You are on page 1of 10

TCNICAS DE PROCESSAMENTO DIGITAL DE SINAIS DE VOZ PARA DETECO DE PARALISIA NAS DOBRAS VOCAIS

Nathlia A. Brunet Monteiro (1); Raissa Tavares Vieira (2); Silvana Luciene (3); Suzete Correia (4)
(1) IFPB, Curso Superior de Engenharia Eltrica: nathaliabrunet@gmail.com (2) IFPB, Curso Superior de Engenharia Eltrica: Raissa@ieee.org (3) IFPB, Coordenao do Curso Superior de Engenharia Eltrica: silvana@ifpb.edu.br (3) IFPB, Coordenao do Curso Superior de Engenharia Eltrica: suzete@ifpb.edu.br

RESUMO Este artigo trata da avaliao de desempenho individual e da combinao de classificadores baseados em anlise cepstral (coeficientes cepstrais, cepstral ponderado, delta cepstral, e delta cepstrais ponderados) e coeficiente por predio linear (LPC - Linear Predictive Coding) para a discriminao entre voz normal e voz patolgica, afetada por paralisia nas pregas vocais e por Edema de Reinke. So empregadas duas estratgias de combinaes: produto e mdia aritmtica. Aps a combinao das caractersticas acsticas observa-se uma melhora na preciso da classificao em relao aos parmetros cepstrais e LPC utilizados individualmente. So obtidas taxas de reconhecimento de 89,79% na discriminao entre vozes normais, afetadas por Edema de Reinke e paralisia. Palavras-chave: processamento digital de sinais, patologias larngeas, desordens vocais, anlise acstica. 1 INTRODUO

Por ser a fala o meio de expresso e comunicao mais usual, qualquer distrbio da voz pode ter profundas implicaes na vida social e profissional de uma pessoa. As desordens vocais so caracterizadas por mudanas significativas que comprometem a inteligibilidade e a efetividade da comunicao oral, dentre os quais podemos destacar: alteraes na qualidade vocal, frequncia e intensidade da voz, desordens no funcionamento larngeo, respiratrio e/ou do trato vocal. Patologias tais como edema de Reinke e paralisia afetam as pregas vocais ou outros componentes do sistema vibratrio produzindo uma vibrao mais irregular. De fato, sabe-se que as pregas vocais afetadas por patologias podem apresentar variao no ciclo do movimento vibratrio devido a alteraes na elasticidade das pregas vocais. Isso ocorre devido ao fechamento incompleto das pregas vocais em todos os ciclos glotais (GODINO-LLORENTE et al, 2006). Tcnicas baseadas em anlise acstica, por meio de processamento digital de sinais, podem ser aplicadas para a obteno de caractersticas de sinais de voz que possam diferenciar vozes saudveis (voz gerada a partir do funcionamento normal das pregas vocais) de vozes afetadas por patologia na laringe. A anlise acstica permite a obteno de uma ferramenta auxiliar de baixo custo, que pode auxiliar no pr-diagnstico de patologias larngeas. Pode ser realizada distncia, evitando o deslocamento de pacientes e proporcionando a diminuio da regularidade de exames mais invasivos. No se trata de eliminar o uso dos exames laringoscpicos, como tambm no se questiona a sua eficincia. No entanto, como muitos pacientes consideram o exame invasivo e, muitas vezes, se recusam a faz-lo, a anlise acstica pode ser utilizada para diminuir o nmero de exames laringoscpicos.

Neste trabalho, os coeficientes obtidos a partir das tcnicas de predio linear (LPC) e os parmetros cepstrais e seus derivados (cepstrais, delta cepstrais, cepstrais ponderados, delta cepstrais ponderados) so utilizados como forma de detectar as desordens nas vozes patolgicas, quando comparada com vozes normais. So construdos classificadores individuais para cada parmetro e o desempenho de cada um avaliado. Como forma de melhorar o desempenho dos classificadores individuais, os parmetros cepstrais e os coeficientes LPC so combinados, aplicando-se as regras de combinao da mdia aritmtica e do produto (OLIVEIRA Jr.et al, 2004). Os resultados obtidos mostram que a anlise acstica pode ser empregada como uma ferramenta adicional aos exames tradicionais para pr-diagnstico de patologias larngeas e avaliao de tratamentos pr e ps-cirrgicos. 1. FUNDAMENTAO TERICA 2.1 Patologias na Laringe A voz uma das expresses mais fortes da personalidade humana. Uma voz considerada normal (Figura 1a) quando no h esforo na sua produo. Quando a harmonia no mantida, obtm-se um som de m qualidade para os ouvintes e emitido com dificuldade e desconforto para o falante. Fatores ambientais e fsicos podem interferir no padro adequado da qualidade vocal (BOONE, 1996). A Figura 1b representa um segmento de 100 ms de sinal de voz normal, possvel observar periodicidade no sinal.
Figura 1 - (a) Pregas vocais saudveis (b) Segmento de 100 ms de um sinal normal
1

