DOI:
https://doi.org/10.14483/22484728.16434Publicado:
2020-01-31Número:
Vol. 14 Núm. 1 (2020)Sección:
Visión de CasoDetection of relevant information in intrinsic mode functions
Detección de información relevante en funciones de modo intrínseco
Palabras clave:
EMD, Entropy, Frequency, HHT, IMF, Information (en).Palabras clave:
EMD, Entropía, Frecuencia, HHT, IMF, Información (es).Descargas
Resumen (en)
The empirical mode decomposition (EMD) decomposes a local and adaptive time series into a finite set of intrinsic mode functions (IMF), AM-FM signals that allow to represent a non-linear and non-stationary model with the advantage of not losing the underlying meaning. This study examines time series of sEMG measurements for a case study of healthy individuals with carpal tunnel syndrome. Due to the amount of multiple levels of detail, all around a central frequency and evoked by the number of IMFs obtained through EMD, the informational contribution of each at the intermodal and interindividual level is studied through Shannon entropy to establish a general framework of spectral study given Hilbert Huang's (HHT) transformation to remarkable degrees of information. The results show that the latest IMFs have more disordered states even when they engage in apparently regular behavior, agglomerate more time-frequency information, and in the same way, concentrate more differentiable characteristics for a process of individualization of patterns.
Resumen (es)
Este estudio explora la descomposición empírica de modos (EMD), técnica local y adaptativa que descompone una serie de tiempo en un conjunto finito de funciones de modo intrínseco (IMF), señales con amplitud y frecuencia variable que permiten representar un modelo no lineal y no estacionario con la ventaja de no perder el significado físico subyacente. Para el caso se examinan series de tiempo provenientes de mediciones sEMG de un estudio de caso de individuos sanos y con síndrome de túnel del carpo. Debida la cantidad de múltiples niveles de detalle, todos alrededor de una frecuencia central y evocados a la cantidad de IMFs obtenidas a través de la EMD, se estudia el aporte informativo de cada uno a nivel intermodal e interindividual a través de la entropía de Shannon, de manera que se logre establecer un marco general que propicie un enfoque al estudio espectral dada la transformada de Hilbert Huang (HHT) a grados de información destacables. Los resultados permiten evidenciar que sobre las últimas componentes IMF se logran los estados más potenciales al desorden, aun cuando comprometen un comportamiento más regular, aglomeran más información tiempo-frecuencia y del mismo modo, concentran las características más diferenciables para un proceso de individualización de patrones.
Referencias
R. S. Hernández and E. Camargo, "Inspection of Methods of Empirical Mode Decomposition", Computer Science & Information Technology, vol. 9, pp. 39-50, 2019.
N. E. Huang et al., "The empirical mode decomposition and the Hilbert spectrum for non-linear and non-stationary time series analysis", Proc. Royal Soc. London A, vol. 454, pp. 903-995, 1998. http://doi.org/10.1098/rspa.1998.0193
M. W. Báez, et al, "Aplicación del método de Hilbert-Huang a señales biológicas en el campo de la neurología: descripción y aspectos metodológicos", Instituto de Neurología y Neurocirugía, La Habana, Cuba. [Online]. Available at: https://www.researchgate.net/publication/320448562_Aplicacion_del_metodo_de_Hilbert_Huang_a_senales_biologicas_en_el_campo_de_la_neurologia_descripcion_y_aspectos_metodologicos
M. E. Torres, et al, "A complete Ensemble Empirical Mode decomposition with adaptive noise", in IEEE Int. Conf. on Acoust., Speech and Signal Proc. ICASSP-11, pp. 4144-4147, 2011. https://doi.org/10.1109/ICASSP.2011.5947265
