Abstrak-Dalam artikel ini, kami mengusulkan kerangka kerja kompresi data kontrol kualitas real-time

yang baru untuk memaksimalkan daya tahan baterai perangkat pemantauan kesehatan berbasis
Internet of Things (IoT) dan Smartphone. Yang diusulkan kerangka kerja diimplementasikan pada
Arduino Due dengan prosesor Atmel SAM3X8E ARM Cortex-M3 32-bit dan divalidasi menggunakan
empat basis data standar dan sinyal waktu nyata yang diperoleh dengan menggunakan perangkat
keras penginderaan kami. Kerangka kerja yang diusulkan mencapai rasio kompresi antara tujuh dan
28 dengan penghematan energi antara 83% dan 92%. Hasilnya menunjukkan bahwa kerangka kerja
kami memberikan solusi penghematan energi yang menjanjikan dengan membuang sinyal
photoplethysmogram (PPG) yang berisik dan sinyal bebas pulsa sebelum melakukan kompresi data
dan mengompresi sinyal PPG bebas derau secara efisien dengan kesalahan parameter fitur yang

sangat kecil.🔥

Internet of Things (IoT) dan perangkat pemantauan kesehatan berkelanjutan berbasis ponsel pintar
perangkat pemantauan menghasilkan sejumlah besar data dan menghasilkanpengeluaran energi
yang tinggi [1]. Dengan demikian, mengeksplorasi teknik pengurangan daya telahmenjadi hal yang
paling penting untuk memaksimalkan masa pakai baterai IoT dan Smartphoneperangkat. Dalam
konteks ini, kompresi sinyal dieksplorasi untukmengurangi jumlah data yang perlu ditransmisikan
secara signifikanmengurangi konsumsi daya modul nirkabel [1]. Di masa lalusebelumnya, beberapa
algoritma kompresi PPG disajikan berdasarkankompresi temporal ringan [1]: Deteksi Puncak dan
OnlineKamus [1], dan Deteksi Puncak dan Penyandi Otomatis [1], danAnalisis Deret Fourier siklus
demi siklus [2], modulasi delta (DM)[3], DM adaptif [4], ukuran kompleksitas Zonal, hard
adaptifthresholding, run-length encoding (RLE), dan bias selektif danDM [5], low-pass filter, down-
sampling, komputasi first-difference,pengkodean sampel pertama, pembuatan dan penguatan byte
tanda,pengelompokan, dan Kode Standar Amerika untuk Pertukaran Informasi[6]. Survei literatur
menunjukkan bahwa kinerja algoritma hanyadinilai dari segi tingkat kompresi dan metrik kualitas
rekonstruksi,sedangkan aspek konsumsi energi (EC) tidak dipertimbangkan.Setiap algoritma kompresi
dapat memiliki efek yang signifikan padaanggaran EC sistem secara keseluruhan. Namun, mereka
menunjukkan kompresi yang lebih tinggirasio (CR) untuk durasi yang lebih panjang
photoplethysmogram (PPG)yang lebih panjang (durasi 1 menit ke atas) dan tingkat pengambilan
sampel yang lebih tinggi (mis,500 dan 1000 Hz) [3]-[5]. Algoritme ini menuntut lebih banyak
komputasisumber daya. Dengan demikian, algoritme ini mungkin tidak cocok untuk PPG waktu
nyatapada perangkat pemantauan kesehatan IoT yang memiliki sumber daya terbatas.Lebih lanjut,
untuk jumlah distorsi yang tetap, kompresi menghasilkanGbr. 1 dan 2 menunjukkan bahwa efisiensi
kompresi buruk untuksinyal PPG yang bising yang dikorupsi dengan artefak gerakan dan frekuensi

tinggiderau, serta untuk sinyal bebas pulsa yang sering dijumpai.❤️

Abstrak-Mengacu pada matematika umum, Pulse adalahterutama perubahan cepat, sesaat dalam
amplitudo apa punsinyal dari nilai dasar ke nilai yang lebih tinggi atau lebih rendah,diikuti dengan
kembalinya dengan cepat ke nilai dasar. Dalam konteksnyailmu kedokteran, denyut nadi (denyut
jantung) sangat berguna untukmendiagnosis pasien yang menderita kelainan jantung sepertiaritmia,
di mana pasien menderita ketidakteraturandetak jantung yang tidak teratur ketika beberapa denyut
nadi dalam rantai denyut jantungnyagagal terjadi yang memiliki interval waktu yang telah
ditentukan.Oleh karena itu, prototipe harus dirancang sedemikian rupa sehinggadetak yang terlewati
tidak akan terdeteksi. Oleh karena itu, dalam makalah ini, ateknik solusi baru dan sederhana
diusulkan, di mana akondisi disimulasikan di mana satu atau lebih denyut nadi akan hilanghilang,
sebuah proses yang dinamai Missing Pulse Generation, setelahyang, deteksi pulsa yang hilang dan
penghitungannya setelahwaktu tertentu, telah dieksekusi, dan bersama dengan eksternalMekanisme
penginderaan denyut nadi berbasis PPG (Photoplethysmogram)telah digunakan untuk mengukur
detak jantung pasien per menit(BPM) secara fisik, sehingga, seorang spesialis dapat meresepkan
yang sesuaisolusi yang sesuai untuk pemulihan pasien. Dalam pemantauan detak jantungsistem,
teknik deteksi denyut nadi yang hilang konvensional telahtelah digunakan sejak lama dimana hanya
dengan adanyapulsa yang hilang secara tidak wajar dapat dideteksi tetapi di sini kamipendekatan ini
lebih efektif daripada yang konvensional sebagaideteksi & penghitungan denyut jantung yang hilang
& ekstra telahtelah disatukan dari rantai denyut jantung manusia danmekanisme penginderaan detak
jantung secara otomatis & akuratdengan meminimalkan waktu diagnosis yang sangat berguna