0.5

Amplitude

-0.5

(a) VIEIRA, (2011).

-1 0 500 1000

Tempo (s) (b)

1500

2000

2500 ms 100

2.1.1 Paralisia nas pregas vocais Paralisia a disfuno do nervo larngeo recorrente, resultando em uma imobilidade das pregas vocais (Figura 2a). A prega vocal pode ser paralisada na linha mdia, intermediria, ou na posio lateral. A prega vocal paralisada na posio mediana no causa queixas vocais significativas, j que o fechamento da glote geralmente completo. Porm, na maioria das vezes a prega vocal paralisada na posio lateral, resultando em soprosidade e rouquido. Como o fechamento da glote incompleto, o indivduo tambm pode sofrer de problemas de deglutio e tosse (VIEIRA, 2011). A Figura 2b representa um segmento de 100 ms de sinal de voz afetado por paralisia unilateral esquerda nas pregas vocais, comparando-a com a Figura 1b possvel observar espectros diferentes em amplitude e frequncia fundamental.

Figura 2 - (a) Pregas vocais com paralisia lateral esquerda (b) Segmento de 100 ms de um sinal afetado por paralisia unilateral esquerda nas pregas vocais
1

0.5

Amplitude (a)

-0.5

-1
0

500

1000

1500 Tempo (s)

2000

2500 ms 100

(b)

VIEIRA, (2011).

2.1.1 Edema de Reinke Edema de Reinke ocorre quando a camada superficial da lmina prpria torna-se cheia de fluido viscoso como pode ser observado na Figura 3a. Na sua forma mais severa, toda a poro membranosa das pregas vocais enche com secreo espessa e gelatinosa, dando-lhes a aparncia inchada. A caracterstica acstica predominante a reduo da frequncia fundamental (Figura 3b) devido ao aumento da massa nas pregas vocais que reduz a onda superficial da mucosa e a amplitude durante a vibrao das pregas vocal.
Figura 3 - (a) Pregas vocais com edema de Reinke severo (b) Segmento de 100 ms de um sinal afetado do por edema bilateral nas pregas vocais. (VIEIRA, 2011)
1

0.5

Amplitude

-0.5

(a)

-1 0 500 1000

Tempo (s)

1500

2000

2500 ms 100

(b) VIEIRA, (2011).

Para anlise acstica dos sinais afetados pelas patologias paralisia e edema de Reinke so implementados classificadores baseados na anlise LPC e na anlise cepstral obtida a partir dos coeficientes de predio linear. A tcnica descrita a seguir. 1.2 Anlise LPC A Figura 4 exibe um diagrama em blocos da produo de voz humana, tambm denominado sistema fonte-filtro, onde as dobras vocais so consideradas a fonte sonora e o trato vocal, o filtro. As sadas produzem ondas acsticas que representam a voz humana (DELLER et al, 1993).

Figura 4 Diagrama de blocos da produo da voz humana

VIEIRA, (2011).