A. Altamirano, A. Vera, L. Lejia and D. Wolf, "Myoelectric signal analysis using Hilbert-Huang Transform to identify muscle activation features", in 13th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE), Mexico City, Mexico, 2016. https://doi.org/10.1109/ICEEE.2016.7751246
S. Hanna, N. Korany and M. Abd-el-Malek, "Speech Recognition using Hilbert-Huang Transform Based Features", in 40th International Conference on Telecommunications and Signal Processing TSP, pp 338-341, 2017. https://doi.org/10.1109/TSP.2017.8076000
H. Canyang and X. Qingyang, "Analysis of Non-Stationary Earthquake Ground Motion Energy Changing Based on Orthogonal HHT Theory", in Fourth International Conference on Intelligent Computation Technology and Automation. pp 445-448, 2011. https://doi.org/10.1109/ICICTA.2011.398
S. Jerritta, M. Murugappan, K. Wan and S. Yaacob, "Emotion Recognition from Electrocardiogram Signals using Hilbert Huang Transform", in IEEE Conference on Sustainable Utilization and Development in Engineering and Technology, 2012. https://doi.org/10.1109/STUDENT.2012.6408370
N. Shaik and D. Radamsi, "Empirical mode Decomposition for frequency analysis of Heart rate variability", in International Conference on Electronics and Communication System (lCECS), 2014. https://doi.org/10.1109/ECS.2014.6892628
B. Lenka, "Time Frequency Analysis of Non-Stationary Electrocardiogram Signals Using Hilbert-Huang Transform", in IEEE ICCSP conference, 2015. https://doi.org/10.1109/ICCSP.2015.7322686
R. S. Hernández, "Individualización de Patrones Neuromusculares de Señales sEMG a través de la Transformada Hilbert Huang", thesis, Universidad Distrital Francisco José de Caldas, Colombia, 2019.
Z. Wu and N. Huang, "Ensemble Empirical Mode Decomposition: A noise-assisted data analysis method", Advances in Adaptive Data Analysis, vol. 1. pp 1-41, 2009. https://doi.org/10.1142/S1793536909000047
A. Carmona and G. Poveda. "Aplicación de la transformada de Hilbert-Huang en la detección de modos de variabilidad hidroclimática en Colombia", Dyna, vol. 79, no. 175, pp. 72-80, 2012.
N. E. Huang and Z. Wu. "A review on Hilbert-Huang Transform: Method and its applications to geophysical studies", Rev. Geophys., 46. RG2006. 2008. https://doi.org/10.1029/2007RG000228
A. E. Espinosa, "El caos y la caracterización de series de tiempo a través de técnicas de dinámica no-lineal", thesis, Universidad Nacional Autónoma de México, México, D.F. 2004.
E. Herrera, C. Anaya, A. M. Abril, Y. C. Avellaneda, A. Cruz and W. Lozano, "Descripción anatómica del plexo braquial", Salud UIS, vol. 40, no. 2, pp. 101-109, 2008
M. E. Mourad, "Idiopathic carpal tunnel syndrome (ICTS): Correlation between nerve conduction studies and dynamic wrist ultrasonography", The Egyptian Journal of Radiology and Nuclear Medicine, vol. 49, no. 4, pp. 1060-1067, 2018. https://doi.org/10.1016/j.ejrnm.2018.06.007
M. De la Priada. "Entrenamiento de las extremidades superiores en el paciente con enfermedad pulmonar obstructiva crónica", Rev Chil Enf Respir, vol. 27, pp. 110-115, 2011. https://doi.org/10.4067/S0717-73482011000200005
F. López Prats, "Lesiones nerviosas periféricas. Síndromes canaliculares", 2014. [Online]. Available at: https://www.ucm.es/data/cont/docs/420-2014-03-20-13%20Lesiones%20sistema%20nervioso%20periferico.pdf
J. J. Pascual, "Rehabilitación de la mano", 2012. [Online]. Available at: http://files.sld.cu/boletincnscs/files/2012/03/respub-jose-pascual.pdf
C. A. Riaño and V. E. Quintero, "Control de una mano virtual usando señales electromiográficas", thesis, Universidad Militar Nueva Granada, Colombia. 2010.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
.png)
atribución- no comercial 4.0 International
.jpg)
