Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
PROYECTO DE GRADO Presentado a LA UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA Para obtener el t́ıtulo de INGENIERO ELECTRÓNICO por Daniel Esteban Vargas Bermúdez Motion Artifact Reduction of Heart-rate Light Sensor via Accelerometer and a LMS Adaptive Filters Sustentado el 14 de Diciembre de 2016 frente al jurado: - Asesor: Fredy Segura Quijano PhD, Profesor Asociado, Universidad de Los Andes - Coasesor: Edgar Unigarro, Universidad de Los Andes - Jurados : Johann Faccelo Osma PhD, Profesor Asociado , Universidad de Los Andes A todos ustedes, que siempre me han apoyado. Agradecimientos Quiero agradecer a todos los profesores que han dedicado su vida a iluminar a aquellos que buscan el conocimiento.A mi mamá y a mis abuelos, que nunca se rindieron conmigo y me enseñaron que la genialidad va por dentro. A Juliana, que supo escucharme los 155 d́ıas más importantes de toda mi carrera hasta ahora, y a mis amigos que se volvieron mis hermanos a lo largo de estos cinco años. i Tabla de contenido 1 Introducción 1 1.1 Descripción de la problemática y justificación del trabajo . . . . . . . . . . . . . . . . . 1 1.2 Alcance y productos finales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3.2 Objetivos Espećıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Marco teórico, conceptual e histórico 5 2.1 Marco Teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 Marco Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3 Marco Histórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 3 Definición y especificación del trabajo 9 3.1 Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 3.2 Especificaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 4 Metodoloǵıa del trabajo 11 4.1 Plan de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4.2 Búsqueda de información . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 4.3 Alternativas de desarrollo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 5 Trabajo realizado 15 5.1 Descripción del Resultado Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 5.2 Trabajo computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 6 Validación del trabajo 20 6.1 Metodoloǵıa de prueba . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 6.2 Validación de los resultados del trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 6.3 Evaluación del plan de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 7 Discusión 30 8 Conclusiones y trabajos futuros 31 8.1 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 8.2 Trabajo Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Referencias 31 A Resumen Ejecutivo 33 A.1 Objetivos del proyecto de grado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 A.1.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 A.1.2 Objetivos Espećıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 A.2 Descripción de los Objetivos Generales y Espećıficos . . . . . . . . . . . . . . . . . . . . 33 A.3 Desarrollo, Proceso, Recursos, Decisiones . . . . . . . . . . . . . . . . . . . . . . . . . . 34 A.4 Resultados: Caracterización de los resultados, grado de cumplimiento con respecto a objetivos, autodiagnóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 B Materiales y proveedores 36 C Instrumentos 37 D Especificaciones adicionales 38 ii TABLA DE CONTENIDO iii E Documentación adicional 39 Índice de figuras 1.1 Gráfica de frecuencia respiratoria, cuya medición se ve afectada por el movimiento de una extremidad [Gráfica adaptada de: [3]] . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Gráfica de un electrocardiograma que se ve afectado por el movimiento de la caja torácica en el proceso de respiración [Gráfica adaptada de: [16]] . . . . . . . . . . . . . . . . . . . 2 1.3 Tecnoloǵıa Wearable, el futuro del ser humano [15] . . . . . . . . . . . . . . . . . . . . . 3 2.1 Diagrama de bloques de un sistema con Filtro Adaptativo [2] . . . . . . . . . . . . . . . 5 2.2 Arterias del brazo. [Imagen adaptada de: [5]] . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3 Representación de los componentes A y B, componentes presentes al utilizar un oximetro para medir ritmo cardiaco y oxigenación de la sangre. [Gráfica adaptada de: [5]] . . . . 6 2.4 Representación gráfica de cómo se ve el método de descenso de gradiente para cuatro iteraciones. [Gráfica adaptada de: [11]] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.5 Representación mecánica de lo que sucede cuando se mueve el sensor sobre la piel. [Imagen adaptada de: [5]] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.6 Gráfico de las diferentes señales recibidas al hacer fotopletismograf́ıa con diferentes patrones de movimiento [Grafica adaptada de: [14]] . . . . . . . . . . . . . . . . . . . . . 8 4.1 Diagrama de tareas por semanas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 5.1 Diagrama de trabajo para el desarrollo del prototipo final. . . . . . . . . . . . . . . . . . 15 5.2 Sistema de caja negra donde se definen las dos entradas al sistema y la única salida . . . 16 5.3 Sistema de caja blanca donde se definen todos los subsistemas que participarán en el dispositivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 5.4 Pasos para realizar el desarrollo preliminar de calibrado y funcionamiento de sensores . 17 6.1 Comparación de señal adquirida perturbada por motion artifacts contra la señal recu- perada con un filtro LMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 6.2 Zoom de la comparación de señal adquirida perturbada por motion artifacts contra la señal recuperada con un filtro LMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 6.3 Comparación de la señal de acelerometŕıa con la señal recuperada de acelerometŕıa . . . 22 6.4 Diferencia entre la señal de acelerometŕıa recuperada y los datos medidos con el acelerometro 22 6.5 Señal recuperada después de pasar por un total de 10 iteraciones en el filtro LMS . . . . 23 6.6 Señal del acelerómetro contra señal del ruido generado por el movimiento con un filtro LMS después de 10 iteraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 6.7 Diferencia entre la señal de acelerometŕıa recuperada y los datos medidos con el acelerometro después de pasar por un total de 10 iteraciones . . . . . . . . . . . . . . . . . . . . . . . 24 6.8 Comparación de señal adquirida perturbada por motion artifacts contra la señal recu- perada para un filtro NLMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 6.9 Señal del acelerómetro contra señal del ruido generado por el movimiento para un filtro NLMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 6.10 Comparación de señal adquirida perturbada por motion artifacts contra la señal recu- perada con un filtro NLMS Normalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 6.11 Señal del acelerómetro contra señal del ruido generadopor el movimiento con un filtro NLMS Normalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 6.12 Señal de fotopletismógrafo ya filtrada al ser sometida al modelo de máximos y mı́nimos 26 6.13 Señal de fotopletismógrafo ya filtrada al ser sometida al modelo de máximos y mı́nimos con acercamiento en la zona de filtrado de la señal . . . . . . . . . . . . . . . . . . . . . 27 6.14 Señal de acelerómetro al ser sometida al modelo de máximos y mı́nimos . . . . . . . . . 27 6.15 Comparación de la señal de acelerómetro con Fuzzy Logic (azul) y la señal del acelerómetro (rojo) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 iv ÍNDICE DE FIGURAS v A.1 Diagrama de trabajo para el desarrollo del prototipo final. . . . . . . . . . . . . . . . . . 34 A.2 Señal de fotopletismógrafo ya filtrada al ser sometida al modelo de máximos y mı́nimos con acercamiento en la zona de filtrado de la señal. . . . . . . . . . . . . . . . . . . . . . 35 A.3 Imagen de la aplicación de android que muestra la frecuencia cardiaca. . . . . . . . . . . 35 Índice de tablas 1.1 Caracteŕısticas del producto a entregar y su nivel de satisfacción . . . . . . . . . . . . . 2 3.1 Dispositivos Wearable basadas en fotopletismograf́ıa . . . . . . . . . . . . . . . . . . . . 