untukpemantauan detak jantung terus menerus yang panjang.🔥

Mengacu pada matematika umum, denyut nadi adalah fungsifungsi periodik magnitudo yang
berulang setelah terbatasjumlah waktu, yang dapat berkisar dari beberapa nanodetik
hinggabeberapa menit dalam suatu sistem. Dalam Elektronika Digital, pulsa adalahterutama
perubahan amplitudo yang cepat dan sesaatsinyal dari nilai dasar ke nilai yang lebih tinggi atau lebih
rendah,diikuti dengan kembalinya dengan cepat ke nilai dasar. Denyut nadigelombang yang tidak lain
adalah gelombang persegi panjang jugadikenal sebagai versi periodik dari fungsi persegi
panjang.Sekarang ketika beberapa pulsa dalam rantai pulsa gagalterjadi yang memiliki waktu interval
yang telah ditentukan, dikatakan bahwarantai pulsa memiliki beberapa pulsa yang terlewat. Untuk
mendeteksiadanya denyut yang dilewati dalam interval waktu tertentu dari arangkaian pulsa,
diperlukan penghitungan jumlah pulsa. Dalam DigitalRangkaian Penghitung Elektronik digunakan
untuk tujuan penghitungan.Dalam konteks ilmu kedokteran, pulsa (denyut jantung) adalahsangat
berguna untuk mendiagnosis pasien yang menderita jantunganomali seperti aritmia, di mana pasien
menderitadari detak jantung yang tidak teratur ketika beberapa denyut nadi dalamrantai denyut
jantung gagal terjadi yang memilikiinterval waktu yang telah ditentukan. Tekanan darah tinggi, lebih
tinggikadar kolesterol atau diabetes melitus dapat menyebabkan penyumbatanarteri koroner dan
mengakibatkan jantung tidak berdetak atau hilangdetak jantung [3]. Oleh karena itu, sistem harus
dirancang sedemikian rupadenyut nadi yang hilang tersebut tidak terdeteksi.Oleh karena itu, dalam
makalah ini, suatu kondisi telah disimulasikandalam perangkat lunak Proteus Professional Design
Suite, di mana satuatau lebih pulsa akan hilang, sebuah proses yang dinamai MissingPembangkitan
Pulsa Hilang, setelah itu, pada saat deteksi yang hilangpulsa dan penghitungannya setelah waktu
tertentu, eksternalMekanisme penginderaan denyut nadi berbasis PPG telah digunakansecara fisik
untuk mengukur detak jantung pasien per menit(BPM), sehingga, seorang spesialis dapat
meresepkan solusi yang sesuaiuntuk pemulihan pasien. Untuk simulasi perangkat lunak,
sebuahbentuk gelombang buatan yang memiliki pulsa yang hilang secara sewenang-
wenangmenyerupai gelombang denyut jantung manusia telah dihasilkan(Missing Pulse Generation)

dalam solusi yang diusulkan inipendekatan.❤️

ABSTRAK Photoplethysmography (PPG) merupakan suatu teknik untuk mendeteksi perubahan

volume darah secara optikjalan. Aplikasi PPG yang representatif adalah pengukuran saturasi oksigen,
detak jantung, dan pernapasankecepatan. Namun, sinyal PPG sensitif terhadap artefak gerak dan
kebisingan (MNA), terutama pada artefak tersebutdiperoleh dari kamera ponsel pintar. Apalagi sinyal
PPG berbeda-beda antar pengguna dan masing-masingsinyal PPG individu memiliki karakteristik yang
unik. Oleh karena itu, deteksi dan pengurangan MNA efektifmetode untuk sinyal PPG ponsel cerdas,
yang menyesuaikan diri dengan setiap pengguna dengan cara yang dipersonalisasi, sangatlah
unggulmenuntut. Dalam makalah ini, konsep jaringan saraf probabilistik diperkenalkan untuk
digunakan denganparameter ekstraksi yang diusulkan. Amplitudo sinyal, deviasi standar interval
waktu puncak ke puncakdan amplitudo, beserta rata-rata pergerakan deviasi standar, perubahan
kemiringan sinyal, dan optimaltatanan model autoregresif diusulkan untuk deteksi MNA yang efektif.
Oleh karena itu, kinerjaalgoritma personalisasi yang diusulkan dibandingkan dengan algoritma
deteksi MNA konvensional. Adapunmetrik kinerja, kami mempertimbangkan akurasi, sensitivitas, dan
kota tertentu. Hasilnya menunjukkan bahwa secara keseluruhankinerja deteksi MNA yang
dipersonalisasi ditingkatkan dibandingkan dengan algoritma umum. Itunilai rata-rata akurasi,
sensitivitas, dan kekhususan kota yang dipersonalisasi adalah 98,07%, 92,6%, danmasing-masing

sebesar 99,78%, sedangkan untuk umum sebesar 89,92%, 84,21%, dan 93,63%.🔥

Informasi detak jantung atau irama jantung menjadi salah satu yang utamainformasi fisiologis dapat
dideteksi dari Elektrokardiogram(EKG) atau sinyal Photoplethysmogram (PPG).Terdapat beberapa
jenis perangkat EKG atau PPG portabeluntuk mendeteksi detak jantung. Perangkat EKG portabel yang
representatif adalahPerangkat EKG AliveCor (KardiaMobile) [1] yang dapat mendeteksiSinyal EKG
dengan bantuan gadget mereka dan tunjukkan EKGsinyal di ponsel pintar. Namun, AliveCor
memerlukanperangkat tambahan selain smartphone untuk mendapatkan hatiinformasi detak
jantung atau irama jantung. Apalagi jam tangan pintarperangkat dapat memperoleh sinyal PPG dari
pergelangan tangan. Tetap saja, pergelangan tanganjauh lebih lemah pada MNA dibandingkan
ngertip atau daun telinga.Sinyal PPG dapat diukur dari ngertip dengan carakamera ponsel pintar [2],
[3]. Sejak tingkat penetrasijam tangan pintar lebih rendah dari ponsel pintar yang kami
adopsiperangkat PPG ponsel cerdas untuk mendeteksi detak jantung atau aritmia.Selain itu,
perangkat PPG smartphone tidak memerlukanperangkat tambahan berbeda dengan perangkat EKG
portabel, danperangkat smartphone mengekstrak sinyal dari ngertip yang adalebih tangguh di MNA
dibandingkan dengan mengekstraksi sinyal daripergelangan tangan dengan perangkat jam tangan
pintar.Ada berbagai faktor yang mendistorsi sinyal PPG, yaituberdampak negatif terhadap
pemantauan yang andal terhadap fisiologis iniinformasi. Artefak gerak dan kebisingan (MNA) adalah
salah satunyafaktor-faktor utama ini yang menurunkan keandalan pengukurandengan menginduksi
variasi yang tidak diinginkan dalam PPG yang diukursinyal [4]. Sinyal PPG didapat dari kamera
smartphone[2], [3] lebih rentan terhadap MNA dibandingkanke sinyal PPG normal. Universitas
MassachusettsMedical Center (UMMC) menemukan bahwa subjek kadang-kadangmengalami

getaran, dalam prosedur memperoleh ponsel cerdas❤️🫧

ABSTRAKPhotoplethysmography (PPG) adalah pengukuran non-invasifaliran darah, yang dapat

digunakan sebagai pengganti elektrokardiografiuntuk memperkirakan detak jantung (HR).
Kebanyakan teknik yang adadigunakan untuk pemantauan HR dalam kebugaran dengan fokus PPG
secara perlahanberlari sendiri, sedangkan yang cocok untuk latihan fisik intensifmembutuhkan tahap
inisialisasi di mana pemakainya diperlukanuntuk berdiri diam selama beberapa detik. Makalah ini
menyajikan aalgoritma baru untuk estimasi HR dari sinyal PPG berdasarkanpenghapusan artefak
gerak (MAR) dan pelacakan adaptif (AT)yang mengatasi keterbatasan teknik sebelumnya.
Eksperimentalevaluasi dilakukan pada kumpulan data yang direkam daribeberapa subjek saat berlari
menunjukkan rata-rata kesalahan absolutestimasi HR sebesar 2,26 denyut per menit,
menunjukkanvaliditas teknik yang disajikan untuk memantau penggunaan SDMperangkat yang dapat

dikenakan yang menggunakan sinyal PPG.🔥

Photoplethysmography (PPG) adalah pengukuran non-invasifaliran darah di permukaan kulit, yang

