1) Filtros otimizados:
Filtros digitais podem ser otimizados para atender alguns critérios importantes em engenharia, como por exemplo mínimo erro quadrático médio. Iremos abordar os filtros de Wiener (MMS), LMS (Least mean square) e RLS (Recursive least square), tanto a parte teórica quanto a aplicação.
[Cap. 3] Filtros otimizados (MMS-Wiener), adaptativos (MMS, LMS, RLS); Filtros otimizados usando Matlab
2) Introdução à classificação de sinais:
A classificação de sinais requer a aplicação de vários conceitos importantes vistos anteriormente, tais como, filtragem de sinais, densidade espectral de potencia, extração de características no domínio do tempo, extração de características no domínio da frequencia, etc.
Iremos abordar os classificadores: Fisher, maximum-likelihood, NN, k-NN e k-means
1) Origem e características dos principais sinais biomédicos.
2) Potenciais: de equilíbrio, de repouso, de ação, de ação composto. Sinais biomédicos: eletroneurograma, eletromiograma, eletroencefalograma, eletrocardiograma, fonocardiograma, pressão arterial, potencial evocado e outros.
3) Objetivos da análise de sinais biomédicos. Exemplos.
4) Dificuldades na aquisição e análise de sinais biomédicos. Nível DC e oscilações de linha de base, artefatos (de estímulo, de contração muscular, etc), interferência de sinais externos, rebatimento na amostragem. Captação dos sinais, filtragem analógica, conversão analógico-digital.
5) Projeto de filtros digitais FIR e IIR e exemplos de aplicação a sinais biomédicos.
6) Técnicas variadas de processamento digital de sinais biomédicos: média síncrona para melhoria de relação sinal-ruído, ajuste de curvas, detecção de eventos como batimentos cardíacos no eletrocardiograma.
7) Sinais aleatórios e conceitos básicos: estrutura probabilística, estacionaridade, média, autocorrelação, correlação cruzada, espectro de potência. Aplicações a sinais biomédicos.
Introduzir conceitos básicos de processamento de sinais de origem biológica.