9 3.2 Restricciones de la solución planteada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 3.3 Funciones de la solución planteada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 4.1 Acelerómetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.2 Sensor para fotopletismograf́ıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.3 Placas de procesamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.4 Microcontroladores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 A.1 Sistemas y materiales seleccionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 vi 1. Introducción En este documento se encuentra toda la información referente al desarrollo del proyecto ”Motion Artifact Reduction of Heart-rate Light Sensor via Accelerometer and a LMS Adaptive Filters”. En éste se discute la problemática abordada, la cual responde a la pregunta del porqué del proyecto, se describe todo el proceso realizado a lo largo del semestre, los resultados esperados y los obtenidos, el análisis de los últimos y la conclusión respecto a la viabilidad de este dispositivo. 1.1 Descripción de la problemática y justificación del trabajo Los dispositivos usables o vestibles están marcando el siguiente paso del desarrollo de las nuevas tec- noloǵıas. Expertos del MIT, en su página de Wereable Computing - Media Life afirman que existen grandes oportunidades de mejoras en la calidad de vida relacionadas con esta nueva tecnoloǵıa. Estos dispositivos tienen diversas utilidades que van desde medir los pasos dados al caminar hasta monitorear de forma constante el ritmo card́ıaco y la saturación de ox́ıgeno en la sangre. Por otro lado, existen dos métodos para realizar una medición: el directo y el indirecto. El primero utiliza elementos que permiten cotejar un patrón determinado; por ejemplo, las marcas en una regla con la variable que se quiera medir; mientras que, con el otro se realiza la medición de una vari- able alternativa que tenga relación con la variable que se quiere medir. Para el desarrollo de este proyecto se utilizó un sensor de medición indirecta para hacer fotopletismograf́ıa, de esta manera se consiguen los datos de ritmo card́ıaco y de saturación de ox́ıgeno mediante la medición directa de frecuencia card́ıaca y absorbancia de la luz que parte del sensor y luego regresa con una longitud de onda dada por el reflejo de la cantidad de ox́ıgeno presente en la sangre. Sin embargo, este método es susceptible a errores, debido a que los movimientos del cuerpo alteran la señal recibida por el sensor. Figura 1.1: Gráfica de frecuencia respiratoria, cuya medición se ve afectada por el movimiento de una extremidad [Gráfica adaptada de: [3]] En la Fig. 1.1 se observa que los movimientos voluntarios de los músculos hacen que la señal de respiración se pierda completamente, volviendo inútiles los valores que se obtienen durante el instante que dura el movimiento. Por otro lado, en la Fig. 1.2 se observa que son los movimientos de la caja torácica al momento de la respiración los que hacen que el ritmo card́ıaco se desface, y aunque no se pierde por completo la medición como en la Fig. 1.1, este movimiento involuntario la afecta. Adicionalmente, hoy en d́ıa, para utilizar un medidor de ritmo card́ıaco convencional la persona se debe mantenerse lo más quieta posible durante la medición. Es por esto que se propone usar un acelerómetro para medir el movimiento del cuerpo en conjunto con un proceso de filtrado acorde a la necesidad para poder realizar mejores mediciones orientadas hacia las tecnoloǵıas usables; por ejemplo, puede ser usado por un deportista, quien está en constante movimiento, para medir su ritmo card́ıaco y su saturación de ox́ıgeno mientras entrena o por una persona que necesita estar monitoreada constantemente, sin afectar su estilo de vida. 1 CAPÍTULO 1. INTRODUCCIÓN 2 Figura 1.2: Gráfica de un electrocardiograma que se ve afectado por el movimiento de la caja torácica en el proceso de respiración [Gráfica adaptada de: [16]] 1.2 Alcance y productos finales El compromiso es diseñar y desarrollar un prototipo capaz de demostrar que la familia de filtros LMS puede ser utilizada para hacer una reducción de los ”Motion Artifacts” que afectan a la señal adquirida por un fotopleismógrafo. Para esto se establece que el dispositivo deb́ıa cumplir con los siguientes requerimientos, que se lograron en la siguiente escala (Puntaje de 0 a 5 donde 0 es mediocre y 5 es excelente): Tabla 1.1: Caracteŕısticas del producto a entregar y su nivel de satisfacción Caracteŕıstica Puntaje Funcionamiento 4 Facilidad de uso 3 Autonomı́a 2 Tamaño 5 Consumo 4 Costo 5 El funcionamiento es el esperado; sin embargo, al ser un prototipo presenta algunas fallas relacionadas con la dificultad de manejo de errores en los datos y el análisis más profundo de estos, lo que causa que el sistema tenga ciertos errores que dificultan una lectura óptima para el usuario. La nota es 4. El dispositivo no es tan fácil de usar sin el manual de usuario como se esperaba. La idea principal fue que el dispositivo fuera un ”plug and play” pero esto se vio truncado por dificultades de costo-tiempo que no permitieron cumplir con esta caracteŕıstica; sin embargo, es posible cumplirla. La nota es de 3. El dispositivo cuenta con capacidad para ser autónomo en la medida en que se puede alimentar con una bateŕıa; sin embargo, la bateŕıa no es fácil de conseguir, por lo cual, si el usuario quisiera cambiarla se le complicaŕıa. . La nota es de 4. CAPÍTULO 1. INTRODUCCIÓN 3 Figura 1.3: Tecnoloǵıa Wearable, el futuro del ser humano [15] El dispositivo tiene el tamaño esperado. Aunque no fue lo suficientemente pequeño para no estorbar en la muñeca, cuenta con un tamaño reducido enfocado a ser una tecnoloǵıa wereable, lo cual era el ob- jetivo principal. Aunque aún hay trabajo por hacer y cosas por mejorar respecto a esta caracteŕıstica, haciendo una valoración capacidad-conocimiento la nota es de 5. El consumo de potencia del dispositivo es ligeramente mayor al esperado, con un total de 26 mA se esperaba que se obtuviera un consumo total de 20 mA con una bateŕıa de 1000 mAh para obtener 50 horas de funcionamieto; sin embargo, es bastante bueno. Haciendo una relación con la bateŕıa selec- cionada y el consumo del dispositivo, se espera un consumo total de aproximádamente 7 a 8 horas. La nota es de 4 El costo era uno de los principales objetivos a lograren este prototipo. La meta principal era que el dispositivo completo no costase más de 100 USD, con un total de 80000 COP por todos los dispositivos más una aplicación de Android se cumple a la perfección y con un margen de más del doble este objetivo. En este costo no se tiene en cuenta el costo del dispositivo Android. La nota es de 5. 1.3 Objetivos 1.3.1 Objetivo General Diseñar e implementar un sistema que permita filtrar el ruido introducido en la señal adquirida por un sensor de pletismograf́ıa enfocado en tecnoloǵıa vestible, buscando llegar al diseño final de un dispositivo capaz de medir el ritmo cardiacode la persona que lo use. (Se realizó un cambio en este objetivo principal con respecto al objetivo propuesto debido a que se encontró imposible medir porcentaje de oxigenación de la sangre mientras se realiza el movimiento) 1.3.2 Objetivos Espećıficos 1. Diseñar el sistema de filtrado teniendo en cuenta las diferentes especificaciones de la tarjeta de procesamiento y sistemas alternos. 2. Diseñar e implementar un prototipo de dispositivo vestible para uso humano que permita medir el ritmo card́ıaco y oxigenación de la sangre de la forma más exacta y precisa posible mientras el portador se encuentra en movimiento. CAPÍTULO 1. INTRODUCCIÓN 4 3. Realizar las pruebas pertinentes que validen el diseño y funcionamiento, tanto del dispositivo como del filtro. 