T1: Adquisición y Procesamiento de la Señal

1.º Grado en Inteligencia Artificial

Anxo López Rodríguez

Escuela Superior de Ingeniería Informática - Universidade de Vigo

Digitalización de Señales

Es el proceso de convertir señales analógicas (continuas) a digitales (discretas) mediante muestreo y cuantificación. Este proceso es fundamental para que un ordenador pueda interpretar y trabajar con información del mundo real.

Generalmente, se compone de 3 fases:

1. Conversión de señal analógica a digital (CAD): Se toma la señal del mundo real y se transforma en datos binarios.
2. Procesamiento de la señal digital (DSP): Se aplican algoritmos (conjuntos de instrucciones matemáticas y lógicas) para transformar, filtrar o analizar estas señales digitales.
3. Conversión de la señal procesada a una forma analógica (CDA): Si es necesario, la señal digital se vuelve a convertir a una forma analógica (por ejemplo, para producir sonido a través de un altavoz).

Los Sensores

Un sensor es un dispositivo que capta eventos o cambios en su entorno físico (como la temperatura, la luz o el movimiento) y envía dicha información a un dispositivo electrónico. La sensorización es el proceso de usar sensores para obtener datos del entorno, transformando una entrada física en una señal eléctrica medible y analizable.

Tipos de Sensores (según su energía)

• Pasivos: Responden al entorno sin necesidad de una fuente de energía externa (ej: un termómetro de mercurio).
• Activos: Requieren energía para funcionar y activar su respuesta (ej: un sensor ultrasónico que emite un pulso de sonido).

Tipos de Señales

• Analógicas: Señales continuas que pueden tener un número infinito de valores dentro de un rango (ej: el voltaje que genera un micrófono).
• Digitales: Señales discretas y binarias, que solo pueden tomar un número finito de valores (generalmente 0 y 1).

Características de un Sensor

• Sensibilidad: Capacidad para detectar pequeños cambios en la magnitud que se está midiendo.
• Rango: El intervalo de valores en el que un sensor puede medir con una precisión aceptable.
• Exactitud: Cuán cercanas están las mediciones del sensor al valor real o de referencia.
• Linealidad: Capacidad de mantener una relación proporcional entre la entrada (magnitud física) y la salida (señal eléctrica). Los sensores lineales son más fáciles de calibrar.
• Resolución: La menor diferencia en una señal que un sensor puede detectar. Una alta resolución permite detectar cambios muy sutiles.

Parámetros Críticos en Aplicaciones Dinámicas

• Tiempo de Respuesta: El tiempo que tarda un sensor en reaccionar a un cambio en el medio.
• Frecuencia de Operación: La rapidez con la que un sensor puede realizar mediciones sucesivas.

Tipos de Sensores Comunes

Termopar y Termistor

• Termopar: Unión de dos metales diferentes que generan un voltaje proporcional a la temperatura. Son duraderos y funcionan en un rango de temperaturas muy amplio (uso industrial y científico).
• Termistor: Una resistencia que cambia su valor con la temperatura (NTC o PTC). Son muy sensibles y precisos en rangos de temperatura limitados (uso en electrónica de consumo y medicina).

Sensores de Proximidad

• Por Infrarrojos (IR): Emite luz infrarroja y detecta su reflejo en un objeto cercano. Son para distancias cortas y pueden ser afectados por la luz ambiental o superficies reflectantes. Se usan en electrónica y sistemas de seguridad.
• Por Ultrasonidos: Emite ondas de sonido de alta frecuencia y mide el tiempo que tarda en regresar el eco. Tienen mayor rango que los IR y detectan todo tipo de materiales. Se usan en automoción (aparcamiento), robótica y manufactura.

Sensores Biométricos

• Sensor de Huella Digital: Captura la imagen de las crestas y valles de una huella dactilar usando tecnologías ópticas, capacitivas o ultrasónicas. Ofrece un alto nivel de seguridad en móviles y controles de acceso.
• Sensor de Reconocimiento Facial: Usa algoritmos de visión por computador para identificar a una persona por su rostro. Es versátil, poco invasivo y se aplica en seguridad, vigilancia y sistemas de pago.

Procesamiento y Análisis de Datos

Una vez que los sensores han capturado los datos, estos deben ser procesados para que sean útiles. Esto incluye varias técnicas.

Mecanismos de Transducción

Un transductor es el componente del sensor que realiza la conversión de una forma de energía a otra.

• Mecánicos: Convierten energía mecánica (presión, vibración) en señales eléctricas. Ejemplo: un micrófono.
• Térmicos: Convierten cambios de temperatura en señales eléctricas. Ejemplo: un termistor.
• Fotónicos: Convierten energía luminosa en una señal eléctrica. Ejemplo: un fotodiodo.
• Químicos: Reaccionan a sustancias químicas para generar una señal eléctrica. Ejemplo: un sensor de pH.

Filtrado de Datos

Proceso para eliminar el ruido y los componentes no deseados de los datos del sensor.

• Filtro Digital: Un filtro paso bajo, por ejemplo, elimina las altas frecuencias para suavizar la señal y reducir el ruido.
• Filtro de Media Móvil: Calcula el promedio de los datos en una ventana deslizante para suavizar fluctuaciones bruscas.

Normalización de Datos

Proceso de ajustar rangos de datos a una escala común (ej. 0 a 1) para facilitar su comparación y análisis.

• Normalización Mín-Máx: Escala los datos a un rango definido, generalmente [0, 1].
• Estandarización (Z-Score): Ajusta los datos para que tengan una media de 0 y una desviación estándar de 1.

Análisis Estadístico

Permite identificar tendencias, patrones y anomalías en los datos.

• Estadísticas Descriptivas: Media, mediana, desviación estándar, etc.
• Análisis de Series Temporales: Estudio de datos que cambian con el tiempo para predecir tendencias.
• Detección de Anomalías: Identificación de datos que se desvían del comportamiento normal.

Visualización de Datos

Facilita la interpretación y comprensión de datos complejos mediante representaciones gráficas.

• Gráficos y Diagramas: Gráficos de líneas, barras, mapas de calor, etc.
• Herramientas Interactivas: Software que permite una exploración dinámica de los datos.

Integración y Fusión de Datos

• Fusión de Datos: Proceso de combinar datos de múltiples sensores para obtener una visión más completa y precisa de la situación.
• Análisis Multivariable: Exploración de las relaciones que existen entre las diferentes variables medidas por los sensores.