ECG Signal Processing using Offline-Wavelet

Transform Method based on ECG-IoT Device

Procesamiento digital
de señales
Objetivos
• Obtener una señal ECG por medio de algún programa de simulación.
• Agregar ruido a la señal ECG obtenida.
• Aplicar una discreet wavelet transform a la señal con ruido y comparar
los resultados con la señal original.
Introducción
• Internet de las cosas IOT (internet of things).
• Importancia e influencia.
• Monitoreo live de sistemas.
• Salud y monitoreo de signos vitales.
Señal ECG
• Representación de actividad eléctrica
del corazón en función del tiempo.
• Relevante en diagnostico medico.
• Enfermedades cardiovasculares y
metabólicas.
Wavelet
Transform (WT)
• Descomposicion de señales en
versiones desplazadas y
escaladas de una ondicula.
• Ondícula: es una oscilación
similar a una onda que decae
rápidamente
• Análisis de datos que varían en
diferentes escalas.
• Frecuencias que varían en el
tiempo.
• Transitorios que varían
lentamente.
Wavelet Transform (WT)
• Clasificación : Transformada de ondículas continua (CWT) y la
transformada de ondículas discretas (DWT).
• La transformada (CWT) es una transformada de frecuencia de
tiempo, que es ideal para el análisis de señales no estacionarias.
• Señal no estacionaria: Su representación en el dominio de la
frecuencia cambia con el tiempo.
• Comúnmente utilizadas para analizar el comportamiento transitorio,
las frecuencias que cambian rápidamente y el comportamiento que
varía lentamente
Wavelet Transform (WT)
• Transformada ondícula discreta (DWT).
• Las escalas se discretizan de manera mas burda.
• Útil para eliminar y comprimir señales manteniendo características
importantes.
• Permite realizar análisis de múltiples resoluciones.
• Permite dividir una señal en componentes significativas e
interpretables.
Análisis de
Resultados
• Comparación ECG
original vs ECG con ruido
Gaussiano.
Adquisición de
Datos
• Sensores en brazos y piernas.
• Sensores en pecho y abdomen.
Procesamiento en sistema
móvil y almacenamiento
• Almacenamiento de datos en módulo.
• Pre procesamiento de datos.
• Transmisión de datos vía bluetooth a
dispositivos móviles basados en Android.
 • Uso de script en Matlab que simula una ECG
general.
ECG simulation • Valores por defecto
using MATLAB • Resolución de muestreo de 10[ms].
 • Permite visualizar una forma mas real de datos
Agregando Ruido obtenidos.
• En la adquisición de datos real, la señal resultante
blanco gaussiano viene con ruido (sucia), lo que entorpece su
procesamiento e interpretación.
a la señal ECG
 • El procesamiento de señal por medio de la WT
Transformada entrega un buen análisis de tiempo-frecuencia, por
eso lo hace un buen candidato para la limpieza de

ondícula discreta ruido con el cual podría llegar una señal ECG.
• Donde cAi son coeficientes aproximados y cDi son
(DWT). detalles de los coeficientes.
 Aplicación de Transformada ondícula discreta (DWT)
usando Matlab
• Uso de las herramientas de Matlab.
• Para procesar la señal:

• Para obtener la versión suavizada usando los coeficientes:

Señal ECG Recuperada
Análisis de
Resultados
• Comparación ECG con
ruido Gaussiano vs Señal
recuperada (DWT).
Análisis de
Resultados
• Comparación ECG
original vs Señal
recuperada (DWT).
Comparación
Simulación Matlab y
Resultados del Estudio

• Comparación de
resultados obtenidos de
Matlab vs los resultados
obtenidos en Papper.
 • Se obtuvo una simulación de ECG mediante
Matlab.
• Se logró agregar ruido mediante software lo que
permitió simular el caso mas real.

Conclusiones • Se logró un buen ajuste respecto a la señal

original.
y Discusión • Trabajo original 98% ajuste.
• Trabajo realizado en Matlab, 90% ajuste.
• La señal recuperada mantiene las características de
una ECG.