2.Marco teórico, conceptual e histórico 2.1 Marco Teórico Los filtros adaptativos permiten, a través de un proceso iterativo, ajustar una correlación entre dos señales, en tiempo real, a través de un sistema de pesos y retroalimentación del error. Estos filtros suelen consumir pocos recursos y algunos se derivan de métodos de optimización, como la familia de filtros LMS, y consiguen aproximar operaciones matemáticas complejas con un sistema de pesos más sencillo de calcular. Estos filtros son útiles cuando es necesario reducir el ruido introducido a un sistema que trabaja con datos inmediatos debido a su rápida convergencia y a la alta confiabilidad que generan. Figura 2.1: Diagrama de bloques de un sistema con Filtro Adaptativo [2] La familia de algoritmos adaptativos se utiliza bastante debido a la facilidad de las operaciones matemáticas que utiliza. Algunos algoritmos se derivan del método de optimización Steppest Descend y buscan solucionar siempre un problema de optimización, dependiendo del filtro que se seleccione. Los filtros de esta familia utilizan un paso de descenso, que puede ser fijo, variable con el tiempo o adaptativo. El fundamento matemático se encuentra en la aproximación instantánea de las funciones de costo a optimizar, buscando siempre encontrar el mı́nimo de los pesos que permita que el valor esperado del error asociado a la diferencia de los valores a optimizar sea el menor posible. Es necesario tener en cuenta que si se toma un valor del paso demasiado grande, el sistema divergerá, debido a que el cálculo de los pasos no distingue, a menos que aśı se diseñe, un sistema de paso que detecte si se encuentra o no descendiendo hacia el mı́nimo de la funcion de costo. Por esta razón, se recomienda siempre que: 0 < µ‖ui‖2 < 2 Donde ui corresponde al vector o señal de entrada y µ corresponde al tamaño del paso para la conver- gencia. Esto debe cumplirse para que el sistema pueda converger [17] Por otro lado, los sistemas de medición de ritmo card́ıaco basados en fotopletismograf́ıa, también conocida como pulsioximetŕıa, se basan en el uso del cambio de volumen de la sangre que circula a través de venas y arterias. La forma que se estudiará para medir el ritmo card́ıaco lo hace a través de sensores de luz, los cuales se encuentran hoy en d́ıa integrados en nuevas tecnoloǵıas. Estos dispositivos emiten luz con una longitud de onda determinada y el cuerpo humano absorbe una cierta cantidad de ésta y refleja el resto, esto permite medir el ritmo card́ıaco, ya que el flujo sangúıneo produce cambios en la absorción. Para su correcto funcionamiento los sensores deben estar en contacto directo con la piel, para que la luz vaya directo al torrente sangúıneo y se devuelva sin mayor contratiempo. Sin embargo, como ya se mencionó antes, al ser sensibles al movimiento del área de contacto, puede existir una interferencia no deseada del movimiento de los músculos, los cuales tienen sus propios rit- mos y emiten sus propias señales; por esta razón, el sujeto debe permanecer lo más estático posible mientras se realiza la medición. Coincidencialmente, estas señales de los músculos contienen com- ponentes frecuenciales similares y magnitudes bastante mayores a las del ritmo card́ıaco, por lo que dificultan la tarea de filtrar esta señal con filtros tradicionales; por lo cual, se propone el uso de un filtro LMS sujeto a un acelerómetro y a un sistema de análisis de datos para solucionar este problema. 5 CAPÍTULO 2. MARCO TEÓRICO, CONCEPTUAL E HISTÓRICO 6 Figura 2.2: Arterias del brazo. [Imagen adaptada de: [5]] Figura 2.3: Representación de los componentes A y B, componentes presentes al utilizar un oximetro para medir ritmo cardiaco y oxigenación de la sangre. [Gráfica adaptada de: [5]] Además, proponiendo que este sistema sea de tamaño reducido para que abra una gran cantidad de posibilidades en el mundo de la tecnoloǵıa vestible. 2.2 Marco Conceptual Los conceptos manejados en este trabajo se derivan del método matemático de descenso de gradiente. Este método de optimización iterativo de primer orden utiliza el gradiente negativo para indicar, en un plano donde se encuentra un gradiente definido, hacia dónde se encuentra el mı́nimo local o global, visto desde el punto donde está situada la operación para un instante Tx CAPÍTULO 2. MARCO TEÓRICO, CONCEPTUAL E HISTÓRICO 7 Figura 2.4: Representación gráfica de cómo se ve el método de descenso de gradiente para cuatro iteraciones. [Gráfica adaptada de: [11]] Además de esto, se debe comprender el aspecto mecánico del sistema. Al moverse el sujeto se mueve la superficie de contacto del sensor, causando que la señal deje de ser fiable sin ser tratada. Figura 2.5: Representación mecánica de lo que sucede cuando se mueve el sensor sobre la piel. [Imagen adaptada de: [5]] 2.3 Marco Histórico Patterson y Jang [9] [14] utilizan una serie de filtros y un estimador para poder eliminar el error gen- erado por factores de movimiento y ruido externo que pueden afectar las mediciones. Por su parte, Patterson y Guang desarrollan, parte a parte, un sistema completo de medición para fotopletismograf́ıa explicando que para cada una de las partes que componen el sistema es necesario realizar un sistema de filtrado que permita mantener la calidad de la señal; afirman que ”... los algoritmos de procesamiento de señales, para dos de los tres ruidos determinados, utilizan muy pocos recursos computacionales, por lo que pueden ser utilizados en un sistema vestible de bajo consumo.”. Además, dicen que el uso de un sistema de medición de movimiento de bajo consumo con acelerómetros conduce a un desarrollo de mejores elementos de tecnoloǵıa vestible. [14] Por último, Jang, Yeom y Sim se centraron en analizar el uso y comportamiento de una aproximación Least Square Estimator para filtrar solamente el ruido del movimiento. Los resultados para una aproximación que necesita pocos recursos para funcionar son concluyentes. CAPÍTULO 2. MARCO TEÓRICO, CONCEPTUAL E HISTÓRICO 8 Figura 2.6: Gráfico de las diferentes señales recibidas al hacer fotopletismograf́ıa con diferentes patrones de movimiento [Grafica adaptada de: [14]] Los filtros adaptativos pueden cumplir los requerimientos necesarios para ser implementados junto con este tipo de tecnoloǵıas. Esta clase de filtros funcionan de forma iterativa y mediante un proceso matemático moldean la relación entre dos señales diferentes y va cambiando los coeficientes de su sistema a lo largo del tiempo [6] [7]. Halim, Ikramy Shah [1] afirman que los filtros adaptativos Last- Mean Square y Recursive Least-Square tienen buenos tiempos de respuesta, pues consumen pocos recursos computacionales. En el campo de la fotopletismograf́ıa existen avances importantes en cuanto a desarrollo y creación de mejoras para los diferentes sensores que existen; sin embargo, uno de los problemas de este tipo de medición es el ruido que produce el movimiento del paciente mientras se realizan las mediciones. Una de las mayores restricciones a la hora de seleccionar un filtro es la relación entre las señales que no es 1 a 1; es decir, filtro convencional (como un pasa altas o bajas) no funciona. Magdalena y Daniel Mauricio lograron sistemas que permiten medir el ritmo card́ıaco al usar la fotopletismograf́ıa, y él consiguió que este sistema tuviera el tamaño de un reloj de pulsera [13] [8]. 3.Definición y especificación del trabajo 3.1 Definición El problema es que no es posible medir la frecuencia card́ıaca a través de fotopletismograf́ıa cuando el usuario se encuentra en movimiento. Esta señal es en extremo sensible a los ”Motion Artifacts” que pueden ser generados por el usuario. Se desarrolló un prototipo capaz de reducir considerablemente el componente de magnitud de estos ”Motion Artifacts”. Según Dickson [5], existen dos mediciones para fotopletismograf́ıa, basadas en el modelo propuesto para un dispositivo de mano, en la yema de los dedos o en la muñeca. Dickson asegura que la medición en la muñeca recibe un impacto considerable tanto de los motion artifacts de los ejes complementarios, reconociendo como ejes complementarios los ejes ortogonales al vector de dirección de movimiento, como del eje principal, reconociendo el eje principal como el eje de la dirección de movimiento. Por otra parte, el dispositivo que se utiliza en la yema de los dedos asegura que el impacto en ejes complementarios será casi nulo, mientras que el impacto causado en el eje principal es muy grande, en comparación con los tres impactos de un dispositivo de muñeca. Por esta razón, se seleccionó el dispositivo de yema de dedo como dispositivo a trabajar, ya que presenta el peor escenario posible y un funcionamiento en este dispositivo implica que se puede usar la misma lógica para un dispositivo de muñeca De acuerdo con el James. de Wareable, en su lista de los 10 mejores dispositos para la medición cont́ınua del ritmo cardiaco [19] se puede observar que el más barato de los dispositivos es de 120 USD, un aproximado de 360.000 COP. El grupo de Werable realiza la selección basada en el estudio de los dispositivos móviles encontrados, en la tabla 3.1 se pueden observar los dispositivos que utilizan el principio de fotopletismograf́ıa y su costo actual en el mercado. Tabla 3.1: Dispositivos Wearable basadas en fotopletismograf́ıa Funciones Puntaje TomTom Spark 3 249.99 USD Polar M600 329.95 USD Garmin Forerunner 235 299.99 USD Mio Alpha 2 119.99 Fitbit Surge 249 Se estableció que el prototipo no superara una cantidad ĺımite de costo, esto esperando que cualquier persona, grupo de personas u hospitales puedan acceder al dispositivo, ya sea por unidad o en masa, ya que la idea es trabajar en el tema de fotopletismograf́ıa y mejorar lo existente. El problema de salud que se busca solucionar es amplio, buscando llegar a la mayor cantidad de per- sonas que deseen monitorear de forma constante su ritmo card́ıaco, en especial aquella población con un estado de salud delicado que implica el constante monitoreo de este signo vital. 