Os pulmes produzem o fluxo de ar necessrio fala durante o processo de expirao, atuando como uma fora que impulsiona o ar, para que em sua passagem pela traquia possibilite a produo de som na laringe. A traquia tem apenas como funo a conduo da corrente area expiratria. As dobras vocais so dois pares de lbios simetricamente formados por msculo e tecido elstico que se estendem horizontalmente na laringe. na glote que o fluxo contnuo de ar dos pulmes geralmente transformado em vibraes rpidas e audveis durante a fala. Isso feito pelo fechamento das dobras vocais, que causa um aumento gradativo da presso atrs das mesmas, que acaba por fazer com que elas se abram repentinamente, liberando a presso, para ento tornarem a se fechar. Este processo produz uma seqncia de pulsos cuja freqncia fundamental controlada pela presso do ar e pela tenso e comprimento das cordas vocais. (DELLER et al, 1993). Desordens vocais so resultantes das alteraes morfolgicas nas estruturas do trato vocal ou de seu mau funcionamento. A voz depende fundamentalmente da atividade de todos os msculos que participam de sua produo, alm da integridade de todos os tecidos do aparelho fonador. Quando essa harmonia mantida, o som emitido sem dificuldade pelo falante e apresenta uma boa qualidade para os ouvintes (DANIEL et al, 1994). O mtodo de anlise LPC estima cada amostra de voz baseado numa combinao linear de p amostras anteriores; um valor de p maior representa uma maior preciso no processo de estimao. Esta anlise fornece um conjunto de parmetros da fala que representa o trato vocal (RABINER et al. 1978). Espera-se que, qualquer mudana na estrutura anatmica do trato vocal, devido patologia, afete os coeficientes LPC (Linear Prediction Coding) como tambm os cepstrais e seus derivados. Um preditor linear com coeficientes de predio, (k), definido como um sistema cuja sada dada pela Equao 01:

onde so os coeficientes de predio, so as amostras passadas e p a ordem do preditor. O mtodo de autocorrelao e o da covarincia so dois mtodos padres para o clculo dos coeficientes do preditor. Neste trabalho, os coeficientes de predio so calculados utilizando-se o algoritmo de Levison-Durbin (RABINER et al., 1978).

2.3 Anlise Cepstral 2.3.1 Coeficiente Cepstral (CEP) O sinal de voz pode ser considerado como o resultado da convoluo do sinal de excitao com a resposta de um sistema que representa o trato vocal de um modelo linear de produo da fala. Pela anlise cepstral, possvel separar estas duas componentes. Todas as caractersticas cepstrais relacionadas descritas so obtidas a partir dos coeficientes LPC (RABINER et al. 1978; FURUI, 1981). Estes coeficientes cepstrais (CEP) podem ser calculados recursivamente a partir dos coeficientes de predio linear, (k), por meio da Equao 02 (MAMMONE et al, 1996):

Estes coeficientes so utilizados para observar as informaes das transies do sinal de voz (LINDE et al. 1980). 2.3.2 Coeficiente Delta Cepstral (DCE) A primeira derivada dos coeficientes cepstrais (Coeficientes Delta Cepstrais - DCP) dada pela Equao 03 (MAMMONE et al, 1996):

em que c(n, t) o n-simo coeficiente da predio linear no tempo t, uma constante de normalizao e 2K +1 o nmero de quadros sobre os quais o clculo realizado. Neste trabalho, os coeficientes delta cepstrais so obtidos por:

em que G um termo de ganho (por exemplo: 0,375), p o nmero dos coeficientes delta cepstrais, K = 2, n representa o ndice de coeficiente e i o quadro de anlise (RABINER et al. 1978). 2.3.3 Coeficiente Cepstral Ponderado (CPP) Os coeficientes cepstrais ponderados (CPP) so o resultado da ponderao dos coeficientes cepstrais, tambm conhecida como liftering ou suavizao, com o objetivo de minimizar a sensibilidade dos coeficientes cepstrais de baixa ordem em relao envoltria espectral e sensibilidade dos coeficientes cepstrais de alta ordem em relao ao rudo. A ponderao realizada multiplicando-se os coeficientes cepstrais, , por uma janela w(n), usando cepstro ponderado, , como um vetor de caractersticas (Equao 05).

O tipo de janela utilizada neste trabalho a passa-faixa (BPL Bandpass Liftering), dada pela Equao 06 (MAMMONE et al, 1996).

onde L o tamanho da janela que pondera uma sequncia cepstral tal que as componentes de ordem mais alta e de ordem mais baixa so de-enfatizadas. 2.3.4 Coeficiente Delta Cepstral Ponderado (DCP) Os coeficientes delta-cepstrais ponderados (DCP) so obtidos a partir das Equaes 05 e 06, obtendo-se a Equao 07.