digunakan sebagai gantinyaelektrokardiografi (EKG) untuk memperkirakan detak jantung (HR).Pada
perangkat wearable baru, sinyal ini perlu dipantauselama kebugaran dan/atau aktivitas sehari-hari
yang selalu bergerakhadiah. Pemantauan HR dari sinyal PPG tipe pergelangan tangan selamalatihan
fisik yang intensif merupakan masalah yang menantang karenaartefak gerak (MA) yang sangat kuat,
yang disebabkan oleh subjekgerakan tangan, yang merusak sinyal PPG.Sampai saat ini, beberapa
teknik berbeda telah disarankanuntuk menghilangkan MA dari sinyal PPG. Diantaranya adalahyang
paling umum adalah: analisis komponen independen (ICA)[1], teknik penyaringan adaptif [2, 3],
penyaringan Kalman [4],metode berbasis wavelet [5], dekomposisi mode empiris[6, 7]. Baru-baru ini
kombinasi sejumlah tekniktelah berhasil digunakan [8, 9]. Kerugian utama dari hal ini adalahsebagai
berikut. Kebanyakan dari mereka diusulkan untuk skenario klinis,yaitu dengan subjek yang
melakukan gerakan kecil. Hanyabeberapa teknik cocok untuk pemantauan SDM dalam
kebugaran.Namun, beberapa dari mereka fokus untuk berlari sendirian secara perlahan,sedangkan
teknik latihan fisik intensif perlu inisialisasitahap di mana pemakainya diharuskan untuk mereduksi
tangangerakan sebanyak mungkin selama beberapa detik.Algoritma yang disajikan dalam makalah ini
bertujuan untuk mengatasinyasemua keterbatasan teknik sebelumnya. Algoritmaterdiri dari dua
bagian penting: penghapusan artefak gerak (MAR) danpelacakan adaptif (AT).Algoritma MAR
didasarkan pada asumsi bahwaartefak dan sinyal detak jantung berada dalam dua subruang berbeda.
Itusubruang sinyal gerak (SMS) diperkirakan dalam bentuk tunggaldekomposisi nilai (SVD) dari
matriks data akselerometer,sedangkan subruang sinyal HR diperkirakan dengan
menghilangkansubruang terdekat dengan SMS dari dekomposisi SVDdari matriks data PPG.Algoritma
AT didasarkan pada asumsi bahwa masing-masingkomponen utama yang diekstraksi oleh SVD
menunjukkan satupuncak dominan dalam spektrum frekuensinya. Kami menentukanfrekuensi
puncak ini dan menggunakannya untuk menentukan metrikuntuk mengukur jarak antara SMS dan
perkiraan HR potensial,sehingga MA dapat dihilangkan. Kemudian urutan HRperkiraan yang
diperoleh dihaluskan untuk mencegah sisa palsuartefak dari mempengaruhi hasil. Salah satu
kelebihannyaalgoritma pemulusan adaptif yang digunakan adalah mampumenyatu ke jalur SDM yang
sebenarnya terlepas dari titik awalnya,sehingga membebaskan subjek dari kebutuhan untuk

membatasi geraknyauntuk menginisialisasi pelacakan PPG.❤️

ABSTRAK Denoising dan kompresi data photoplethysmogram (PPG) real-time telah menjadi hal yang
paling banyak dilakukanpersyaratan penting untuk mengukur parameter penting secara akurat dan
transmisi data yang efisien tetapi hal itu mungkin saja terjadimemperkenalkan berbagai jenis distorsi
gelombang karena teknik pemrosesan lossy. Kualitas subyektiftes penilaian adalah cara yang paling
dapat diandalkan untuk menilai kualitas, namun memerlukan waktu yang mahal dan juga tidak dapat
dilakukandigabungkan dengan mekanisme kompresi yang digerakkan oleh kualitas. Dengan demikian,
menemukan ukuran distorsi obyektif terbaiksangat dituntut untuk secara otomatis mengevaluasi
kualitas sinyal PPG yang direkonstruksi yang harus dilakukan secara subyektifbermakna dan
sederhana. Dalam makalah ini, kami menyajikan empat jenis pengukuran dan evaluasi distorsi
objektifkinerja mereka dalam hal akurasi prediksi kualitas, koefisien korelasi Pearson dan
komputasiwaktu. Evaluasi kinerja dilakukan pada berbagai jenis distorsi gelombang PPG yang
diperkenalkandengan pengkodean prediktif, pengambilan sampel terkompresi, transformasi kosinus
diskrit, dan transformasi wavelet diskrit.Pada sinyal PPG normal dan abnormal yang diambil dari lima
database standar, hasil evaluasi menunjukkan hal tersebutkelompok evaluasi kualitas subjektif yang
berbeda (skala penilaian 5 poin, 3 poin, dan 2 poin) memiliki kualitas terbaik yang
berbedapengukuran distorsi obyektif dalam hal akurasi prediksi dan koefisien korelasi Pearson. Lebih-
lebih lagi,Pemilihan ukuran distorsi obyektif terbaik bergantung pada jenis fitur PPG yang perlu

dipertahankandalam sinyal yang direkonstruksi.🔥

Saat ini, perangkat elektronik yang dapat dikenakan atau portabel sudah adamenarik perhatian besar
dan potensi yang kuat dalam menyediakankualitas layanan yang lebih baik dengan pengurangan
biaya keseluruhan dengan mengaktifkanpengukuran vital penting yang noninvasif dan tidak
mengganggutanda-tanda, termasuk denyut nadi (PR) dan laju pernapasan (RR)dari sinyal
photoplethysmogram (PPG) secara real-time.Selanjutnya, parameter PPG yang diekstraksi dari
perangkat yang dapat dikenakan atau perangkat pintar telah digunakan untuk menentukan sifat
suatu penyakitatau kelainan, yang membedakan penyakit dari kemungkinan risiko lainnyafaktor dan
memungkinkan pengaturan klinis yang dinamis untuk dipantaukesehatan dan kebugaran individu
atau untuk mengontrol fungsialat penghantaran obat/terapi berdasarkan yang diukurbiomarker atau
indeks klinis [1] [14]. Kesehatan yang paling dapat dipakaiperangkat pemantauan dirancang untuk
terus merasakan,memproses, menafsirkan dan mengirimkan sinyal PPG [8] [10]yang mungkin
mengalami berbagai jenis distorsi bentuk gelombangselama akuisisi sinyal, denoising, kompresi

danpenularan.❤️

ABSTRAK Pada penelitian ini, kami mengkaji kebocoran informasi pada biometrik berbasis
photoplethysmogram (PPG).otentikasi dan menilai serangan terhadap otentikasi berdasarkan
kebocoran informasi. Beberapapendekatan telah diusulkan untuk menerapkan PPG pada otentikasi
biometrik menggunakan perangkat yang dapat dikenakan; Namun,mungkin ada beberapa serangan
terhadap otentikasi berbasis PPG. Salah satu serangannya adalah ``serangan presentasi''(PA) yang
memanfaatkan kebocoran informasi yang berasal dari berbagai lokasi pengukuran PPG pada atubuh.
PA mencatat PPG korban secara diam-diam di lokasi pengukuran yang tidak asli dan mengirimkannya
ke sanasensor PPG untuk memutus otentikasi. Kami memeriksa kebocoran informasi dan menilai
PAmengevaluasi nilai fitur yang diekstraksi dari sinyal PPG. Kami mencatat sinyal PPG dari 12
pesertadi ujung jari dan pergelangan tangan mereka. Kami membandingkan nilai fitur yang diambil
dari sinyal PPG yang direkamdengan menghitung perbedaan, koefisien korelasi, dan informasi timbal
balik untuk memeriksa kebocoraninformasi yang diperlukan untuk otentikasi berbasis PPG. Kami
kemudian menilai kelayakan PA berdasarkanalgoritma otentikasi berbasis PPG yang ada dan
mengevaluasi kontribusi setiap nilai terhadap otentikasidan PA dengan menghitung pentingnya
permutasi semua nilai fitur. Hasil percobaan menunjukkanbahwa mungkin ada kebocoran informasi