3.2 Especificaciones Para poder ser una solución que se ajusta a las necesidades del problema, el prototipo debe cumplir con las siguientes restricciones: El peso es una restricción, dado que el prototipo está diseñado para ser una tecnoloǵıa portable; por lo cual, no seŕıa óptimo que fuese pesado, ya que podŕıa generar molestias al usuario en el momento de us- arlo. La idea es que sea cómodo para quienes quieran o necesiten usarlo durante un tiempo prolongado. 9 CAPÍTULO 3. DEFINICIÓN Y ESPECIFICACIÓN DEL TRABAJO 10 Tabla 3.2: Restricciones de la solución planteada Restricciones Peso Portabilidad Facilidad de uso Capacidad de autonomı́a La portabilidad se entiende como una restricción, ya que es necesario que el sistema pueda ser trans- portado con facilidad para comodidad del usuario, esto enfocado a la tecnoloǵıa vestible. La facilidad de uso es una restricción, ya que el producto final está diseñado para no tener que ser manipulado por usuarios expertos; por lo cual, debe ser fácil de usar después de una breve lectura del manual de uso. Por último, la capacidad de autonomı́a es una restricción, ya que es necesario que el equipo tenga un tiempo de funcionamiento lo suficientemente extenso para permitir que una persona pueda usarlo durante varias horas de actividad sin verse limitado por el tiempo que dura la baterpia del prototipo. Tabla 3.3: Funciones de la solución planteada Funciones Puntaje Recuperación de la señal de acelerometŕıa 5 Recuperación de la señal de fotopletismograf́ıa 4 Eficacia del filtro 4.5 Capacidad para medir frecuencia cardiaca 4.5 Presentación de datos 4 Es necesario evaluar, en función de la solución, la capacidad que tiene para recuperar la señal de acelerometŕıa desde la señal de fotopletismograf́ıa, ya que esto valida la primera parte del funcionamiento del filtro. La nota es 5. La recuperación de la señal de fotopletismograf́ıa o de frecuencia cardiaca valida la segunda parte del funcionamiento del filtro, ya que ésta es la señal que se utilizará para obtener el valor de la cantidad de latidos por minuto cuando el usuario se encuentre en movimiento.La nota es de 5. La eficacia del filtro es la unión entre la recuperación de la señal de acelerometŕıa junto con la de foto- pletismograf́ıa. Esta caracteŕıstica se evalúa como el promedio entre la capacidad para la recuperación de la señal de acelerometŕıa y la capacidad para la recuperación de la señal de fotopletismograf́ıa. La nota es de 4.5 La capacidad para medir la frecuencia card́ıaca es la facilidad que tiene el dispositivo de medir esta variable a partir de la señal recuperada por el filtro. La nota es de 4.5. La presentación de datos es la capacidad que debe tener el prototipo para mostrar los datos al usuario final, estos deben presentarse de forma que el usuario los pueda leer con facilidad. La nota es de 4. 4.Metodoloǵıa del trabajo 4.1 Plan de trabajo • Investigación e inicio de diseño: Está compuesta por todo el trabajo realizado en la etapa de investigación de teoŕıa, desarrollo computacional y busqueda de posibles herramientas o solu- ciones a implementar, aśı como los primeros pasos del diseño, reconocimento de restricciones y planteamiento de las funcionalidades. • Diseño y desarrollo software: El software es el encargado de dar vida a todo el sistema; por esta razón, después de seleccionar todos los componentes y tener en cuenta todas sus limitantes, se diseñó un software capaz de cumplir con los requermientos funcionales previamente establecidos. • Pruebas individuales: El sistema se compone de diferentes partes que pueden ser probadas de forma individual. Se verificó el funcionamiento de todas las partes en solitario para minimizar la posibildiad de un error que se pueda producir al pasar por alto algún detalle técnico. • Desarrollo del prototipo: El prototipo finalizado es el producto de todo el trabajo de hardware y software, desde el diseño hasta las pruebas individuales. • Pruebas finales y correxión de errores: Es posible que sea necesario hacer algunos ajustes sobre el sistema desarrollado; por esta razón, llevarán a cabo pruebas finales con el dispositivo completo para poder detectar los errores encontrados y que de esta manera sea posible corregirlos. Figura 4.1: Diagrama de tareas por semanas 11 CAPÍTULO 4. METODOLOGÍA DEL TRABAJO 12 4.2 Búsqueda de información Debido a queel proyecto requiere la inclusión de dos frentes diferentes, uno matemático y otro de hardware-software, se realizaron búsquedas que ayudaron a complementar el trabajo desde ambos con- textos. Para el dearrollo del trabajo matemático el profesor Sayed y el profesor Douglas, con sus libros de ”Adaptive Filtes” y ”Digital Signal Processing Handbook” respectivament, explican en detalle cómo funcionan los filtros LMS, su origen y el desarrollo matemático respectivo. Además, incluyen los casos para los cuales estos tipos de filtros no funcionan o cuando deben ser tenidas en cuenta considera- ciones especiales al momento de desarrollar esta clase de filtros. Por otra parte, para el desarrollo hardware-software se buscó trabajo relacionado con medición por fotopletismograf́ıa, aśı como un tra- bajo anterior que tuviera el mismo enfoque. Bajo estos preceptos, el trabajo de Florez en su tesis titulada ”Monitor de presión arterial para detección y prevención de enfermedades cardiovasculares operado en el contexto de internet de las cosas”, el de Jang, Sim y Rim en su art́ıculo cient́ıfico titulado ”Ring sensor and heart rate monitoring system for sensor network applications”, y, por último, el de Dickson en su proyecto final de maestŕıa titulado ”Heart Rate Artifact Suppression” establecen un avance de hardware-software enfocado a reducción de ”Motion Artifacts”. Estos documentos son los pilares principales del desarrollo hardware-software que se alcanzó en este trabajo, por lo cual se tu- vieron en cuenta todas las consideraciones, avances y resultados que los expertos adquirieron al realizar sus estudios. A su vez se realizaron investigaciones de materiales y dispositivos a través de la red, datasheets o presentaciones de productos. También se utilizaron algunas imágenes de blogs o páginas que haćıan referencia al tema de wearable, modelos gráficos y diagramas, las imágenes con referente teórico fueron respaldadas para que no existiese ningún tipo de error o malentendido. Por otra parte, toda la for- mación académica fue importante, ya que permitió plantear de manera correcta los ĺımites del proyecto, aśı como establecer funcionalidades, permitir comparar los diferentes textos y herramientas de hard- ware y software que se encontraron, seleccionar las que mejor se ajustaban al proyecto y realizar el posterior desarrollo del prototipo. Además, Fredy Segura, profesor asociado de la Universidad de los Andes y asesor de este proyecto de grado, jugó un papel escencial en el desarrollo del prototipo, ya que validaba las decisiones tomadas y entregaba sugerencias y medidas correctivas cuando se encontraban errores o cuando el prototipo se encontraba frente a un problema no contemplado. También, Edgar Unigarro el coasesor del proyecto, quien hab́ıa trabajado en el proyecto anteriormente, colaboró con información relevante acerca del hardware y software que podŕıa ser utilizado para el desarrollo del pro- totipo. Finalemnte, Johann Osma, profesor asociado de la Universidad de los Andes, también jugó un papel importante en el desarrollo del proyecto, ya que constantemente sugirió soluciones de hardware para el correcto funcionamiento del prototipo, aśı como correcciones y sugerencias al proyecto. 