Identificación y puesta en marcha de una escuela de formación agrícola en el centro polivalente de formación de Sandiara, Mbour, Senegal

El objetivo global del proceso de identificación realizado es proponer un plan de mejora de las condiciones de vida de los pobladores de la Comunidad Rural de Sandiara, articulado a través de un incremento del nivel de ingresos que deriva del aumento de la productividad del suelo, la mejora en el manejo y su conservación. La mejora en las prácticas de cultivo, transformación de productos y la dotación de una base sólida en materia de comercio y microfinanzas son los principales catalizadores del desarrollo de las actividades de la Comunidad Rural. Asimismo se concibe la idea con el objetivo de que las personas puedan desempeñar sus propias actividades de una manera independiente tras el periodo de formación, apoyándose para ello en la creación de cooperativas. Con la base sólida que éstas proporcionan, las acciones emprendidas podrán tener una mayor envergadura y, por tanto, sostenibilidad a largo plazo. Así pues, en primer lugar se han descrito los factores socioeconómicos de base, además de plasmarse el escenario actual de la Comunidad Rural en materia de agricultura, medioambiente y educación. Una vez considerada la situación presente se plantean unos objetivos a conseguir con el proyecto. Analizadas todas las alternativas, se realiza un análisis de viabilidad de las posibles soluciones que se determinen oportunas para mejorar la situación en materia de agricultura. A nivel organizativo, se ha pretendido conocer cuáles son las principales deficiencias que presenta la estructura de las cooperativas de la zona y qué se podría mejorar en cuanto a gestión de las mismas, contabilidad y microfinanzas, así como en lo relativo al establecimiento de canales comerciales. Todo el proceso de identificación realizado ha desembocado en una propuesta de módulo de formación en materia de agricultura, transformación de productos, comercio y microfinanzas que es pertinente y está adaptado a las necesidades concretas de la población de la Comunidad Rural. La sostenibilidad a largo plazo es un pilar fundamental en el que se debe basar todo plan de desarrollo, por lo que se propone un programa de explotación de la finca propiedad del centro que dota al mismo de una fuente de ingresos para cubrir los gastos que se causan durante el desarrollo de las actividades, con lo cual se terminará alcanzando la autosuficiencia y por tanto la sostenibilidad.

Identificación de los síntomas de daño o merma de capacidad resistente en estructuras en zonas sísmicas

Los sismos afectan a las estructuras en función de su intensidad. Normalmente se espera de las estructuras daños irreparables por motivos de ductilidad en los sismos nominales o de diseño, para protección de las personas y sus bienes. No obstante, las estructuras en zonas sísmicas sufren terremotos de baja o media intensidad de manera continuada y éstos pueden afectar a la capacidad resistente residual de las mismas, es por eso que en el presente trabajo se plantea lo siguiente: a) Identificar cuál es la estrategia o nivel de protección, que consideran las diferentes Normativas y Reglamentos frente a sismos de baja o mediana intensidad, puesto que durante la vida útil de una estructura, esta puede verse afectada por sismos de intensidad baja o moderada, los cuales también provocan daños; es por ello que es de mucha importancia conocer y estudiar el aporte, estrategias y demás parámetros que consideran las Normas, esto mediante la técnica de revisión de documentación o Literatura. b) Identificar la manera con que un terremoto de baja o media intensidad afecta a la capacidad resistente de las estructuras, sus señales, sus síntomas de daño, etc. Esto a través de tres técnicas de Investigación : Revisión en Literatura, Tormenta de ideas con un grupo de expertos en el tema, y mediante la Técnica Delphi; para finalmente aplicar una método de refinamiento para elaborar un listado y un mapa de síntomas esperables en las estructuras, consecuencia de eventos sísmicos de baja o mediana intensidad. Los cuales se podrían controlar con sistemas inteligentes y así monitorizar las construcciones para prever su comportamiento futuro. Earthquakes affect structures depending on its intensity. Normally it expected of the irreparable damage structures. It due to ductility in nominal earthquakes to protect people and property. Structures in seismic areas suffer earthquakes of low to medium intensity continually, and it may affect the residual resistant ability, therefore posed in this investigation is the following: (a) Identifying what is the strategy or level of protection, which consider different guidelines and regulations against earthquakes of low to medium intensity. Since during the service life of a structure may be affected by low or moderate intensity earthquakes, which also cause damage. For this reason it is very important also to meet and study the contribution, strategies and other parameters considered by the Guidelines by reviewing the documentation or literature technique. b) Identifying the way an earthquake of low to medium intensity affects the resistant ability of structures, their signs, their symptoms of injury, etc. Through three research techniques: review of documentation or literature, brainstorming technique with a group of experts, and using the Delphi technique. Finally applying a method of refining to produce a list and a map of symptoms expected in structures, consequence of low to medium intensity earthquakes. It could be controlled with intelligent systems and thus to monitor structures to predict its future behavior

Brain-Computer Interfaces: Desarrollo de un sistema de identificación de estados mentales alfa