dan pemilihan nilai fitur untuk mengurangi kelayakan PA upmenjadi 62,8%.🔥

Dengan pertumbuhan Internet dan perangkat yang dapat dikenakan, misalnyasebagai jam tangan
pintar, tubuh kita terhubung ke jaringan[1]. Banyak perangkat menyediakan aplikasi kepada
pengguna melaluijaringan. Perangkat sering kali menyimpan dan menunjukkan kerahasiaaninformasi
dalam aplikasi seperti pertukaran pesan olehmenghubungkan ke ponsel pintar. Beberapa perangkat
bahkan mampu melakukannyamenyediakan pengguna dengan aplikasi seperti fungsi
pembayaranmenggunakan data dompet pribadi yang disimpan tanpa terhubung ke ponsel cerdas[2].
Namun, mungkin ada penyerang yang mencoba mengaksesdan mencuri informasi rahasia untuk
menunjukkan kemampuannyauntuk meretas atau mendapat untung dari informasi tersebut. Oleh
karena itu, fungsi otentikasi harus ditambahkan ke perangkatmengidentifikasi pengguna perangkat
dan menolak penyerang jika memang demikiandicuri.Ada beberapa metode autentikasi untuk
perangkat wearableperangkat, seperti jam tangan pintar. Metode yang tersebar luas adalahotentikasi
berbasis kata sandi dan pola, yang memerlukanmenyentuh layar sentuh yang terpasang pada
perangkat [3]. Namun,metode otentikasi dapat rentan terhadap identitasspoo ng seperti serangan
bahu dan serangan brute force [4].Beberapa pendekatan telah diusulkan untuk menerapkan
biometrikotentikasi ke perangkat yang dapat dikenakan. Misalnya tipe cincinperangkat yang
dilengkapi dengan sensor ngerprint [5] dan tipe jam tanganperangkat yang dilengkapi dengan
elektrokardiogram (EKG) berbasismodul otentikasi [6] telah dikembangkan. Metode-metode

iniberkontribusi pada kenyamanan pengguna karena tidak ada risiko❤️🫧

Abstrak— Sinyal Photoplethysmography (PPG) memberikan awawasan berharga untuk fungsi jantung
non-invasif. Analisissinyal PPG merupakan tantangan besar seperti halnya sensor Finger PPGterkena
berbagai suara seperti artefak gerak, suara darisinar matahari sekitar dan juga aliran darah di arteriol
terminal. Kemendapatkan ukuran yang dapat diandalkan dari sinyal PPG, menyaring PPGsinyal dari
berbagai suara menjadi penting. Berbagai metodeseperti filter rata-rata bergerak periodik, metode
SVD, Filter Wavelet,Filter FFT, Filter Adaptif, telah diusulkan untuk menghilangkan gerakanartefak
sinyal PPG oleh berbagai penulis. Semua metode penyaringandilakukan secara individual sebagai
aplikasi pemrosesan sinyal. Diaakan sangat membantu jika membandingkan metode pemfilteran
yang berbeda jika semua inimetode pemfilteran dilakukan di bawah GUI tunggal, ini juga
membantupeneliti untuk menyaring artefak gerak dalam sinyal PPG dengan mudah.Dalam pekerjaan
ini kode telah ditulis dalam MATLAB untuk berbedametode penyaringan seperti filter rata-rata
bergerak periodik, SVDmetode, Filter Wavelet, Filter FFT dan Filter Adaptif. Itumetode penyaringan
yang berbeda telah dibandingkan menggunakan SNR (Signalterhadap Nilai Rasio Kebisingan). Nilai
SNR SVD dan AS-LMSalgoritma masing-masing adalah 2,24 dan 2,39 dan ditemukan sebagai yang
terbaikmetode pemrosesan sinyal terbaik untuk menghilangkan artefak gerak disinyal PPG. GUI baru
ini dirancang untuk memfilter PPGsinyal menggunakan metode pemrosesan sinyal yang berbeda dan

dalam pembuatannyaproses penyaringan lebih ramah pengguna.🔥

arteri dihasilkan dari aktivitas jantung [1]. AkuisisiSinyal PPG sederhana dan non-invasif. Sinyal PPG
diperolehmenggunakan sensor PPG, yaitu sensor tipe reflektif atausensor tipe transmisitif. Sinyal PPG

digunakan sebagai penggantiuntuk EKG (Elektrokardiogram) untuk mengukur HRV.❤️

ABSTRAK Photoplethysmography (PPG) akhir-akhir ini menjadi metode yang populer untuk
memperkirakan detak jantungkarena teknik akuisisinya yang sederhana. Namun, tantangan utama
dalam menentukan detak jantung dariSinyal PPG adalah kerentanannya yang tinggi terhadap artefak
gerak (MA). Dalam tulisan ini, skema baru diusulkanestimasi detak jantung melalui pembatalan
kebisingan adaptif multistage selektif (MANC). BingkaiPendekatan selektif menentukan kerangka
spesifik sinyal PPG yang mengalami gangguan secara signifikanMA, dan operasi penghapusan MA
hanya digunakan pada frame tertentu. Skema MANC adalahdiimplementasikan melalui algoritma
Least Mean Square (LMS) yang menggantikan pendekatan konvensionaluntuk menggunakan data
akselerometer secara langsung, kami mengusulkan untuk menggunakan akselerometer 3 saluran
terdekomposisi berbasis modedata sebagai sinyal referensi secara independen secara berurutan.
Penggunaan mode dekomposisi memberikan penawaran yang tinggiderajat pengendalian dalam
skema ANC tergantung pada tumpang tindih antara spektrum yang sesuaike MA dan detak jantung,
sehingga menawarkan denoising yang efektif. Algoritma pencarian puncak digunakan untuk
memperkirakanpuncak terkait detak jantung dari sinyal PPG pengurangan kebisingan yang dihasilkan.
Kebaruan dari skema yang diusulkan terletakdalam penggunaan input referensi yang terdekomposisi
ke algoritma MANC (dinamakan skema DERMANC) yangdicapai melalui dekomposisi mode empiris
(EMD) dan dekomposisi mode variasional(VMD). Kinerja skema berbasis EMD dan VMD yang
diusulkan (E-DERMANC dan V-DERMANC)telah diuji pada kumpulan data yang tersedia untuk umum
dan diperoleh hasil yang sangat memuaskan dalam hal estimasiakurasi dan waktu komputasi
(masing-masing 0,95 dan 1,10 BPM pada 12 rekaman) yang membuat skemalayak untuk diterapkan