4.3 Alternativas de desarrollo El primer paso en para el desarrollo del prototipo fue la elección de material, para esto fue necesario hacer cuatro busquedas espećıficas. La primera busqueda para un dispositivo de medición de acel- eración, la segunda para un sensor de fotopletismograf́ıa, la tercera para una placa de prototipado y la cuarta para buscar un procesador que se adecúe a los requerimientos del sistema. En la primera busqueda era necesario encontrar un acelerómetro que se ajustara a las necesidades del sistema, desde el tamaño, la capacidad, la resolución y el costo hasta el consumo, tal como se ve en la tabla 4.1. NOTA: La disponibilidad es a nivel nacional. CAPÍTULO 4. METODOLOGÍA DEL TRABAJO 13 Tabla 4.1: Acelerómetros Acelerómetro Rango Resolución Costo Consumo Disponibilidad MPU 6050 Hasta +/- 16G 16 bits 23000 COP 550 µA Si ADXL345 Hasta +/- 16G 10 bits 30000 COP 200 µA Si Pololu MinIMU-9 v5 Hasta +/- 16G 16 bits 75000 COP 5 mA No En la segunda se buscaba un sensor para fotopletismograf́ıa que se acoplaran a los requerimientos funcionales del prototipo. La pesquisa arrojó los datos de la tabla 4.2. NOTA: La disponibilidad es a nivel nacional. Tabla 4.2: Sensor para fotopletismograf́ıa Sensor Consumo Circuito de instrumentación Tamaño Disponibilidad* SEN 11574 5 mA Inclúıdo 16mm x 3mm (RxTh) Si SFH7050 125 mA No Inclúıdo 4.7mm x 2.5mm x 0.9mm No MAX30100 1.2 mA Inclúıdo 5.6mm x 2.8mm x 1.2mm No Posteriormente, se realizó una investigación para encontrar las mejores placas de prototipado con el fin de poder validar el funcionamiento de todos los sistemas individualmente y de tener la posibilidad de reducir componentes y aumentar las capacidades del sistema mientras se realizan las pruebas. NOTA: La disponibilidad es a nivel nacional. Tabla 4.3: Placas de procesamiento Placa Arquitectura Velocidad de reloj Pin I/O-Análogo Disponibilidad* Arduino 101 32 bits 32MHz 14-6 No Arduino Uno 8 bits 16 MHz 14-6 Si Arduino Nano 8 bits 16 MHz 14-8 Si Tabla 4.4: Microcontroladores Placa Arquitectura Velocidad de reloj Costo Disponibilidad* Intel Curie 32 bits 32MHz 70000 COP No ATMega 168 8 bits 16 MHz 15000 COP Si ATMega 328P 8 bits 16 MHz 15000 COP Si Se seleccionó el acelerómetro MPU 6050, ya que éste, además de contar con las caracteŕısticas que se adecúan al problema en cuanto a tamaño, peso y costo, tiene integrado un sistema de giroscoṕıa que puede ser utilizado para realizar un trabajo a futuro con base en el prototipo desarrollado. Se seleccionó el sensor SEN 11574 porque éste cumple con las caracteŕısticas de consumo, además de ser uno de los pocos sistemas de medición que se encuentra disponibles a nivel nacional que tiene un tamaño reducido. Adicionalmente, el sensor cuenta con un circuito de instrumentación embebido, lo cual resta complejidad al sistema. CAPÍTULO 4. METODOLOGÍA DEL TRABAJO 14 Se seleccionaron las placas de procesamiento Arduino Uno y Nano, debido a que no es necesaria una arquitectura de mayor tamaño para la aplicación que se está buscando desarrollar; además, se cuenta con unidades disponibles a nivel nacional. Sin embargo, se reconoce que una arquitectura más grande permitiŕıa desarrollar trabajo adicional y aumentar la precisión. Se seleccionó el ATMega168, debido a que tiene un bajo consumo y tiene el tamaño suficiente para acomodarse dentro de un sistema portable. Adicionalmente se trabajó con un sistema de comunicación bluetooth con un dispositivo HC-06. Esto se realizó debido a que era necesario tener un comunicador entre la aplicación Android y el dispositivo portable. Este dispositivo consume 10 mA aproximadamente. 5.Trabajo realizado 5.1 Descripción del Resultado Final Se puede apreciar en la figura A.3 que el sistema principal se compone de tres grandes áreas: la de diseño, la de desarrollo y la de pruebas y análisis. Cada una de estas áreas tiene unas subdivisiones de trabajo e ı́tems a completar; del cumplimiento de estas actividades y tareas depende que se pueda pasar al área siguiente. Figura 5.1: Diagrama de trabajo para el desarrollo del prototipo final. El primer paso es el diseño, éste se realiza a partir de las restricciones previamente definidas y el análisis de los requerimientos funcionales. Se empieza investigando acerca de las posibles soluciones que se ajusten a estos requerimientos, luego se realiza una evaluación de las soluciones encontradas, después se establecen soluciones principales y secundarias - las soluciones secundarias son el plan de respaldo en caso tal que la solución primaria falle -. Esta área arroja como salida información de la solución principal y las alternas, esto será usado en la siguiente área.El segundo paso es el desarrollo del prototipo. Éste es iterativo, ya que se compone del desarrollo individual de todas las partes del sistema y una integración posterior. Se evalúa un primer plano de funcionalidad, donde se espera encontrar posibles fallas en la solución principal para corregirlas antes 15 CAPÍTULO 5. TRABAJO REALIZADO 16 de continuar. Luego, se realiza un primer montaje para calibrar el prototipo y verificar el correcto fun- cionamiento, si éste es exitoso, la funcionalidad se añade al prototipo conjunto, el cual posteriormente será analizado y sometido a pruebas de funcionamiento. Esta área arroja como resultado un prototipo final para ser analizado y puesto a prueba. El tercer paso son las pruebas y el análisis de éstas. En este paso el prototipo final es sometido a constantes pruebas que validan su funcionamiento, se detectan problemas y se solucionan, buscando siempre pulirlo. De esta manera, se obtiene un prototipo sin problemas, analizado y listo para ser us- ado. Este último paso entrega una documentación de manejo del prototipo final que permite manejar el prototipo con seguridad. Modelo: Se busca solucionar un problema que, en teoŕıa, tiene dos entradas; la primera de un dispositivo que permitirá obtener datos del ruido causado por el movimiento, siendo introducido a la señal original, y la segunda del sensor capaz de recibir los diferentes impulsos de la frecuencia card́ıaca a través de un sistema definido. A su vez, el sistema cuenta con una salida, la cual conduce a los datos ya procesados a una interfaz completa que le permite al usuario observar, analizar y trabajar sobre los datos que esta tecnoloǵıa ha recogido. Figura 5.2: Sistema de caja negra donde se definen las dos entradas al sistema y la única salida Figura 5.3: Sistema de caja blanca donde se definen todos los subsistemas que participarán en el dispositivo Es necesario realizar las revisiones individuales de funcionamiento de los sistemas, y verificar el correcto funcionamiento del sistema de acelerometŕıa y de fotopletismograf́ıa. Esto se hace siguiendo los pasos de calibración de los dispositivos seleccionados, tal como se puede ver en la figura 5.4 CAPÍTULO 5. TRABAJO REALIZADO 17 Figura 5.4: Pasos para realizar el desarrollo preliminar de calibrado y funcionamiento de sensores 5.2 Trabajo computacional Se encontraron 9 tipos de filtros diferentes pertenecientes a la familia de algoritmos adaptativos, a los cuales se les puede aplicar un sistema de paso fijo o variable, que además podŕıan cumplir con el objetivo del filtro a seleccionar: • LMS • LMS con paso variable en el tiempo • e-NLMS • e-NLMS Normalizado • LMS con sensibilidad al signo del error • Leaky LMS • LMF • LMMS Para todos estos algoritmos se hizo un análisis de punto, donde se utiliza el algoritmo para probar qué tan rápido (medido en número de iteraciones) consigue llegar de un punto A a un punto B. Para esto se utilizarán dos números primos, 5 y 101, y se realizará un análisis de cada uno de los algoritmos bajo este sistema de pruebas. Además, para todos los sistemas de prueba se inicia con un valor del sistema de pesos w=0.5 LMS: La función a optimizar es: min w E‖d− u ∗ w‖2 A través del sistema iterativo: wi = wi−1 + (µ)(u ∗ i )(d(i)− wi−1 ∗ ui) LMS con paso variable en el tiempo: La función a optimizar es: CAPÍTULO 5. TRABAJO REALIZADO 18 min w E‖d− u ∗ w‖2 A través del