Proyecto Final: Procesamiento de
Señales EMG
FFT • ICA/BSS • Wavelet DWT
Introducción
• El proyecto aplicó tres métodos para analizar
una señal EMG:
• - FFT para conocer el contenido frecuencial.
• - ICA/BSS para separar señal y ruido.
• - Wavelet DWT para eliminar ruido y resaltar
eventos neuropáticos.
Parte A: FFT
• • Lee la señal EMG y obtiene su espectro.
• • Identifica frecuencias dominantes y ruido
(60 Hz).
• • En EMG neuropático suele haber energía
dispersa y descargas irregulares.
Parte B: BSS / ICA
• • Se añadió ruido sintético y se generaron
mezclas.
• • ICA separó:
• - Señal EMG real
• - Ruido añadido
• • Útil para limpiar EMG o EEG contaminado.
Parte C: Wavelet DWT
• • Descompone la señal en aproximaciones y
detalles.
• • Umbralización hard elimina ruido en altas
frecuencias.
• • Se preservan eventos neuropáticos de gran
amplitud.
Resultados Principales
• • FFT mostró energía dispersa típica de
neuropatía.
• • ICA logró separar señal relevante del ruido.
• • Wavelet generó una señal limpia donde
destacan las descargas neuropáticas.
Conclusiones
• • Cada técnica aporta una perspectiva
distinta.
• • La combinación FFT + ICA + DWT permitió
obtener una señal útil clínicamente.
• • Wavelet fue especialmente eficaz para
resaltar eventos patológicos.
Opinión Crítica
• El proyecto demostró que técnicas avanzadas
superan a filtros simples.
• Requieren comprensión profunda, pero
ofrecen análisis más preciso en EMG
neuropático.
0
