Descomposición empírica en modos por conjuntos completa con ruido adaptativo y aplicaciones biomédicas

MARCELO ALEJANDRO COLOMINAS; GASTÓN SCHLOTTHAUER; PATRICK FLANDRIN; MARÍA EUGENIA TORRES

Revista Argentina de Bioingeniería

Sociedad Argentina de Bioingeniería (SABI)

Lugar: Córdoba; Año: 2011 vol. 17 p. 13 - 17

0329-5257

La Descomposición Empírica en Modos (Empirical Mode Decomposition, EMD) es un método guiado por los datos que permite expresar una señal como una suma de componentes AM-FM. Cada una de estas componentes, llamadas funciones de modo intrínsecas o modos, representa procesos físicos subyacentes en la señal. Sin embargo, en ciertos casos ocurre un fenómeno no deseado conocido como mezcla de modos , frecuentemente presente en ciertas señales biomédicas. Para atenuar este problema, se propuso una variante conocida como Descomposición Empírica en Modos por Conjuntos (Ensemble EMD, EEMD), consistente en realizar la descomposición sobre un conjunto cuyos elementos son las sumas de la señal más realizaciones de ruido blanco gaussiano. Esta descomposición atenúa el problema de la mezcla de modos de la EMD. Sin embargo introduce nuevas dificultades que serán discutidas en este trabajo. Con el objetivo de resolver estos problemas, los autores propusieron un nuevo algoritmo basado en la EEMD, denominado Descomposición Empírica en Modos por Conjuntos con Ruido Adaptativo (Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN). En cada etapa de la descomposición, se agrega un tipo de ruido diferente. La descomposición resultante, a diferencia de la que proporciona la EEMD, es completa, es decir que permite la reconstrucción exacta de la señal original. Se amplía aquí su descripción. Se ilustran los alcances de este nuevo método, analizando tres ejemplos: una función delta de Dirac discreta, un electrocardiograma y una señal de voz. Los resultados muestran que el nuevo método permite eludir satisfactoriamente los problemas de la EEMD, proveyendo una mejor separación espectral de los modos con un menor costo computacional.