sistema iterativo: wi = wi−1 + (µ)(u ∗ i )(d(i)− wi−1 ∗ ui) Utilizando el sistema de paso variable en el tiempo: µ = µ ∗ 1.05 Si el error del paso i-1 es menor al del paso i-2. Y: µ = µ ∗ 0.8 el error del paso i-2 es menor al del paso i-1. e-NLMS: La función a optimizar es: min w E‖d− u ∗ w‖2 A través del sistema iterativo: wi = wi−1 + (µ) �+ ‖(ui)‖2 u∗i (d(i)− wi−1 ∗ ui) e-NLMS Normalizado: La función a optimizar es: min w E‖d− u ∗ w‖2 A través del sistema iterativo: p(i) = βp(i− 1) + (1− β)‖u(i)‖2 donde p(−1) = 0 wi = wi−1 + (µ) �+ p(i) u∗i (d(i)− wi−1 ∗ ui) LMS con sensibilidad al signo del error: La función a optimizar es: min w E‖d− u ∗ w‖ A través del sistema iterativo: wi = wi−1 + µu ∗ i csgn(d(i)− wi−1 ∗ ui) Donde: csgn(x) = sign(xr) + jsign(xi) Leaky-LMS: La función a optimizar es: min w [α‖w‖2 + E‖d− u ∗ w‖2] A través del sistema iterativo: wi = (1− µα)wi−1 + µu∗i (d(i)− wi−1 ∗ ui) CAPÍTULO 5. TRABAJO REALIZADO 19 LMF: La función a optimizar es: min w E‖d− u ∗ w‖4 A través del sistema iterativo: wi = wi−1 + µu ∗ i e(i)‖e(i)‖2 Donde: e = d(i)− ui ∗ wi LMMN: La función a optimizar es: min w E[δ‖e‖2 + 1 2 (1− δ)‖e‖4] Donde: e = d(i)− ui ∗ wi A través del sistema iterativo: wi = wi−1 + µu ∗ i e(i)[δ + (1− δ)‖e(i)‖2] Donde: e = d(i)− ui ∗ wi Todo esto basado en el análisis del profesor Sayed [17] y [7]. 6.Validación del trabajo 6.1 Metodoloǵıa de prueba Prueba de validación de funcionamiento del filtro: • El sujeto se ubica en una posición cómoda, sentado en una silla con los brazos sobre la silla, esto permite que el paciente se sienta cómodo; de esta manera, se asegura la poca varianza del valor de la frecuencia card́ıaca a lo largo del experimento. • El sensor se ubica en el dedo ı́ndice del sujeto, de esta manera se asegura el resto del dispositivo a la muñeca. Esto se debe hacer para que las medidas que se tomen sean correctas y los datos sean fiables. • Se conecta la aplicación con el dispositivo de medición a través de Bluetooth. Se establece un enlace entre el dispositivo de adquisición y procesamiento con la aplicación encargada de mostrar los datos. • Se espera mientras se realiza la calibración pertinente, la aplicación le informará una vez puedan iniciarse las pruebas. Esta calibración es necesaria, debido a que se necesita calibrar los acelerómetros y recibir los primeros datos de frecuencia card́ıaca, aśı se facilita el trabajo de análisis en pasos posteriores. • Se mide la frecuencia card́ıaca del sujeto con algún instrumento o con algún método aprobado. Esto se realiza para poder contrastar los datos adquiridos por el prototipo con los datos medidos con otro instrumento o de forma análoga. • Se pide al paciente que suba y baje el dedo donde tiene conectado el dispositivo por un total de cinco (5) veces, durante cinco segundos. Se realiza la primera prueba de ruido sobre la señal. El movimiento es pequeño para evitar fatigas en el paciente que puedan alterar el ritmo card́ıaco. • Se verifica constantemente que la frecuencia mostrada por la aplicación corresponde a la frecuen- cia que se midió en pasos anteriores. • Se pide al paciente que suba y baje el dedo de forma consante durante 20 segundos. Se realiza la segunda prueba a ruido sobre la señal.El movimiento es pequeño para evitar fatigas en el paciente que puedan alterar el ritmo card́ıaco. • Se verifica constantemente que la frecuencia mostrada por la aplicación corresponde a la frecuen- cia que se midió en pasos anteriores. 6.2 Validación de los resultados del trabajo Primeras pruebas: Se observa en la Figura 6.1 que es posible reducir el ruido de la señal adquirida por medio de la fotopletismograf́ıa utilizando un filtro NLMS. Sin embargo, también se observa más adelante que se encuentran problemas en el análisis de la señal, debido al ruido de alta frecuencia introducido por el acelerómetro y a que la señal pierde su forma original, tal como se puede ver en la Figura 6.2. 20 CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 21 Figura 6.1: Comparación de señal adquirida perturbada por motion artifacts contra la señal recuperada con un filtro LMS. Figura 6.2: Zoom de la comparación de señal adquirida perturbada por motion artifacts contra la señal recuperada con un filtro LMS. CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 22 Figura 6.3: Comparación de la señal de acelerometŕıa con la señal recuperada de acelerometŕıa Figura 6.4: Diferencia entre la señal de acelerometŕıa recuperada y los datos medidoscon el acelerometro Además, se puede ver en la Figuras 6.3 y 6.4 que el filtro logra recuperar gran parte de la señal de acelerometŕıa con solo dos iteraciones en total. Para este paso fue necesario realizar una calibración entre el número de pasos y la calidad de la señal recuperada, debido a que si el número de pasos es muy grande (superior a 5 iteraciones), se dificulta la recuperación de la señal de ritmo cardiaco, o en su defecto no se puede recuperar en lo absoluto, y en estos casos se obteniene solamente una constante DC, tal como se puede apreciar en la Figura 6.5. Por otro lado, se puede ver en las Figuras 6.6 y 6.7 que se recupera toda la señal de acelerometŕıa. CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 23 Figura 6.5: Señal recuperada después de pasar por un total de 10 iteraciones en el filtro LMS Figura 6.6: Señal del acelerómetro contra señal del ruido generado por el movimiento con un filtro LMS después de 10 iteraciones CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 24 Figura 6.7: Diferencia entre la señal de acelerometŕıa recuperada y los datos medidos con el acelerometro después de pasar por un total de 10 iteraciones Figura 6.8: Comparación de señal adquirida perturbada por motion artifacts contra la señal recuperada para un filtro NLMS CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 25 Figura 6.9: Señal del acelerómetro contra señal del ruido generado por el movimiento para un filtro NLMS Figura 6.10: Comparación de señal adquirida perturbada por motion artifacts contra la señal recuper- ada con un filtro NLMS Normalizado Se puede ver en los resultados que es posible realizar una reducción del ruido introducido por el movimento de la superficie donde se está realizando la medición utilizando un acelerómetro, para darle una magnitud al movimiento, y un filtro de la familia LMS. Sin embargo, debido al tipo de filtrado, la señal no se recupera con su forma original, añadiendo un ruido de alta frecuencia. Adicionalmente, cuando se realiza un filtrado de la señal del acelerómetro cuando ésta es igual a 0; es decir, cuando no hay movimiento, estos resultados pueden ser comparables con los resultados manejados por Dickson y el profesor Halim [5] [1]. En este momento se pierde gran parte de la amplitud de la señal, dificultando aún más la lectura de datos en estado estático, el cual debeŕıa ser el estado más favorable para realizar mediciones. Por esta razón, se propuso un sistema de filtrado basado en la selección de los máximos y mı́nimos en un espacio anterior a 3 mediciones para solucionar el problema del ruido de alta frecuencia; además, se propuso un control de Fuzzy Logic para determinar el momento de inicio de funcionamiento del filtro, utilizando una cota para determinar el momento exacto en el que el acelerómetro empieza a sufrir una perturbación. Los resultados conseguidos se pueden observar en las figuras 6.12 y A.2. CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 26 Figura 6.11: Señal del acelerómetro contra señal del ruido generado por el movimiento con un filtro NLMS Normalizado Figura 6.12: Señal de fotopletismógrafo ya filtrada al ser sometida al modelo de máximos y mı́nimos CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 27 Figura 6.13: Señal de fotopletismógrafo ya filtrada al ser sometida al modelo de máximos y mı́nimos con acercamiento en la zona de filtrado de la señal Se observa que se reduce considerablemente el ruido generado por el filtro y además se mejora la calidad de corte por cero de la señal de fotopletismograf́ıa recuperada, facilitando aśı la medición de la frecuencia card́ıaca, llegando a una sintesis de resultados similar a Dickson utilizando los métodos expuestos por Sayed. También, se puede ver el funcionamiento del sistema de Fuzzy Logic en las Figuras 6.14 y 6.15 Figura 6.14: Señal de acelerómetro al ser sometida al modelo de máximos y mı́nimos CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 28 Figura 6.15: Comparación de la señal de acelerómetro con Fuzzy Logic (azul) y la señal del acelerómetro (rojo) Al someter al sistema de acelerometŕıa a máximos y mı́nimos, es más sencillo detectar cambios con- siderables en el movimiento para la activación del Fuzzy Logic. 