Please use this identifier to cite or link to this item: https://repositorio.untels.edu.pe/jspui/handle/123456789/1171
Title: Desarrollo De Un Sistema Embebido Para La Estimación De La Frecuencia Respiratoria Basado En Señales De Fotopletismografía
Authors: Lezama Calvo, Jinmi Gregory
Oré Alvarez, Ronny Jean
Keywords: PPG, MAX30102, Microcontrolador, Frecuencia Respiratoria
Issue Date: 2023
Publisher: Universidad Nacional Tecnológica de Lima Sur
Abstract: En la presente investigación se propone desarrollar un hardware embebido portable para la adquisición de señales de fotopletismografía, para su posterior procesamiento mediante un algoritmo que permita estimar la frecuencia respiratoria. En primer lugar, se diseñó el hardware, para ello se eligió el sensor MAX30102 que es un pulsioxímetro comercial, la lectura de data se hizo mediante la placa Arduino Pro Mini que incluye un microcontrolador ATmega328p, la comunicación se realizó a través del módulo Bluetooth HC-05 y para la alimentación se utilizó una batería de Ion Litio y un módulo cargador TP4056. Posteriormente, se obtuvieron señales PPG con data cruda de voluntarios de prueba. Para el procesamiento de estas señales se siguió un algoritmo de 4 etapas: filtrado de la señal, detección de picos de la señal filtrada, cálculo del intervalo de serie temporal de picos y valles, y por último la estimación de la frecuencia respiratoria. Para el filtrado se utilizó un filtro Butterworth pasa bandas de tercer orden. El algoritmo utilizado logro buenos resultados en comparación a otros algoritmos utilizados en la literatura, se obtuvo un error medio absoluto de 0.653 respiraciones por minuto en un conjunto de 20 muestras.
URI: https://repositorio.untels.edu.pe/jspui/handle/123456789/1171
Appears in Collections:Tesis Bachiller IE

Files in This Item:
File Description SizeFormat 
T088A_47898624_T.pdf10,47 MBAdobe PDFView/Open
R088A_47898624_T.pdf
  Restricted Access
3,27 MBAdobe PDFView/Open Request a copy


This item is licensed under a Creative Commons License Creative Commons