The Twelve Of B105: Intelligent TAGs

Y para esta nueva entrega de….

theTwelveOfB105

… hablaremos del estado de otro de los proyectos en los que estamos trabajando.

Éste se basa en el uso de etiquetas inteligentes activas que almacenan información sobre la señal vial y el entorno que le rodea, como por ejemplo, el estado de la carretera. El esquema de cada una de éstas es el que puede verse en la imagen de abajo.

esquema

El sistema deberá encenderse periódicamente para detectar si hay alguien cercano pidiendo datos. La cercanía a la cual los datos pueden ser obtenidos por un receptor es uno de los problemas que encontramos al implementar este tipo de sistema, ya que el receptor puede estar en movimiento, debiendo poder realizarse la lectura/escritura desde un vehículo a cierta velocidad.

La gran diferencia con respecto a las etiquetas pasivas es que necesitan energía para poder funcionar, el cual es el otro problema que encontramos, porque los sistemas tienen que funcionar de forma autónoma durante varios años. Para ello, existen las técnicas de Energy Harvesting, las cuales se fundamentan en obtener energía del medio que está desaprovechada normalmente.

La técnica más implementada por el momento es la que permite obtener energía solar. Sin embargo, si buscamos la innovación en este tipo de técnicas, encontramos la energía de la radio frecuencia, dónde se pretende utilizar la energía de las ondas que se propagan por el aire; la energía mecánica que pretende utilizar las vibraciones y el flujo del aire; y la energía térmica, que intenta aprovechar los cambios de temperatura que hay en el entorno.

Esta energía debe no solo ser suficiente para alimentar el sistema, sino también para ser almacenada en baterías o supercondensadores, garantizando así el funcionamiento del sistema en condiciones límites. La elección de uno u otro dependerá de muchos factores, como la cantidad de energía generada, el tiempo en generarla, la cantidad de energía que necesitaría el sistema y cada cuanto. Aunque, preferiblemente, preferiríamos utilizar supercondensadores.

Como ya sabéis, podéis leer más sobre nuestros otros trabajos consultando los antiguos posts. También estamos en las redes sociales (@elb105) y en el edificio B, salas 104 y 105. ¡No seáis tímidos, os esperamos!

The Twelve of B105: Wireless Neural Networks

Un mes más aquí llega la entrega de …
theTwelveOfB105En este nuevo post hemos decidido introducir una temática que llevamos unos años tratando, la cual nos sirve a modo de introducción en el tema de la Bioingeniería. Comenzaremos abarcando aspectos relacionados con la actividad cerebral.

Hemos realizado un estudio en el que hemos tratado el diseño de técnicas para redes neuronales artificiales, y que también está basado en Redes de Sensores Inalámbricas. Dicho estudio tiene el objetivo de obtener, transmitir y generar señales neuronales como lo hace el cuerpo humano. Hay que ser especialmente cuidadoso con estas redes debido a que van a formar parte del cuerpo humano. Se debe prestar especial atención a la absorción de energía o al daño térmico que se puede generar debido al contacto constante entre el sensor y la piel. Por lo tanto, la potencia radiada debe estar limitada en este tipo de redes.

Se busca implementar un sistema no invasivo, en el cual se obtenga la información neuronal de la médula espinal, se procese localmente y se transmita un impulso al nodo receptor, colocado en una extremidad. Dicho nodo generaría un impulso eléctrico para la estimulación artificial del tejido nervioso. Esto permite que el cerebro se comunique con cualquier parte del cuerpo a pesar de los nervios disfuncionales. Un ejemplo aplicado en primates es el que puede verse en la imagen. El diseño del sistema tendrá en cuenta el bajo costo y el tamaño reducido, de cara a su implementación práctica sobre las personas.

primate

Básicamente, la neurona genera un potencial de acción o “pico” cada vez que propaga información. En este contexto, este estudio apunta a detectar un pico en la señal de una neurona y transmitir a otro nodo la existencia de esa señal. Una vez que el receptor recibe los datos, genera una estimulación eléctrica en otra parte del cuerpo humano.

Se puede separar este proyecto en tres partes diferenciadas:

  1. El módulo de adquisición para obtener la información neuronal, que debe tener una sensibilidad muy alta, ya que la señal obtenida en la superficie de la piel tiene una amplitud muy pequeña y gran cantidad de ruido.
  2. La transmisión del impulso está influenciada por la frecuencia, la distancia entre el transmisor y el receptor, la permitividad relativa de las capas del cuerpo humano o la línea de visión.
  3. La generación del impulso eléctrico depende de la forma de onda utilizada, del material de los electrodos o de la intensidad. En este punto, parámetros como la sincronización entre nodos son fundamentales para saber que el pulso que se ha recibido se corresponde con el impulso que se ha enviado.

Por lo tanto, la tesis propuesta supone un gran avance en el tratamiento de las lesiones de la médula espinal y en los sistemas neuronales no intrusivos en general.

En este link  os dejamos las temáticas de los meses anteriores. Podéis seguirnos a través de las redes sociales (@elb105) para conocer más sobre nosotros. Y todo lo que queráis saber no dudéis en consultarnos.

¡Os esperamos!

TFM: Design strategies for detecting action potentials in actions based on movements

This work is located in the studies of the brain and their signals. The puspose is to know when someone wants to make a movement. Thus, it might help to people that actually are not able to move a member of their body or more. Mainly, it is focused in the design of strategies for detection of action potentials or spikes when a movement wants to be made. This study is not looking for action potentials form, it is looking for patterns and characteristics that allow to recognize the movement. Although there are action potentials covered by the signals taken from the electrodes, but they are unavailable.

To accomplish the objective, it is used the EEG signals of a public data base. It is selected the ones related to the movement of the hands, concretely, the movement of open and close the fist. Signal sources of noise that dirty the signal are analyzed, they are called artifacts, and then, filtering stage comes, giving the signals of below for movement and no movement.

slotMov15slotRest15

Now, possible algorithms are checked. It is decided to use the Wavelet transform and the way in which it obtains the energy of the signal. Thanks to the calculation of Wavelet energy in 22 subjects, it is reached to the conclusion that Wavelet energy for movement is higher than for no movement. So, electrodes that comply with this condition at 100% are 4.

The final algorithm is implemented three features: correlation, a parameter that gives a relation between two signals, their energy range and their energy average. It could be said that algorithm has two parts: a training stage and a decision stage. Inside decision part, there are three algorithms: ProMove, ProMove + improve and Logic. The basic difference among ProMove and Logic is an or (||) and an and (&). The improve is based on empiric knowledge.

commonstages

 

systemcomplete

Final conclusions show that the signals between subjects are very changing. Therefore, same algorithm is not useful for everybody. To some subjects, the successful probability is very high (92,86% – 1 fail), while for others is more low than what is expected (50% – 7 fail). With these test, the importance in the length of the signals is reflected, because if signals for subjects with more than 3 fails are inversely processed, the fails are reduced. The most useful algorithm for a larger number of subjects is ProMove + improve.