6.3 Evaluación del plan de trabajo • Investigación - Filtro: Se realizó una investigación profunda en el tiempo establecido en la propuesta. Esta investigación dio los resultados esperados en cuanto a facilidad de imple- mentación y teoŕıa complementaria del filtro. • Desarrollo de filtro y prototipo - Pedidos: Ya que la investigación ya estaba adelantada cuando se empezó con el desarrollo del proyecto, no se perdió mucho tiempo en esa área del proyecto. La investigación acerca de las partes y componentes estaba avanzada al comenzar con el desarrollo, por lo cual, se pudo realizar en una sola semana en conjunto con los pedidos. • Desarrollo de filtro y prototipo - Diseño del circuito: Se diseñó un circuito que integraba todos los sistemas individuales comprados y evaluados, lo cual compone el primer diseño del prototipo final. • Desarrollo de filtro y prototipo - Diseño de programa: Se diseñó el programa, se establecieron los requisitos funcionales que deb́ıa cumplir para el análisis y entrega de los datos, y se diseñó el filtro. • Desarrollo de filtro y prototipo - Prueba de funcionamiento del filtro: Se realizaron las primeras pruebas de funcionamiento del filtro, se corrigieron errores y se estableció qué clase de sistemas de filtrado LMS se ajustaban al sistema. • Desarrollo de filtro y prototipo - Pruebas sobre las placas de procesamiento: Se realizaron las primeras pruebas de adquisición de datos con el sistema completo sobre la placa de procesamiento. • Desarrollo del prototipo - Integración del procesador: Se realizó la integración del sistema de procesamiento y se retiró la placa completa. • Desarrollo del prototipo - Producto final: No se pudo hacer, ya que hubo problemas con el producto final; es decir, el prototipo final listo para ser utilizado por el usuario. CAPÍTULO 6. VALIDACIÓN DEL TRABAJO 29 • Desarrollo del prototipo - Pruebas: Se realizaron pruebas sobre el prototipo final, para probar su capacidad de medición y para verificar que cumpĺıa los requerimientos. • Análisis y conclusiones - Análisis de los datos obtenidos: Se analizaron los datos obtenidos, se analizó la capacidad del prototipo para cumplir los objetivos inicialmente plantea- dos. • Análisis y conclusiones - Conclusiones y cierre: Se realizó la documentación de cierre, análisis y conclusiones del proyecto. 7.Discusión Se realizó el diseño e implementación de un sistema capaz de medir el ritmo card́ıaco cuando no hay movimiento, utilizando un sensor de fotopletismograf́ıa y un sistema sencillo de procesamiento para la señal. Adicionalmente, se implementó sobre este mismo sistema un filtro digital iterativo, de la familia LMS, que permite, recuperar la señal al usar un acelerómetro. Esta señal cualitativamente, corresponde a la de fotopletismograf́ıa y a los cuatro picos amplificados de la señal en un caso en el que no hay movimiento. Esto implica que en la mayor parte de los casos la frecuencia adquirida en un escenario sin movimiento corresponde a la cuarta parte de la frecuencia de la señal recuperada por el filtro. A pesar de que se logró conseguir esta señal, es necesario comprender que aún queda trabajo por delante, en especial considerando que se descubrió que los motion artifacts no representan el 100% del ruido introducido al sistema, sino proximadadmente un 50% dependiendo del tipo de movimiento. 30 8.Conclusiones y trabajos futuros 8.1 Conclusiones Se observa que es posible una recuperación cualitativa de la señal de fotopletismograf́ıa a partir del filtro de LMS, aunque se encontró que el error que introduce el motion artifact medible corresponde sólamente a cerca del 50% en el mejor de los casos, cuando el movimiento se realiza sólamente sobre el eje principal.Además, se encontró que existe error debido a la introducción de luz ambiente al realizar movimientos y por motion artifacts no medibles; por ejemplo, el movimiento de la piel, que afectan a la señal, y el peso de estos puede variar dependiendo del tipo de movimiento que se realiza; por ejemplo, si se realiza movimento sólo sobre los ejes complementarios, el peso del error introducido por luz ambi- ente es mucho mayor. Como caracteŕıstica innovadora se implementó el sistema de fotopletismograf́ıa con el sistema de Fuzzy Logic, y se diseñó un sistema de máximos y mı́nimos para facilitar el análisis de la señal y reducción de ruido de alta frecuencia, sin contar el bajo costo y los elementos sencillos con los que se desarrolló el prototipo. Se pueden desarrollar como trabajo a futuro herramientas o dispositivos capaz de medir el ruido introducido por estas variables y cuantificar el peso de cada una para lograr recuperar la señal por completo. Además, se pueden añadir más funcionalidades al sistema, dado que se cuenta con esa capacidad. Debido a que el sistema en general tiene un bajo costo, el impacto económico que puede causar es grande. Un sistema que permite medir el ritmo card́ıaco sobre un dispositivo Andriod que además es de bajo costo (25 USD) y además no interfiere con la rutina diaria del paciente puede significar un avance significativo en cuanto a tecnoloǵıa de medición de frecuencia card́ıaca y control de la salud. También, se abre la puerta a un trabajo más especializadomque permita llegar aún más lejos en cuanto en el alcance económico y social. 8.2 Trabajo Futuros • Sistema de reducción de ruido introducido por ingreso de luz ambiente. • Sistema de reducción de ruido introducido por movimiento no medible. • Detector de movimiento por vectores normalizados, giroscoṕıa y posición de la muñeca para manejo de herramientas afines. • Creación de producto final para el público capaz de entregar al usuario cierta información acerca de la frecuencia card́ıaca para monitorear pacientes con estado cŕıtico o personas que necesiten medición cont́ınua sin interrumpir su rutina diaria. 31 Referencias [1] S. R. M. B. Abdullah Halim, Yusof MatI Ikram. Adaptive noise cancellation: A practical study of the least-mean square over recursive least-square algorithm. IEEE Transactions, pages 448–452, 2002. [2] N. S. Apoliniro J. QRD-RLS Adaptive Filtering. universitt des saarlandes, 2009. [3] S. Blog. Future mart homeswill monitor breathing and heart rate. https://www.sherbit.io/smart- homes-monitor-breathing-and-heart-rate/, 2015. [4] A. Devices. Digital accelerometer adxl345, January 2016. [5] C. Dickson. Heart rate artifact suppression. Grand Valley State University, Graduate Research and Creative Practice, 1:67, 2012. [6] P. Diniz. ”The Least-Mean-Square (LMS) Algorithm” Adaptive Filtering: Algorithms and Prac- tical Implementation (2013). Boston, 2013. [7] S. C. Douglas. Digital Signal Processing Handbook. Boca Raton, 1999. [8] D. M. S. Flórez. Monitor de presiÓn arterial para la detecciÓn y prevenciÓn de enfermedades cardiovasculares operado en el contexto de internet de la cosas. Universidad de los Andes, 2015. [9] Y. H. G. Jang, I. H. and K. B. Sim. Ring sensor and heart rate monitoring system for sensor network applications. Electronics Letters, 44 N24:1393–1394, 2008. [10] H. K. N. R. K. M. Raghu Ram, Venu Madhav and K. A. Reddy. A novel approach for motion artifact reduction in ppg signals based on as-lms adaptive filter. IEEE Transactions on Instru- mentation and Measurement, 61(5):1445–1457, May 2012. [11] M. Magdon-Ismail. Learning from data - logistic regression - gradient descent. In CSCI 4100/6100. [12] I. Maxim Integrated Products. Pulse oximeter and heart-rate sensor ic for wearable health. [13] M. M. V. Morales. Medicin del contenido de oxigeno en la sangre. http://labsenales.uniandes.edu.co/index archivos/OxigenoSangre.pdf, 1994. [14] J. A. C. Patterson and G. Z. Yang. Ratiometric artifact reduction in low power reflective photo- plethysmography. IEEE Transactions on Biomedical Circuits and Systems, 5 N4:330–338, 2011. [15] Raconteur. Wearable technology, September 2015. [16] G. C. Review. Mit creates smart home device that monitors heart and breathing rates. http://www.globalconstructionreview.com/news/mit-creates-smart-home-device-mo8nitor0s- h2e4a0r8t/, 2015. [17] A. H. Sayed. Adaptive Filters. JOHN WILEY & SONS, INC, Hoboken, New Jersey, 2008. [18] O. O. Semiconductors. Biomon sensor datasheet sfh7050, April 2016. [19] J. Stables. Best heart rate monitors and hrm watches, January 2015. 