En el mundo actual las aplicaciones basadas en sistemas biométricos, es decir, aquellas que miden las señales eléctricas de nuestro organismo, están creciendo a un gran ritmo. Todos estos sistemas incorporan sensores biomédicos, que ayudan a los usuarios a controlar mejor diferentes aspectos de la rutina diaria, como podría ser llevar un seguimiento detallado de una rutina deportiva, o de la calidad de los alimentos que ingerimos. Entre estos sistemas biométricos, los que se basan en la interpretación de las señales cerebrales, mediante ensayos de electroencefalografía o EEG están cogiendo cada vez más fuerza para el futuro, aunque están todavía en una situación bastante incipiente, debido a la elevada complejidad del cerebro humano, muy desconocido para los científicos hasta el siglo XXI. Por estas razones, los dispositivos que utilizan la interfaz cerebro-máquina, también conocida como BCI (Brain Computer Interface), están cogiendo cada vez más popularidad. El funcionamiento de un sistema BCI consiste en la captación de las ondas cerebrales de un sujeto para después procesarlas e intentar obtener una representación de una acción o de un pensamiento del individuo. Estos pensamientos, correctamente interpretados, son posteriormente usados para llevar a cabo una acción. Ejemplos de aplicación de sistemas BCI podrían ser mover el motor de una silla de ruedas eléctrica cuando el sujeto realice, por ejemplo, la acción de cerrar un puño, o abrir la cerradura de tu propia casa usando un patrón cerebral propio. Los sistemas de procesamiento de datos están evolucionando muy rápido con el paso del tiempo. Los principales motivos son la alta velocidad de procesamiento y el bajo consumo energético de las FPGAs (Field Programmable Gate Array). Además, las FPGAs cuentan con una arquitectura reconfigurable, lo que las hace más versátiles y potentes que otras unidades de procesamiento como las CPUs o las GPUs.En el CEI (Centro de Electrónica Industrial), donde se lleva a cabo este TFG, se dispone de experiencia en el diseño de sistemas reconfigurables en FPGAs. Este TFG es el segundo de una línea de proyectos en la cual se busca obtener un sistema capaz de procesar correctamente señales cerebrales, para llegar a un patrón común que nos permita actuar en consecuencia. Más concretamente, se busca detectar cuando una persona está quedándose dormida a través de la captación de unas ondas cerebrales, conocidas como ondas alfa, cuya frecuencia está acotada entre los 8 y los 13 Hz. Estas ondas, que aparecen cuando cerramos los ojos y dejamos la mente en blanco, representan un estado de relajación mental. Por tanto, este proyecto comienza como inicio de un sistema global de BCI, el cual servirá como primera toma de contacto con el procesamiento de las ondas cerebrales, para el posterior uso de hardware reconfigurable sobre el cual se implementarán los algoritmos evolutivos. Por ello se vuelve necesario desarrollar un sistema de procesamiento de datos en una FPGA. Estos datos se procesan siguiendo la metodología de procesamiento digital de señales, y en este caso se realiza un análisis de la frecuencia utilizando la transformada rápida de Fourier, o FFT. Una vez desarrollado el sistema de procesamiento de los datos, se integra con otro sistema que se encarga de captar los datos recogidos por un ADC (Analog to Digital Converter), conocido como ADS1299. Este ADC está especialmente diseñado para captar potenciales del cerebro humano. De esta forma, el sistema final capta los datos mediante el ADS1299, y los envía a la FPGA que se encarga de procesarlos. La interpretación es realizada por los usuarios que analizan posteriormente los datos procesados. Para el desarrollo del sistema de procesamiento de los datos, se dispone primariamente de dos plataformas de estudio, a partir de las cuales se captarán los datos para después realizar el procesamiento: 1. La primera consiste en una herramienta comercial desarrollada y distribuida por OpenBCI, proyecto que se dedica a la venta de hardware para la realización de EEG, así como otros ensayos. Esta herramienta está formada por un microprocesador, un módulo de memoria SD para el almacenamiento de datos, y un módulo de comunicación inalámbrica que transmite los datos por Bluetooth. Además cuenta con el mencionado ADC ADS1299. Esta plataforma ofrece una interfaz gráfica que sirve para realizar la investigación previa al diseño del sistema de procesamiento, al permitir tener una primera toma de contacto con el sistema. 2. La segunda plataforma consiste en un kit de evaluación para el ADS1299, desde la cual se pueden acceder a los diferentes puertos de control a través de los pines de comunicación del ADC. Esta plataforma se conectará con la FPGA en el sistema integrado. Para entender cómo funcionan las ondas más simples del cerebro, así como saber cuáles son los requisitos mínimos en el análisis de ondas EEG se realizaron diferentes consultas con el Dr Ceferino Maestu, neurofisiólogo del Centro de Tecnología Biomédica (CTB) de la UPM. Él se encargó de introducirnos en los distintos procedimientos en el análisis de ondas en electroencefalogramas, así como la forma en que se deben de colocar los electrodos en el cráneo. Para terminar con la investigación previa, se realiza en MATLAB un primer modelo de procesamiento de los datos. Una característica muy importante de las ondas cerebrales es la aleatoriedad de las mismas, de forma que el análisis en el dominio del tiempo se vuelve muy complejo. Por ello, el paso más importante en el procesamiento de los datos es el paso del dominio temporal al dominio de la frecuencia, mediante la aplicación de la transformada rápida de Fourier o FFT (Fast Fourier Transform), donde se pueden analizar con mayor precisión los datos recogidos. El modelo desarrollado en MATLAB se utiliza para obtener los primeros resultados del sistema de procesamiento, el cual sigue los siguientes pasos. 