No-estacionariedad, multifractalidad y limpieza de ruido en señales reales

Abstract

Las señales biomédicas, como el electrocardiograma, el electroencefalograma, o la señal de voz, tienen en común características de no estacionariedad y no linealidad. Aunque enmuchas aplicaciones seconsidera que se trata de señales estacionarias procedentes de sistemas lineales, ésta simplificación constituye una hipótesis de trabajo válida sólo como una aproximación que permite la aplicación de técnicas clásicas deanálisis de señales. Muchos trastornos que afectan a uno o varios órganos pueden ser detectados a través de un correcto análisis de las señales en cuya producción están involucrados. Sin embargo, debe atenderse al hecho de que una señal procedente de un sistema patológico se aleja aún más de las condiciones hipotéticas de estacionariedad y linealidad. Se desprende de esta circunstancia la necesidad de abordar el análisis de las señales biomédicas mediante técnicas no convencionales que permitan su tratamiento en un marco que tenga en cuenta sus características de no estacionariedad y no linealidad. Sobre la base de la experiencia del grupo de trabajo en las áreas del análisis tiempo-frecuencia/escala, análisis y modelado estadístico, análisis multifractal, complejidad y métodos guiados por los datos (adaptativos), a partir de problemas reales se han propuesto y estudiado nuevas técnicas que posibiliten su solución.The biomedical signals, such as electrocardiogram, electroencephalogram, or voice signal, have in common its nonstationarity and nonlinearity. Although in many applications they are considered as stationary signals and they come from linear systems, this is a simplification that is a valid hypothesis only as an approximation that allows the application of classic techniques of signal analysis. Many disorders affecting one or more organs can be detected by a correct analysis of the signals that are produced by these organs. However, it must be considered that a signal coming from a pathological system is far from the hypothetical conditions of stationarity and linearity. It follows from this fact the need of addressing the analysis of biomedical signals using unconventional techniques that allow its treatment in a framework that takes into account the characteristics of nonstationarity and nonlinearity. Based on the experience of the working group in the areas of time-frequency/scale analysis, statistical analysis and modeling, multifractal analysis, complexity and data-driven (adaptive) methods, we propose proposed and studied new techniques from real problems that will enable their solution.