32 A.Resumen Ejecutivo Motion Artifact Reduction of Heart-rate Light Sensor via Accelerometer and a LMS Adaptive Filters Estudiante: Daniel Esteban Vargas Bermúdez Asesor: Fredy Segura PhD • Objetivos del proyecto de grado • Descripción de los Objetivos Generales y Espećıficos • Desarrollo, Proceso, recursos, decisiones • Resultados: Caracterización de los resultados, grado de cumplimiento con respecto a objetivos, autodiagnóstico. • Visto bueno del asesor A.1 Objetivos del proyecto de grado A.1.1 Objetivo General Diseñar e implementar un sistema que permita filtrar el ruido introducido en la señal adquirida por un sensor de pletismograf́ıa enfocado en tecnoloǵıa vestible, buscando llegar al diseño final de un dispositivo capaz de medir el ritmo card́ıaco de la persona que lo use. (Se realizó un cambio en este objetivo principal con respecto al objetivo propuesto debido a que se encontró imposible medir porcentaje de oxigenación de la sangre mientras se realiza el movimiento). A.1.2 Objetivos Espećıficos 1. Diseñar el sistema de filtrado teniendo en cuenta las diferentes especificaciones de la tarjeta de procesamiento y sistemas alternos. 2. Diseñar e implementar un prototipo de dispositivo vestible para uso humano que permita medir el ritmo card́ıaco y oxigenación de la sangre de la forma más exacta y precisa posible mientras el portador se encuentra en movimiento. 3. Realizar las pruebas pertinentes que validen el diseño y funcionamiento, tanto del dispositivo como del filtro. A.2 Descripción de los Objetivos Generales y Espećıficos • Objetivo General: Se busca demostrar que un filtro LMS es capaz de reducir el ruido introducido en una señal adquirida por un sensor de fotopletismograf́ıa al utilizar un acelerómetro como entrada deseada del filtro y la señal del sensor como entrada corrupta, obteniendo en el error del filtro la señal de frecuencia card́ıaca. Sin embargo, se plantea que puede ser una oportunidad de desarrollo interesante en el campo de la tecnoloǵıa vestible; por esta razón, se orienta todo el desarrollo hacia este tipo de tecnoloǵıa, buscando siempre que la solución sea económicamente viable y poco compleja. 33 APÉNDICE A. RESUMEN EJECUTIVO 34 • Objetivo Espećıfico: Lo realmente innovador de la técnica, y lo más complejo, recae en la complejidad del filtro. A pesar de que este filtro es matemáticamente simple y que el nivel de procesamiento que necesita no es mucho, son los sistemas asociados a éste, tales como disponibil- idad de procesos para realizar análisis o capacidad de adquisición de datos, los que representan una restricción real al momento de empezar el desarrollo de la solución. Una buena selección de las herramientas tecnológicas que se van a utilizar para el sistema representa menos costos, mayor confiabilidad y menos cantidad de recursos desperdiciados, lo cual soporta el objetivo principal. • Objetivo Espećıfico: Para validar el funcionamiento del filtro es necesario desarrollar un prototipo que pueda soportar computacionalmente el filtro, que cumpla con las caracteŕısticas de tecnoloǵıa vestible, tales como tamaño y peso, y que utilice los componentes más económicos y más confiables que se encuentren disponibles a nivel nacional y que se puedan ajustar a los requerimientos del problema. • Objetivo Espećıfico: El últimoobjetivo espećıfico consiste en realizar multiples pruebas sobre el dispositivo y sobre el filtro para verificar su correcto funcionamiento. Para esto se diseña un sistema de pruebas sencillo, y se busca que el comportamiento sea el teorizado y se pueda extraer la información de frecuencia card́ıaca en todos los escenarios previstos. A.3 Desarrollo, Proceso, Recursos, Decisiones Primero, se estableció un diagrama de trabajo, donde se buscaba completar una serie de tareas y de objetivos principales que ayudaran a llevar a término el prototipo. Para esto, se establecieron 3 grandes objetivos que son Diseño, Desarrollo y Pruebas y análisis, cada uno con tareas propias que generan diferentes resultados. Diseño tiene como tareas asignadas investigaciones y búsqueda de hardware adecuado, y por salida tiene la información de las investigaciones. Por otro lado, Desarrollo tiene como tareas asignadas realizar las pruebas sobre cada componente del sistema y luego integrarlo para obtener como resultado un prototipo final. Finalmente, Pruebas y análisis tiene como objetivo realizar las pruebas sobre el prototipo final, conclúır sobre los resultados obtenidos y generar un documento final donde se concentre toda la información pertinente al desarrollo del prototipo. Figura A.1: Diagrama de trabajo para el desarrollo del prototipo final. Se realizaron investigaciones sobre diferentes filtros pertenencientes a la familia LMS, recursos y ma- teriales que podŕıan ajustarse a los requerimientos funcionales del problema, tal como se puede ver en la tabla A.1. APÉNDICE A. RESUMEN EJECUTIVO 35 Tabla A.1: Sistemas y materiales seleccionados Sistema Referencia Filtro LMS NLMS Acelerometŕıa MPU 6050 Fotopletismograf́ıa SEN 11574 Placa para pruebas Arduno Uno/Arduino Nano Microcontrolador ATMega168 A.4 Resultados: Caracterización de los resultados, grado de cumplimiento con respecto a objetivos, autodiagnóstico Se logró demostrar que se puede recuperar la señal de acelerometŕıa a partir de la señal de foto- pletismograf́ıa al utilizar el filtro LMS sobre esta. Sin embargo, se encontró que una cantidad grande de pasos dados por el paciente arruinaba la señal del error, la cual resulta siendo la señal cualitativa a partir de la cual se podŕıa obtener la frecuencia card́ıaca. Además, el filtro LMS introduce ruido de alta frecuencia asociado al acelerómetro, este problema se solucionó utilizando un sistema de máximos y mı́nimos, tal como se puede ver en la Figura A.2, donde el máximo (azul) y el mı́nimo (verde) se encuentran sin una presencia considerable de ruido de alta frecuencia. Adicionalmente, se añadió un sistema de control Fuzzy Logic que le indica al filtro cuándo debe empezar a funcionar, permitiendo que la señal del sensor de fotopletismograf́ıa no se vea afectada en estado estático y evitando operaciones innecesarias, lo que mejora el rendimiento de la bateŕıa y el uso de capacidad de procesamiento. 0.5 Figura A.2: Señal de fotopletismógrafo ya filtrada al ser sometida al modelo de máximos y mı́nimos con acercamiento en la zona de filtrado de la señal. 0.5 Figura A.3: Imagen de la aplicación de android que muestra la frecuencia cardiaca. B.Materiales y proveedores Facturas de materiales y proveedores con dirección y números de catalogo. 36 C.Instrumentos Instrumentos usados con información de identificación. 37 D.Especificaciones adicionales Especificaciones adicionales de notación o conceptos usados en el trabajo. 38 E.Documentación adicional Documentación adicional de procesos intermedios en el diseño o validación del proyecto. 39 Introducción Descripción de la problemática y justificación del trabajo Alcance y productos finales Objetivos Objetivo General Objetivos Específicos Marco teórico, conceptual e histórico Marco Teórico Marco Conceptual Marco Histórico Definición y especificación del trabajo Definición Especificaciones Metodología del trabajo Plan de trabajo Búsqueda de información Alternativas de desarrollo Trabajo realizado Descripción del Resultado Final Trabajo computacional Validación del trabajo Metodología de prueba Validación de los resultados del trabajo Evaluación del plan de trabajo Discusión Conclusiones y trabajos futuros Conclusiones Trabajo Futuros Referencias Resumen Ejecutivo Objetivos del proyecto de grado Objetivo General Objetivos Específicos Descripción de los Objetivos Generales y Específicos Desarrollo, Proceso, Recursos, Decisiones Resultados: Caracterización de los resultados, grado de cumplimiento con respecto a objetivos, autodiagnóstico Materiales y proveedores Instrumentos Especificaciones adicionales Documentación adicional
Compartir