pada perangkat wearable.🔥

Dalam aplikasi biomedis, pengukuran jantungrate (HR) adalah cara yang baik untuk mengukur tingkat
fisikkesempurnaan. Kebanyakan teknik pengukuran SDM tradisionalmemanfaatkan
elektrokardiogram (EKG) yang dapat mengukur HRhampir akurat. Namun pengaturan
instrumentalnya yang luar biasa telah dimilikinyabaru-baru ini mendorong eksplorasi banyak
alternatif lain untuk mengukur HR dengan lebih mudah dan photoplethysmogram (PPG) adalah salah
satunyamereka [1]. Periodisitas sinyal PPG sesuai denganritme jantung membantu memperkirakan
HR menggunakan sinyal PPGcukup direkam dari pergelangan tangan pemakainya [2]. Tekniknyatidak
hanya fleksibel tetapi juga berbiaya rendah. Banyakperangkat yang dapat dikenakan tersedia untuk
memperkirakan SDM secara real-timemenggunakan sinyal PPG. Namun kendala utama untuk hal
tersebutpenduganya adalah bahwa sinyal PPG sangat rentanuntuk artefak gerak (MA), yang sangat

mengganggu HRpemantauan. Selain itu, bentuk gelombang PPGjilid 10,❤️🫧

Abstrak – Sinyal Photoplethysmographic (PPG) selalu adadirusak dengan artefak gerak (MA) karena
sukarela ataugerakan pasien yang tidak disengaja. PPG adalah non-invasifsinyal, digunakan untuk
memperkirakan saturasi oksigen darah arteri(SpO2), yang membantu dokter mengetahui status
hipoksiapasien selama pemeriksaan klinis. Makalah ini menyajikan sebuahKuadrat Rata-Rata Terkecil
Ukuran Langkah Adaptif yang efisien (AS-LMS)filter adaptif berbasis untuk mengurangi MA dari PPG
yang rusaksinyal. Kebaruan dari algoritma yang diusulkan terletak pada kenyataan bahwasinyal
referensi kebisingan sintetis untuk penyaringan adaptif,mewakili noise MA, dihasilkan secara internal
dari MAsinyal PPG itu sendiri rusak daripada menggunakan tambahan apa punperangkat keras
seperti accelerometer atau pasangan sumber-detektor untukmemperoleh sinyal referensi kebisingan.
Analisis konvergensi, SNRperhitungan dan analisis statistik mengungkapkan bahwa usulanAlgoritma
AS-LMS memiliki keunggulan yang jelas dibandingkan Ukuran Langkah yang Bervariasi WaktuLMS
(TVS-LMS) dan LMS Ukuran Langkah Konstan (CS-LMS)algoritma adaptif berbasis untuk pengurangan
MA dari sinyal PPG.Hasil percobaan, untuk data PPG dicatat dengan berbeda-bedaartefak gerak
(Gerakan Horisontal, Vertikal dan Bendingjari), menunjukkan kemanjuran algoritma yang diusulkan

diPengurangan MA sehingga membuatnya paling cocok untuk pulsa real-timeaplikasi oksimetri.🔥

Photoplethysmography, sebuah teknik non-invasif, adalahsering digunakan dalam penyelidikan klinis

untuk pengukurandenyut jantung dan saturasi oksigen arteri (SpO2). PPG adalah aBentuk gelombang
pulsatil diperoleh dari pulse oximeter menggunakan metode sederhanasensor optik murah (sensor
merah dan IR PPG). ItuSensor PPG paling sederhana terdiri dari LED inframerah dan fotodetektor
ditempatkan di rumah plastik kecil. Sensornya adalahdiaplikasikan pada kulit melalui cincin perekat
bermuka dua.Sensor dapat berupa tipe transmisi atau refleksijenis. Bagian sinyal PPG merah dan IR
yang berdenyut mungkindigunakan untuk estimasi SpO2 akurat yang andal. Bagian darisinyal PPG
terdeteksi karena darah arteri tampak berdenyutdi alam dengan detak jantung. Bagian PPG yang
berdenyutmuncul karena cahaya melewati darah arteri dan karenanyamempunyai informasi yang
terkandung dalam aliran darah arteri seperti; jantungdenyut jantung, variabilitas denyut jantung,
pernapasan dan tekanan darahsebutkan beberapa [1]. Estimasi SpO2 yang andal dan
akuratmembutuhkan sinyal PPG bebas artefak yang bersih dan dapat dipisahkan dengan jelasBagian
DC dan AC. Penyebab utama kemunduranakurasi dalam oksimeter pulsa adalah bagian rusak yang
dibuatdalam sinyal PPG yang terdeteksi dengan sukarela atau tidak sukarelagerakan (artefak gerak)
pasien. Saat dalam proses, bahkan gerakan pasien sekecil apa pun akan mengganggu sinyal
PPG,mengakibatkan estimasi SpO2 tidak akurat. Oleh karena itu, penguranganartefak gerak (MA)
telah menjadi oksimetri nadi yang menantangmasalah, sejak penemuannya, untuk estimasi yang
andalSpO2.Teknik pemrosesan sinyal digunakan secara efisien untuk MApengurangan dari sinyal PPG
yang rusak. Sejak frekuensinyaspektrum kebisingan ini (MA) tumpang tindih dengan spektrum
frekuensisinyal yang diinginkan (PPG bebas artefak), penyaringan tradisionalmetode gagal
menghilangkan kebisingan. Sampai batas tertentu, efek dariartefak gerak dapat dikurangi dengan
menampilkan rata-ratanilai beberapa pembacaan SpO2, yang merupakan prosedur umumdiikuti oleh
produsen oksimeter denyut komersial.Untuk mengatasi masalah yang menantang ini, beberapa
metodediusulkan untuk pengurangan MA. Yang paling umumTeknik yang digunakan untuk mereduksi
MA adalah movingmetode rata-rata [2]. Namun, ini hanya berfungsi dengan baik pada rentang
terbatasartefak. Praktisnya, noise in-band disebabkan oleh MAkorupsi dapat berhasil dikurangi
dengan penggunaanfilter adaptif [3]-[5], dengan tetap memperhatikan kesederhanaan
dankeuntungan seperti waktu respons lebih cepat, penghindaran pulsasegmentasi dan kemampuan
untuk melanjutkan pemrosesan di bawah MAkondisi. Penggunaan sinyal referensi sintetik
diperkirakan daribagian sinyal PPG yang bebas artefak [6] juga dilaporkanuntuk mengurangi artefak
gerak. Ada perbaikan yang signifikandiamati dengan menerapkan metode frekuensi waktu seperti
dihaluskandistribusi pseudo Wigner-Ville [7], memanfaatkan nonstasionersifat sinyal PPG. Dalam
makalah ini kami menyajikanteknik adaptif yang sederhana dan efisien, dengan fokus pada
akurasirekonstruksi bentuk gelombang sinyal, yang secara otomatismembantu dalam estimasi SpO2
yang lebih baik, daripada mencoba melakukannyamenstabilkan perkiraan saturasi. Adaptif yang
diusulkanteknik ini menggunakan algoritma AS-LMS untuk reduksi MA. Di dalamumum, perangkat
keras tambahan seperti pasangan sumber-detektor tambahan atauaccelerometer digunakan untuk
menghasilkan sinyal referensiuntuk aplikasi pemfilteran adaptif terhadap sinyal PPG [3]-[5].
Itukebaruan metode yang diusulkan terletak pada kenyataan bahwa asinyal referensi kebisingan