2. BASE DE DADOS E METODOLOGIA


3.1 Base de Dados Para o desenvolvimento deste trabalho foram utilizados os sinais de voz extrados da base de dados desenvolvida pelo Massachusetts Eye and Ear Infirmary (MEEI) Voice and Speech Lab (KAY ELEMETRICS et al, 1994), construda com o objetivo de auxiliar a anlise perceptual de vozes desordenadas para aplicaes clnicas e de pesquisa. Os arquivos utilizados so provenientes da emisso da vogal /ah/ sustentada com durao de 1 a 3 segundos, digitalizados com frequncia de amostragem de 25 kHz e 16 bits por amostra, coletados em um ambiente controlado com baixo nvel de rudo e distncia fixa do microfone. A escolha da vogal sustentada deve-se ao fato de que durante a emisso da vogal sustentada, as pregas vocais vibram, permitindo a observao de seu comportamento na presena da patologia. Os casos selecionados so: 50 pacientes com voz normal - 21 homens (26-59 anos) e 29 mulheres (22-52 anos); 57 pacientes apresentando paralisia nas pregas vocais - 31 mulheres (19-80 anos) e 26 homens (15-77 anos), a maioria deles (52) com paralisia unilateral (19 unilateral direito e 34 unilateral esquerdo) e 44 pacientes com Edema de Reinke 33 mulheres (17-71 anos) e 11 homens (23-63 anos).

3.2 Metodologia O processo de classificao dos sinais em normal ou patolgico (edema ou paralisia) realizado em duas fases: treinamento e teste, ilustradas na Figura 5.
Figura 5 - Processo de Discriminao entre vozes normais e vozes patolgicas.

Sinal de voz

Pr-processamento Janelamento, Pr-nfase

Extrao de parmetros Anlise LPC e Cepstral

Quantizao vetorial

Fase de Treinamento

Padres de Referncia

Dados de teste

Pr-processamento Janelamento, Pr-nfase

Extrao de parmetros Anlise LPC e Cepstral

Padres de Teste

Comparao

Fase de Teste

Normal/Edema/Paralisa

Na fase de treinamento, na etapa de pr-processamento os sinais so segmentados em intervalos de 20 ms, multiplicados por uma janela de Hamming de 20 ms com uma sobreposio de 50%. Alm disso, aplicado um filtro de pr-nfase (0,95). Na etapa de extrao de caractersticas so obtidos os coeficientes LPC e cepstrais para os sinais de vozes normais e afetados por paralisia e edema de Reinke selecionados para treinamento do sistema. Para reduzir a dimensionalidade dos dados utiliza-se a tcnica de quantizao vetorial (64 nveis, dimenso 12), a qual est associada uma medida de distoro (MAKHOUL et al. 1985). Na quantizao vetorial, gerado um dicionrio a partir da medio de distoro euclidiana e da regra do vizinho mais prximo empregando-se o algoritmo LBG (Algoritmo de Linden, Buzo e Gray) (LINDE et al. 1980). A quantizao vetorial aplicada a vetores de caractersticas estticas, que so calculados para cada segmento de anlise das amostras de fala sobre uma entrada dinmica da vogal sustentada /ah/. Para cada tipo de parmetro criado um dicionrio de treino, representativo de cada classe:, normal, paralisia e edema de Reinke. Dessa forma, tem-se cinco classificadores diferentes: 1) LPC; 2) CEP; 3) DCE; 4) CPP; e 5) DCP. Os padres de referncia so armazenados, a partir dos dicionrios obtidos pelo quantizador vetorial, que sero utilizados na fase de classificao, quando comparados aos padres de teste. . Na etapa de teste, o sinal passa pelas mesmas etapas de pr-processamento e extrao de parmetros. Os padres obtidos dos sinais de teste so comparados com os padres de referncia armazenados na fase de treinamento, que so trs tipos, um para cada treinamento realizado com sinais normais, com sinais afetados por Edema de Reinke e com sinais afetados por paralisia nas pregas vocais. Os padres so comparados empregando-se a medida de distoro do erro mdio quadrtico mnimo. Para a separao entre as classes (normal, edema e paralisia) foram comparadas as trs distores representantes de cada parmetro onde a de menor valor utilizada como parmetro para a indicao da classe para a classificao do sinal. Aps a classificao individual, os resultados de cada classificador (CEP, DCE, CPP, DCP e LPC) so combinados empregando duas regras: da mdia aritmtica e do produto. Para avaliar o desempenho de discriminao usando a combinao dos classificadores, faz-se a suposio de que a um sinal de voz devem ser atribuda uma das K classes possveis e assume-se que os L classificadores esto disponveis. As regras de combinao empregadas so baseadas nas estratgias usadas por (OLIVEIRA JUNIOR et al, 2004), descritas nas Equaes 08 e 09: Combinao da mdia aritmtica:

