Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12104/79913
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorGurrola Navarro, Marco Antonio
dc.contributor.authorRodríguez Díaz, Cristian
dc.date.accessioned2019-12-06T18:28:02Z-
dc.date.available2019-12-06T18:28:02Z-
dc.date.issued2015
dc.identifier.urihttps://hdl.handle.net/20.500.12104/79913-
dc.identifier.urihttps://wdg.biblio.udg.mx
dc.description.abstractHoy en día, la sociedad se enfrenta a un panorama de constante crecimiento pobla- cional, no solo en México, sino también a nivel mundial. Estos aumentos en la población modifican el ritmo de vida de cada persona, todo es más acelerado o lleno de estrés, con más exigencias y menos tiempo de descansos, y estas transformaciones han alcanzado a población desde edades muy tempranas. Por tal motivo se incrementan las deficiencias en la calidad de vida, y sobre todo en la salud, si a esto se le suman las carencias en la alimen- tación, se puede notar un crecimiento considerable en las enfermedades cardiovasculares y por lo tanto, son deseables nuevas y mejores técnicas de detección de anomalías cardíacas para el estudio del paciente. Es por eso que, el análisis computarizado de señales fisiológicas se ha vuelto un campo de gran interés en las últimas décadas. El propósito de automatizar se traduce en la reduc- ción del esfuerzo humano y el tiempo requerido para el análisis y la comprensión del mismo. Esto ayuda mayormente en la manipulación de grandes cantidades de información, con una lógica para la toma de decisiones y un procesamiento rápido, especialmente en servicios de cuidados intensivos. Hay personas que tienen anormalidades múltiples y que requieren análisis simultáneos de diferentes señales fisiológicas. El procesamiento automático ayuda en estos campos a asistir diagnósticos y como herramientas de monitoreo.
dc.description.tableofcontentsIndice general Resumen XI l. Introducción 1 1.1. Planteamiento del problema. 2 1.2. Objetivos. . . 3 1.3. Justificación. 4 1.4. Metodología. 4 2. Marco Teórico 7 2.1. Electrocardiograma 7 2.2. Tratamiento de Señales . 8 2.2.1. Introducción . . . 8 2.2.2. Transformada de Fourier (TF) 11 2.2.3. Transformada de Fourier de Tiempo Corto 14 2.2.4. Transformada Wavelet (TW) 15 2.2.5. Otras Transformadas . . . . . . . . . . . . 19 2.3. Análisis del Ruido . . . . . . . . . . . . . . . . . . 21 2.4. Técnicas de Eliminación de Ruido Para Electrocardiograma 24 3. Estado del Arte 27 3.1. Detección del complejo QRS 27 3.2. Método de Pre-procesamiento . 29 3.3. Sistema de Reducción de Ruido 31 4. Diseño e Implementación 33 4.1. Diseño e Implementación en Matlab . 34 4.1.1. Transformada Wavelet Analógica. 34 4.1.2. Ponderación . . . . . . . . . . . . 35 4.1.3. Adaptación del método de Hard Thresholding con Retardo (HTR) . 37 4.1.4. Módulo de Detección Analógico . 39 4.2. Diseño e Implementación en Hspice . . . 40 4.2.1. Transformada Wavelet Analógica 40 4.2.2. Ponderación . . . . . . . . . . . . 42 vi 4.2.3. HTR .................. . 4.2.4. Macromodelo del módulo de detección 5. Pruebas y Resultados 6. Conclusiones Contenido 45 46 51 53
dc.formatapplication/PDF
dc.language.isospa
dc.publisherBiblioteca Digital wdg.biblio
dc.publisherUniversidad de Guadalajara
dc.rights.urihttps://wdg.biblio.udg.mx/politicasdepublicacion.php
dc.titleSistema Analógico-Digital Para Detección de Ondas QRS Empleando la Transformada Wavelet Analogica
dc.typeTesis de Maestria
dc.rights.holderUniversidad de Guadalajara
dc.rights.holderRodríguez Díaz, Cristian
dc.type.conacytmasterThesis-
dc.degree.nameMAESTRIA EN CIENCIAS EN INGENIERÍA ELECTRÓNICA Y COMPUTACIÓN-
dc.degree.departmentCUCEI-
dc.degree.grantorUniversidad de Guadalajara-
dc.degree.creatorMAESTRO EN CIENCIAS EN INGENIERÍA ELECTRÓNICA Y COMPUTACIÓN-
Appears in Collections:CUCEI

Files in This Item:
File SizeFormat 
MCUCEI01066FT.pdf1.35 MBAdobe PDFView/Open


Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.