sintetis dihasilkan dari rekamandata PPG itu sendiri.❤️

Abstrak - Investigasi Klinis terhadap status hipoksia pasienmembutuhkan informasi akurat tentang
detak jantung dan oksigensaturasi darah arteri. Oksimeter denyut banyak digunakan
untukmemantau parameter ini dengan mencatat pulsa mentahsinyal oksimeter yaitu Photo
plethysmogram (PPG). Itusinyal PPG yang direkam biasanya diperoleh menggunakan sensor
PPGdirusak dengan Artefak Gerak (MA) karena sukarela ataugerakan pasien yang tidak disengaja.
Pengurangan MA telah diterimabanyak perhatian dalam literatur selama beberapa tahun terakhir.
Dalam makalah ini,kami menyajikan teknik penyaringan adaptif yang efisien berdasarkanKuadrat
Rata-Rata Terkecil Ukuran Langkah yang Bervariasi Waktu (TVS-LMS)algoritma untuk pengurangan
MA. Kebaruan metode ini terletak padafakta bahwa sinyal referensi kebisingan sintetis untuk
penyaringan adaptif,mewakili noise MA, dihasilkan secara internal dari MAsinyal PPG itu sendiri
rusak daripada menggunakan tambahan apa punperangkat keras seperti akselerometer atau
pasangan sumber-detektor untuk kebisinganpembangkitan sinyal referensi. Analisis konvergensi,
SNRperhitungan dan analisis statistik mengungkapkan bahwa usulanMetode TVS-LMS memiliki
keunggulan dibandingkan ukuran Langkah KonstanTeknik penyaringan adaptif berbasis LMS (CS-
LMS). Hasil tes,pada data PPG yang dicatat dengan MA yang berbeda, menunjukkankemanjuran
algoritma TVS-LMS yang diusulkan dalam pengurangan MAdan dengan demikian membuatnya paling

cocok untuk oksimetri denyut waktu nyataaplikasi.🔥

Oksimeter denyut adalah perangkat medis yang efisien dan dapat dipakaipemantauan darah arteri
secara terus menerus dan non-invasifsaturasi oksigen (Sp02) dan denyut nadi. Oksimeter denyut
bergantungpada transmisi, penyerapan dan dispersi cahaya saat melewatinyamelalui hemoglobin. Itu
memanfaatkan bagian yang berdenyutsinyal merah dan IR Photoplethysmographic (PPG) agar dapat
diandalkanestimasi Sp02 yang akurat. PPG adalah sinyal yang diperoleh denganmenerangi bagian
tubuh yang diminati dan memperoleh keduanyacahaya yang dipantulkan atau ditransmisikan. Bagian
dari sinyal yang terdeteksikarena darah arteri tampak berdenyut di jantungkecepatan. Bagian PPG
yang berdenyut muncul karena cahayamelewati darah arteri dan karenanya memiliki
informasiterkandung dalam aliran darah arteri seperti; detak jantung, detak jantungvariabilitas,
pernapasan dan tekanan darah adalah beberapa di antaranya [1].Estimasi Sp02 yang andal dan
akurat membutuhkan bersihsinyal PPG bebas artefak dengan DC dan AC yang dapat dipisahkan
dengan jelasbagian. Penyebab utama penurunan akurasi denyut nadioksimeter adalah bagian rusak
yang dibuat di terdeteksiSinyal PPG dengan gerakan yang disengaja atau tidak disengaja
(gerakanartefak) pasien. Selagi dalam proses, sekecil apapunpergerakan pasien mengganggu sinyal
PPG, sehingga mengakibatkanestimasi Sp02 yang tidak akurat. Oleh karena itu, pengurangan
gerakartefak (MA) telah menjadi masalah oksimetri nadi yang menantang,sejak penemuannya, untuk
estimasi Sp02.Sejak yang dapat diandalkanspektrum frekuensi kebisingan ini (MA) tumpang tindih
dengan frekuensispektrum sinyal yang diinginkan (PPG bebas artefak), tradisionalmetode
penyaringan gagal menghilangkan kebisingan. Sampai batas tertentu,efek artefak gerak dapat
dikurangi dengan menampilkannilai rata-rata dari beberapa pembacaan Sp02, yang merupakan
tipikalprosedur yang diikuti oleh produsen pulsa komersialoksimeter. Untuk mengatasi masalah yang
menantang ini, beberapa metodediusulkan untuk pengurangan MA. Yang paling umumTeknik yang
digunakan untuk mereduksi MA adalah movingmetode rata-rata [2]. Namun, ini hanya berfungsi
dengan baik pada rentang terbatasartefak. Praktisnya, noise in-band disebabkan oleh MAkorupsi
dapat berhasil dikurangi dengan penggunaanfilter adaptif [3]-[5]. Pengurangan artefak berbasis
modelmetodologi diusulkan dengan penerima optik nonlinierberdasarkan inversi model artefak fisik.
IniPendekatan telah diterapkan dengan menggunakan detektor sumber tambahanberpasangan,
menghasilkan probe tiga panjang gelombang, untuk MApengurangan. Penggunaan sinyal referensi
sintetik diperkirakan daribagian sinyal PPG yang bebas artefak [6] juga dilaporkanuntuk mengurangi
artefak gerak. Keuntungan dari filter adaptifmetode melibatkan waktu respons yang lebih cepat,
penghindaran denyut nadisegmentasi dan kemampuan mereka untuk melanjutkan pemrosesan di
bawahkondisi MA. Peningkatan signifikan diamati olehmenerapkan metode frekuensi waktu seperti
pseudo yang dihaluskanDistribusi Wigner-Ville [7], memanfaatkan nonstasionersifat sinyal PPG.
Pemrosesan sinyal terkinimetode, berdasarkan dekomposisi nilai tunggal (SVD) [8],seri Fourier siklus
demi siklus (CFSA) [9] dan waveletpendekatan denoising [10], mengekstraksi PPG bebas artefak
bersihsinyal yang mempertahankan semua fitur morfologi pentingdiperlukan, telah diperiksa dalam
beberapa dekade terakhir. Dalam makalah ini,kami menyajikan teknik adaptif sederhana, dengan

