averiguar a existência de diferentes componentes de frequência no sinal, bem como obter informação sobre a magnitude dessas componentes. As representações em tempo-frequência foram desenvolvidas no sentido de tentar responder às limitações diagnosticadas com o uso das técnicas clássicas. A análise tempo-frequência é capaz de revelar se o sinal é monocomponente ou multicomponente (capacidade para discriminar, num dado instante, se existe uma ou mais frequências associadas ao mesmo), tarefa impossível até ao seu uso, sendo esta uma das principais características deste tipo de representações. Existem vários métodos para se obterem representações em tempo- frequência, sendo a transformada por kernel ótimo adaptativo AOK - Adaptive Optimal Kernel- a utilizada no trabalho. Objetivos As técnicas de análise em tempo-frequência constituem um importante progresso na análise de sinais. Tais técnicas são apropriadas aos sinais biomédicos, que se caracterizam por conteúdos em frequência relevantes, não linearidade e não estacionaridade. O presente estudo busca a descrição e correlação entre as características dinâmicas e eletromiográficas durante o andar de adultos diabéticos neuropatas com e sem a presença de ulcerações (Sacco e Amadio, 2003). Metodologia Foi utilizado o programa Matlab ® e técnicas de processamento digital de sinais para a análise dos sinais biológicos fornecidos pela profa. Dra. Isabel de Camargo Neves Sacco, da Faculdade de Medicina da USP. Resultados Figura 1 - ilustra um primeiro resultado de análise temporal de um sinais Eletromiográficos de 4 músculos da perna humana. Figura 2 - ilustra os músculos em ordem sequencial, começando da esquerda para direita. : 1– fibular longo, 2- gastrocnêmio (anterior), 3 – tibial anterior e 4- vasto lateral. Figura 3 - Ilustra as componentes de frequência e suas respectivas potências do sinal do músculo Fibular Longo. Figura 4 - Ilustra a representação em tempo-frequência do músculo Fibular Longo usando a transformada de kernel ótimo adaptativo. Comentários e Conclusões O presente estudo foi uma abordagem inicial na tentativa de se perceber características dinâmicas destes sinais biológicos e que permitiu, também, uma melhor compreensão da teoria estudada. Outras áreas do conhecimento deverão também ser incorporadas para se ter uma visão holística por se tratar notadamente de uma área multidisciplinar. Agradecimentos Ao apoio institucional da Faculdade de Engenharia "Engenheiro Celso Daniel - FAENG; também ao PROF. Dr. Heinar Augusto Weiderpass. Projeto realizado com auxílio da bolsa do Programa de Incentivo à Iniciação Científica - PIIC. Referências SACCO I. C. N., AMADIO A. C., (2003), Influence of the diabetic neuropathy of the behavior of electromyographic and sensorial responses in treadmill gait. Clinical Biomechanics; 18(5): WEIDERPASS H.A., (2003), Estudo de métodos para representação conjunta espaço, tempo e frequência em sinais multidimensionais. Dissertação de mestrado; Escola Politécnica da Universidade de São Paulo. Imagens dos músculos disponíveis em:.Acesso em: 14 ago Transformada de Kernel Adaptativo na Análise de Sinais Eletromiográficos José Cordeiro Barbosa Junior 1, Heinar Augusto Weiderpass 2 1 Aluno e Bolsista da Faculdade de Engenharia "Engenheiro Celso Daniel (FAENG), 2 Professor Orientador da Faculdade de Engenharia "Engenheiro Celso Daniel (FAENG), Centro Universitário Fundação Santo André (CUFSA), Brasil Faculdade de Engenharia Engenheiro Celso Daniel PIIC – 2011 Eng. de Computação