Combinao do produto:

em que D a distoro obtida aps a combinao e classificador.

a medida de distoro utilizada pelo i-simo

3. RESULTADOS E DISCUSSO
Como forma de avaliao de desempenho na classificao dos sinais utilizada como medida a taxa de reconhecimento R(%) que mede o percentual de sinais reconhecidos ou classificados corretamente pelo sistema. Para os classificadores individuais em relao a discriminao (Normal x Edema x Paralisia) os resultados esto apresentados na Tabela 1. O coeficiente LPC fornece a melhor taxa de reconhecimento, quando se trata da discriminao entre os trs casos de sinais de voz.

Tabela 1 - Avaliao de desempenho na discriminao (Normal x Edema x Paralisia) para classificadores individuais Classificador CEP CPP DCE DCP LPC R (%) 77,2 75,49 77,46 79,28 87,36

Na Tabela 2 apresentada a matriz de confuso para o melhor caso individual (LPC). As colunas representam o treino dos sinais e as linhas o teste. Pode ser observado, que dos 50 sinais normais testados, 47 (94%) foram classificados corretamente. Desses, apenas 01 foi classificado como edema e 04 como paralisia. Dos 44 sinais com edema, 40 (91%) foram classificados corretamente e dos 57 com paralisia, 04 foram classificados confundidos como normais e 09 como edema. Dos sinais com paralisia, 77% foram classificados corretamente, configurando a menor taxa de acerto. Em mdia, a taxa de acerto (reconhecimento) de 87,36%.
Tabela 2 - Matriz de confuso para o melhor caso individual (LPC) NORMAL NORMAL EDEMA PARALISIA 47 1 4 EDEMA 3 40 9 PARALISIA 0 3 44

Na Tabela 3 so apresentados os resultados obtidos aps a combinao dos resultados individuais, pela regra da mdia aritmtica. Pode ser observada uma melhora nos resultados quando comparados com os obtidos individualmente, houve um aumento de cerca 2% na taxa de reconhecimento pela combinao (DCE-DCP-LPC).
Tabela 3 - Resultados para a mdia aritmtica na discriminao (Normal x Edema x Paralisia) COMBINAO CEP-LPC R (%)

86,35 82,39 89,79 88,18 88,18

CEP-DCP DCE-DCP-LPC CEP-DCP-LPC CEP-DCE-DCP-LPC

Na Tabela 4 apresentada a matriz de confuso para o melhor caso obtido pela regra da mdia aritmtica, com a combinao dos parmetros (DCE-DCP-LPC). Observa-se, que para os 50 sinais testados, apenas 2 foram classificados confundidos como edema, sendo 48(96%) classificados corretamente. Dos 44 sinais com edema, 40 (91%) foram classificados corretamente e dos 57 sinais com paralisia, 3 foram classificados confundidos como normal e 7 como edema, sendo 82% classificados corretamente. Obtm-se uma taxa de reconhecimento de 89,79% em mdia aps a combinao.

Tabela 4 Matriz de confuso para o melhor caso pela regra da mdia aritmtica (DCE-DCP-LPC) NORMAL NORMAL EDEMA PARALISIA 48 2 3 EDEMA 2 40 7 PARALISIA 0 2 47

Na Tabela 5 so apresentados os resultados obtidos para o caso da regra do produto, para as combinaes 2 a 2, 3 a 3 e 4 a 4. Para a combinao (DCE-DCP-LPC), h um ganho de cerca 1% na taxa de reconhecimento em relao ao melhor resultado individual.
Tabela 5 - Resultado para a regra do produto na discriminao (Normal x Edema x Paralisia). COMBINAO R (%)