fokus pada akurasi❤️🫧

ABSTRAK Penyebaran perangkat pintar yang dapat dipakai di mana-mana memberikan harapan akan
efektivitasimplementasi berbagai aplikasi perawatan kesehatan di lingkungan hidup kita sehari-hari.
Namun, mengingat hal ituaplikasi ini meminta hasil penginderaan tanda-tanda vital yang akurat dan
dapat diandalkan, perlu adanya pemahamankeakuratan komponen penginderaan kesehatan
perangkat wearable komersial (misalnya, detak jantungsensor). Karya ini menyajikan penyelidikan
menyeluruh terhadap keakuratan sensor detak jantung yang dilengkapi ketiganyaberbagai platform
jam tangan pintar yang banyak digunakan. Kami menunjukkan bahwa pembacaan detak jantung
dapat dengan mudah menyimpang darikebenaran dasar ketika pengguna aktif bergerak. Selain itu,
kami menunjukkan bahwa accelerometer tidak efektifmodalitas penginderaan sekunder dalam
memprediksi keakuratan sensor yang tertanam pada jam tangan pintar tersebut. Alih-alih,kami
menunjukkan bahwa pembacaan intensitas cahaya sensor photoplethysmography (PPG) adalah
indikator yang masuk akaluntuk menentukan keakuratan pembacaan detak jantung berbasis sensor
optik. Berdasarkan pengamatan tersebut, berikut iniKarya ini menyajikan Model Markov Tersembunyi
berbasis algoritma Viterbi yang ringan untuk merancang filter yang mengidentifikasipengukuran
detak jantung yang andal hanya menggunakan sumber daya komputasi terbatas yang tersedia di jam
tangan pintar.Evaluasi kami dengan data yang dikumpulkan dari empat peserta menunjukkan bahwa
keakuratan skema yang kami usulkan dapat mencapai hal tersebutmenjadi setinggi 98%. Dengan
mengaktifkan jam tangan pintar untuk menyaring sendiri pengukuran yang menyesatkan dari layanan
kesehatanmasukan aplikasi, kami melihat pekerjaan ini sebagai modul penting untuk mengkatalisasi

layanan kesehatan baru yang ada di mana-manaaplikasi.🔥

Jam tangan pintar kini menjadi perangkat seluler yang banyak digunakandan dapat dianggap sebagai
bentuk representasi dari platform yang dapat dikenakan.Pengguna memakai jam tangan pintar
karena berbagai alasan. Beberapa untukcepat menerima alarm pemberitahuan ponsel cerdas,
beberapauntuk pelacakan kesehatan dan layanan kesehatan, dan beberapa menikmatinyafitur baru
sambil sekadar mencatat waktu. Pekerjaan iniberfokus pada fakta bahwa jam tangan pintar, meski
belum ada, memiliki potensi untuk bertindak sebagai komponen inti di rumah danaplikasi kesehatan
jarak jauh. Khususnya, mengingat sebagian besar hal itujam tangan pintar menawarkan pembacaan
sensor detak jantung semaksimal mungkindigunakan untuk terus memantau peristiwa penting yang
mungkin terjadikepada pasien dengan berbagai kelainan jantung kronis atau bahkansecara akurat
melacak dan mengukur tingkat aktivitas pasiendengan penyakit seperti diabetes [2].Sayangnya,
berbeda dengan hype dalam penerapan jam tangan pintarterhadap protokol klinis dan perawatan
kesehatan, bahkan jam tangan pintarVendor mengakui pembacaan detak jantung dari jam tangan

pintarhanya akurat dalam kondisi tertentu [3]. Pekerjaan ini❤️🫧

Intisari—Penggunaan sensor optik saat ini sudah sangat banyakumum di bidang diagnosis non-
invasif. Hal ini terutamakarena ciri-cirinya yang menonjol seperti, konstruksi sederhana, rendahbiaya,
mudah digunakan, sifat relatif murah dll.Sensor Photoplethysmography (PPG) adalah salah satu yang
paling luasberbagai sensor optik tersedia, dan digunakan untuk mengukurperubahan volumetrik
darah yang terjadi di berbagai bagian tubuhtubuh. Sinyal PPG berisi banyak sumber informasi
terkaitsistem kardio-paru. Namun masalah utama terkait dengansinyalnya adalah artefak gerak,
menyebabkan korupsi disinyal PPG asli. Tujuan dari penelitian ini adalah untuk mengetahui secara
mendalamtentang berbagai parameter sinyal PPG. Puncak dantitik transisi sinyal pulsa ditentukan
sebagai bagian darianalisis gelombang pulsa. Transformasi wavelet sekarang umum
digunakanberbagai macam aplikasi pemrosesan sinyal. Dalam pekerjaan inipenghilangan kebisingan
wavelet digunakan untuk menghilangkan AWGN dari PPGsinyal. Berbagai mother wavelet dipelajari

dan ditampilkan kinerjanyadiantaranya dievaluasi berdasarkan korelasi silang dengansinyal asli.🔥

Pengukuran aliran darah dapat digunakan untuk memperkirakanperubahan volume darah di

berbagai bagian tubuh. Sepertipengukuran volume darah sangat penting dalamaplikasi klinis yang
dapat digunakan untuk mendeteksi beberapakelainan biologis seperti penyumbatan arteri, penyakit
jantungdll. Alat yang digunakan untuk mengukur perubahan volume darah adalahdisebut
Plethysmographs dan tekniknya disebutPlethysmografi. Ide dibalik teknik ini adalah darahmenyerap
lebih banyak cahaya inframerah dibandingkan jaringan lainnya.Sinyal PPG terdiri dari komponen AC
dan DCkomponen. Bagian pulsatil dari sinyal PPG adalah ACkomponen dan diperoleh ketika cahaya
melewatidarah arteri. Komponen DC atau bagian non-pulsatil adalahmenyebabkan penyerapan
cahaya oleh darah di pembuluh darah, tulang danjaringan [1]. Sinyal ini berisi informasi penting
tentangvariabilitas detak jantung, tekanan darah, pernapasan, dll.Pulse Oximetry (PO) adalah proses
dengan cara non-invasifpenentuan saturasi oksigen perifer (SpO2).denyut darah dan denyut nadi,
yang digunakan untuk menilai tubuh paling dasarfungsi, berdasarkan analisis
photoplethysmographical(PPG) pulsa sinyal. Sumber kebisingan yang paling umumterkait dengan PO
adalah cahaya sekitar, elektromagnetikkopling dari instrumen elektronik lain dan gerak lainnya
gangguan. Di antara berbagai macam sumber kebisinganmengganggu sinyal PPG, artefak gerak yang
disebabkan olehpergerakan pasien sangat sulit dihilangkan. Jatuh tempoterhadap gerakan terus-
menerus dari orang yang PPG-nya diukur,sinyal mungkin terdistorsi dan komponen pulsatil tidak
adalagi diidentifikasi darinya. Pekerjaan ini berfokus pada penghapusanartefak gerak dari sinyal PPG
yang rusak yang memungkinkanuntuk menafsirkan sinyal dengan lebih mudah dan akurat.Berbagai
pendekatan digunakan untuk menyesuaikan dan memproses gerakan yang rusakpengukuran.
Pendekatan-pendekatan ini umumnyadibagi menjadi metode domain waktu dan frekuensi. Rentang
waktupemrosesan membutuhkan lebih sedikit daya pemrosesan dan efisienkomputasi [2]. Analisis
transformasi Fast Fourier (FFT).sinyal pulsa dapat digunakan untuk mengurangi efek gerakanartefak
pada sinyal yang diperlukan. Namun analisis FFTberkinerja buruk untuk kumpulan data kuasi-
periodik [3]. Bermacam-macampenelitian menunjukkan bahwa filter adaptif dapat digunakan untuk
menghilangkan inbandkebisingan [4]-[6]. Tapi, untuk menggunakan filter adaptifteknik, sinyal
referensi diperlukan dan memerlukanpengaturan perangkat keras tambahan. Untuk mengurangi
intermitenkebisingan dalam sinyal PPG Filter Rata-Rata Bergerak Berkala (PMAF)dapat digunakan
tetapi ini tidak menghilangkan gerakan besaramplitudo atau yang terjadi secara tiba-tiba. Pada tahun
2012, M.RaghuRamand dan Venu Madhav mengusulkan pendekatan gerakpengurangan artefak
sinyal PPG berdasarkan AS-LMS AdaptiveSaring. Namun hal ini juga memerlukan sinyal referensi yaitu
akerugian [7]. Metode penghilangan kebisingan Wavelet yang kami usulkanmenghilangkan artefak