1. Se captan los datos desde los electrodos y se escriben en una tabla de datos. 2. Se leen los datos de la tabla. 3. Se elige el tamaño temporal de la muestra a procesar. 4. Se aplica una ventana para evitar las discontinuidades al principio y al final del bloque analizado. 5. Se completa la muestra a convertir con con zero-padding en el dominio del tiempo. 6. Se aplica la FFT al bloque analizado con ventana y zero-padding. 7. Los resultados se llevan a una gráfica para ser analizados. Llegados a este punto, se observa que la captación de ondas alfas resulta muy viable. Aunque es cierto que se presentan ciertos problemas a la hora de interpretar los datos debido a la baja resolución temporal de la plataforma de OpenBCI, este es un problema que se soluciona en el modelo desarrollado, al permitir el kit de evaluación (sistema de captación de datos) actuar sobre la velocidad de captación de los datos, es decir la frecuencia de muestreo, lo que afectará directamente a esta precisión. Una vez llevado a cabo el primer procesamiento y su posterior análisis de los resultados obtenidos, se procede a realizar un modelo en Hardware que siga los mismos pasos que el desarrollado en MATLAB, en la medida que esto sea útil y viable. Para ello se utiliza el programa XPS (Xilinx Platform Studio) contenido en la herramienta EDK (Embedded Development Kit), que nos permite diseñar un sistema embebido. Este sistema cuenta con: Un microprocesador de tipo soft-core llamado MicroBlaze, que se encarga de gestionar y controlar todo el sistema; Un bloque FFT que se encarga de realizar la transformada rápida Fourier; Cuatro bloques de memoria BRAM, donde se almacenan los datos de entrada y salida del bloque FFT y un multiplicador para aplicar la ventana a los datos de entrada al bloque FFT; Un bus PLB, que consiste en un bus de control que se encarga de comunicar el MicroBlaze con los diferentes elementos del sistema. Tras el diseño Hardware se procede al diseño Software utilizando la herramienta SDK(Software Development Kit).También en esta etapa se integra el sistema de captación de datos, el cual se controla mayoritariamente desde el MicroBlaze. Por tanto, desde este entorno se programa el MicroBlaze para gestionar el Hardware que se ha generado. A través del Software se gestiona la comunicación entre ambos sistemas, el de captación y el de procesamiento de los datos. También se realiza la carga de los datos de la ventana a aplicar en la memoria correspondiente. En las primeras etapas de desarrollo del sistema, se comienza con el testeo del bloque FFT, para poder comprobar el funcionamiento del mismo en Hardware. Para este primer ensayo, se carga en la BRAM los datos de entrada al bloque FFT y en otra BRAM los datos de la ventana aplicada. Los datos procesados saldrán a dos BRAM, una para almacenar los valores reales de la transformada y otra para los imaginarios. Tras comprobar el correcto funcionamiento del bloque FFT, se integra junto al sistema de adquisición de datos. Posteriormente se procede a realizar un ensayo de EEG real, para captar ondas alfa. Por otro lado, y para validar el uso de las FPGAs como unidades ideales de procesamiento, se realiza una medición del tiempo que tarda el bloque FFT en realizar la transformada. Este tiempo se compara con el tiempo que tarda MATLAB en realizar la misma transformada a los mismos datos. Esto significa que el sistema desarrollado en Hardware realiza la transformada rápida de Fourier 27 veces más rápido que lo que tarda MATLAB, por lo que se puede ver aquí la gran ventaja competitiva del Hardware en lo que a tiempos de ejecución se refiere. En lo que al aspecto didáctico se refiere, este TFG engloba diferentes campos. En el campo de la electrónica:  Se han mejorado los conocimientos en MATLAB, así como diferentes herramientas que ofrece como FDATool (Filter Design Analysis Tool).  Se han adquirido conocimientos de técnicas de procesado de señal, y en particular, de análisis espectral.  Se han mejorado los conocimientos en VHDL, así como su uso en el entorno ISE de Xilinx.  Se han reforzado los conocimientos en C mediante la programación del MicroBlaze para el control del sistema.  Se ha aprendido a crear sistemas embebidos usando el entorno de desarrollo de Xilinx usando la herramienta EDK (Embedded Development Kit). En el campo de la neurología, se ha aprendido a realizar ensayos EEG, así como a analizar e interpretar los resultados mostrados en el mismo. En cuanto al impacto social, los sistemas BCI afectan a muchos sectores, donde destaca el volumen de personas con discapacidades físicas, para los cuales, este sistema implica una oportunidad de aumentar su autonomía en el día a día. También otro sector importante es el sector de la investigación médica, donde los sistemas BCIs son aplicables en muchas aplicaciones como, por ejemplo, la detección y estudio de enfermedades cognitivas.