Catalina Aguirre-Grisales

This work presents an EEG signal database derived from the induction of three emotional states using auditory stimuli. To this end, an experiment was designed in which 30 selected affective sounds from the IADS database were presented to 36 volunteers, from whom EEG signals were acquired. Stimuli were randomly configured in the Psychopy platform and synchronized via the LSL library with the OpenVibe signal acquisition platform. The 16-channel NautilusG brain computer interface was used for signal acquisition. As part of the database validation, a recognition system for the three emotional states was developed. This system utilized machine-learning-based parameterization and classification techniques, achieving detection percentages of 88.57%.

Este artículo se centra en el desarrollo de una aplicación móvil embebida, que aprovecha los sensores y capacidades de los teléfonos inteligentes para la caracterización dinámica de estructuras civiles flexibles de manera más accesible y económica. Para lograrlo, se utilizó el framework Android Jetpack, que ofrece una serie de componentes modulares como Live Data, Flows, Dagger Hilt, ViewModel y Room, entre otros, que facilitan el desarrollo de aplicaciones robustas y escalables, optimizando tanto el manejo de datos como la interfaz de usuario. Además, se integra con Android SDK para acceder a los sensores del dispositivo, como el acelerómetro y el giroscopio, necesarios para la captura de datos estructurales en tiempo real. Para esto, la medición y análisis precisos de las respuestas dinámicas de estructuras se realizan mediante algoritmos de procesamiento de señales utilizando el sensor acelerómetro integrado en los teléfonos inteligentes, garantizando así la efectividad y precisión en la caracterización dinámica. La funcionalidad de la aplicación se evalúa mediante la ejecución de pruebas unitarias, diseñadas para identificar y corregir posibles fallas. Estas se realizaron situando los dispositivos móviles en una posición horizontal sobre una viga de acero en voladizo, modificando las longitudes de la viga para adquirir diferentes frecuencias de vibración. Se llevaron a cabo tres sesiones diferentes de toma de datos empleando un sensor acelerómetro triaxial, el cual registra las vibraciones en los tres ejes asignados: X, Y y Z. Las sesiones se comprenden de ensayos en diferentes ambientes como los son: vibración libre, vibración en el entorno y vibración aleatoria (también denominada vibración ambiental inducida). Este método permite evaluar el desempeño de la aplicación en diferentes condiciones y garantizar su robustez. En la prueba inicial (Experimento 1), se recolectaron datos de tres vibraciones distintas utilizando dos longitudes de la viga. Durante algunas de estas pruebas, se detectaron fallos en la inicialización de los sensores, lo que impidió la adquisición de datos en ciertos momentos. A pesar de estos inconvenientes, la prueba se completó con los dispositivos operativos disponibles. En la segunda prueba (Experimento 2), se recolectaron datos de tres sesiones diferentes empleando tres longitudes distintas de la viga. Tras realizar ajustes basados en la primera prueba, la aplicación móvil mostró un mejor desempeño en la adquisición de datos, reduciendo los errores de inicialización. Para validar los datos obtenidos en ambas pruebas, se realizó un análisis espectral utilizando bibliotecas de procesamiento de señales y ciencia de datos en Python, como NumPy y Plotly. Este análisis permitió extraer las frecuencias características a partir de los espectros de frecuencia. Además, para evaluar la precisión de los datos adquiridos se calcularon las medidas de dispersión con los valores obtenidos para el ensayo correspondiente al segundo experimento en la sección de vibración libre con una longitud (L = 2.00 m) para cada uno de los ejes del sensor correspondiente del dispositivo móvil.

This article depicts a bibliometric analysis done through visualization mechanisms and interpretation of bibliometric metadata on the research field of Brain-Computer Interface and Music or Brain-Computer Music Interface (BCMI). Citation, co-citation, co-authorship, and keywords co-occurrence analysis were carried out in this work in order to identify the intellectual structure, research trends, the organizations involved, and the methodological structure of such research field. The bibliometric metadata was visualized through VOSviewer and Scimat software. This study also includes the analysis of 227 papers done through 2005–2021 which include research and review articles, and proceedings papers. The results of this work demonstrate the growing and legitimizing of the research field, and the impact of the interdisciplinary work required in this area.