DCP-LPC DCE-LPC DCE-DCP-LPC CPP-DCP-LPC CEP-DCE-DCP-LPC

87,19 86,53 88,36 87,96 87,78

Na Tabela 6 esta apresentada a matriz de confuso obtida com a combinao dos parmetros (DCE-DCP-LPC) pela regra do produto. Pode ser observado, que para os 50 sinais normais testados, 47 (94%) foram classificados corretamente. Dos 44 sinais com edema, 2 foram classificados confundidos como normal e 3 como paralisia, sendo 39 (89%) classificados corretamente. Dos sinais com paralisia, 82% foram classificados corretamente. Em mdia, a taxa de reconhecimento de 88,36% para essa regra de combinao.
Tabela 6 - Matriz de confuso para o melhor caso pela regra do produto (DCE-DCP-LPC) NORMAL NORMAL EDEMA PARALISIA 47 2 3 EDEMA 2 39 7 PARALISIA 1 3 47

4. CONCLUSO
Neste trabalho foram avaliados o desempenho individual e combinados dos classificadores baseados em anlise cepstral e seus derivados e coeficientes LPC para a deteco de patologias na laringe. Os resultados obtidos mostram que aps a combinao dos classificadores obteve um ganho quando comparados com os obtidos individualmente. A melhor taxa de reconhecimento na discriminao (NormalxEdemaxParalisia) obtido individualmente foi de 87,36% para LPC, aps a combinao dos parmetros DCE-DCP-LPC observa-se um aumento na taxa, obtendo-se 89,79% pela regra da mdia aritmtica. Isto mostra que os coeficientes LCP e os parmetros cepstrais so promissores e capazes de modelar os efeitos das mudanas no sinal de voz causados pelas patologias consideradas. Pode ser investigado o uso de outros classificadores empregados para tentar aumentar a taxa de reconhecimento, na busca de diagnstico mais preciso.

REFERNCIAS
BOONE, D. Sua Voz Est Traindo Voc? Como Encontrar e Usar sua Voz Natural. Artes Mdicas. Porto Alegre, 1996 DANIEL, R., BOONE, S. e Mc FARLANE, C. A Voz e a Terapia Vocal. Artes Mdicas. Porto Alegre, 1994. DELLER, Jr. R.; PROAKIS, J. G. e HANSEN, J. H. L. Discrete-time Processing of Speech Signals, Macmillan Publishing Co., 1993. FURUI, S. Cepstral Analysis Technique for Automatic Speaker Verification. IEEE Trans. on ASSP, vol. 29, No. 2, pp 254-272, 1981. GODINO-LLORENTE, J. I., GOMES-VILDA P. and BLANCO-VELASCO, M. Dimensionality Reduction of a Pathological Voice Quality Assessment System Based on Gaussian Mixture Models and Short-Term Cepstral Parameters. IEEE Trans. on Biom. Engineering, Vol. 53, No. 10, pp. 1943-1953, October, 2006. KAY ELEMETRICS, Kay Elemetrics Corp. Disordered Voice Database. Model 4337, 03 Ed, 1994. LINDE, Y., BUZO, A., and GRAY, R. M., An Algorithm for Vector Quantizer Design. IEEE Transaction on Communications, Vol. COM-28, No. 1, pp 84-95, January, 1980. MAKHOUL, J., ROUCOS, S., and GISH, H. Vector Quantization in Speech Coding. Proceedings of the IEEE, Vol. 73, No. 11, November, pp. 1551-1588, 1985. MAMMONE, J. R., ZHANG, X., e RAMACHANDRAN, R. P. Robust Speaker Recognition - A Feature-Based Approach. IEEE Signal Processing Magazine, Vol. 13, No. 5, pages 58-71, September, 1996. MARTINEZ C. E. e RUFINER H. L., Acoustic Analysis of Speech for Detection of laryngeal Pathologies. Proceedings of the 22th Annual EMBS Conference, pags 2369-2372, Chicago, Julho, 2000. OLIVEIRA JNIOR J. J. de, KAPP, M. N., FREITAS, C. O. A., CARVALHO, J. M., SABOURIN, R. Handwritten Recognition with Multiple Classifiers for Restricted Lexicon. Proceedings of the 17th Brazilian Symposium on Computer Graphics and Image Processing, v. 1. p. 82-89, 2004. RABINER, L. R. and SCHAFER, R. W. Digital Processing of Speech Signals. New Jersey: Prentice-Hall, 1978. VIEIRA, R. T. Processamento digital de sinais de voz para deteco de patologias na laringe. Trabalho de concluso de curso de curso. Instituto Federal de Educao Cincia e Tecnologia da Paraba, 2011.

You might also like