gerak dan kurang sensitif terhadap variabilitas.❤️

Abstrak— Denyut Jantung merupakan parameter fisiologis yang penting untuk pemantauan
kesehatan. Pengukuran Denyut Jantung dengan ponsel pintar digunakan oleh banyak orang di
seluruh dunia dan berbagai aplikasi dikembangkan. Kamera ponsel mendeteksi radiasi Elektro
Magnetik pada panjang gelombang 350-1000nm & dalam rentang panjang gelombang tersebut, 700-
1000nm adalah radiasi IR. Inframerah adalah bentuk khusus gelombang elektromagnetik tak kasat
mata yang dapat dirasakan oleh panas. Panjang gelombang cahaya tampak adalah 400-700nm.Di
sini, dalam penelitian kami, kami berfokus pada pemantauan Denyut Jantung berbasis sinyal PPG
Non-Invasif dari aliran darah kulit menggunakan sinar IR pada panjang gelombang 900 nm. PPG
diperoleh dari saluran RED dari video langsung yang ditangkap kamera ponsel pintar karena video
saluran RED lebih stabil dibandingkan saluran Hijau & Biru. Kami telah merekam video kontak merah
untuk mendapatkan PPG menggunakan ponsel pintar dan mengembangkan algoritma untuk
menghilangkan beberapa persen kesalahan sentuhan dan diikuti dengan pemulusan dengan filter FIR
Savitzky-Golay, pengurangan kebisingan dengan filter band pass Orde Butterworth (IIR) ke-2,

pengurangan kebocoran dengan Hanning jendela dan analisis FFT sinyal PPG halus bebas noise.🔥

Masalah kardiovaskular adalah salah satu perhatian utama saat ini karena mayoritas orang
meninggal karena masalah ini setiap tahunnya. Pada tahun 2015, penyakit ini bertanggung jawab
atas 31% dari total kematian dan diperkirakan berjumlah sekitar 17,7 juta orang. Jumlah ini
meningkat secara mengkhawatirkan dan sumber-sumber mengklaim bahwa total perkiraan biaya
global akibat penyakit kardiovaskular adalah $863 miliar pada tahun 2010 dan kemungkinan akan
meningkat pada tahun 2030 menjadi $1044 miliar. Kami fokus pada sinyal PPG yang diukur dari aliran
darah kulit menggunakan sinar IR. Target pertama adalah mendapatkan sinyal PPG bebas kebocoran
dan halus dari Video pada bidang RED dan dengan demikian penghitungan puncak dari sinyal yang
dinormalisasi dan nilai yang dihasilkan dikalikan dengan 60 (1 menit) untuk menghitung detak
jantung yang merupakan parameter penting untuk pemantauan kardiovaskular, pembinaan
kesehatan dll. Ini adalah alat diagnostik non-invasif, murah, portabel dan nyaman. Menganalisis PPG,
kita dapat menghitung saturasi Oksigen (SPO2), tekanan darah (sistol/diastol), Denyut Jantung, Usia
arteri, penyakit pembuluh darah, Jumlah HB, prediksi jumlah sel darah merah, pemantauan
peredaran darah dan pernapasan, dll.Di sini kami telah memperkenalkan algoritma untuk
menghilangkan persentase tertentu dari kesalahan miss touch dan kami telah fokus pada
penghalusan filter Savitzky-Golay dan filter Butterworth untuk mendapatkan Sinyal PPG halus bebas

noise yang lebih baik.❤️

ABSTRAK Penelitian ekstensif mengenai perangkat wearable telah menghasilkan perangkat dengan
berbagai bentuk dan pemasanganlokasi. Perangkat yang dapat dikenakan sering kali digunakan untuk
mencatat informasi biometrik pengguna, dan metodenya pun demikiantelah diusulkan untuk
mendeteksi kelainan fisik dari data yang diperoleh. Diantara berbagai macam biometrikdata, data
denyut nadi telah digunakan dalam metode seperti pemantauan detak jantung dan pengenalan
emosi. Yang palingjenis sensor pulsa yang umum menggunakan photoplethysmography (PPG), yang
menyinari LED hijau pada kulitdan mengukur data denyut nadi dari perubahan cahaya yang
dipantulkan dari pembuluh darah. Sensor PPG telahditerapkan di perangkat wearable yang tersedia
secara komersial seperti jam tangan pintar. Namun, sensor PPGmembutuhkan aliran darah untuk
akuisisi data, dan ketika jam tangan pintar dikenakan pada bagian tubuh buatan sepertitangan palsu
atau lengan robot, data tidak dapat diperoleh karena tidak ada aliran darah. Dalam penelitian
ini,kami mengusulkan metode yang memungkinkan sensor PPG mengukur data pulsa sewenang-
wenang dengan menggunakan layar. Jika inimetode ini berhasil, ini akan memungkinkan data denyut
nadi diukur di persimpangan anggota tubuh yang hidup dan buatananggota badan untuk dimasukkan
ke layar; kemudian, jam tangan pintar yang dipasang pada anggota tubuh palsu akan membaca
denyut nadi yang samadata. Dalam makalah ini, kami fokus pada detak jantung dan melaporkan hasil
percobaan yang menggunakan jantung targetdetak jantung dimasukkan dan tampilan dikontrol
sesuai untuk menentukan apakah detak jantung target bisadiperoleh dengan jam tangan pintar. Kami
melaksanakan program gambar display dan melakukan evaluasidengan lima jenis jam tangan pintar
dan empat jenis layar. Hasil penelitian menunjukkan bahwa kesalahan antaratarget detak jantung
dan detak jantung yang diperoleh jam tangan pintar berada dalam kisaran 3 detak per menit
(bpm).kasus ketika target detak jantung ditetapkan ke 60–100 bpm. Ketika target detak jantung
ditetapkan ke 40–55 dan105–200 bpm, detak jantung juga dapat dimasukkan ke jam tangan pintar
dengan kesalahan kecil di bawah kondisi tertentukondisi. Terlebih lagi, ketika data PPG yang
dihasilkan diimpor ke analisis variabilitas detak jantung (HRV).perangkat lunak, itu dikenali sebagai
gelombang pulsa dengan cara yang sama seperti data PPG nyata yang diperoleh dari seseorang.Kami
membandingkan detak jantung, interval RR, dan SDNN yang dihitung dari data PPG nyata dan yang
dihasilkan, dan kamimengkonfirmasi bahwa metode yang diusulkan dapat menghasilkan data PPG
yang stabil. Di sisi lain, ketika gelombang terbentukdibandingkan, bentuk gelombang PPG yang
dihasilkan sangat berbeda dengan bentuk gelombang PPG sebenarnya yang ditunjukkanbahwa
perangkat lunak dapat menghitung detak jantung, interval RR, SDNN, dan rasio LF/HF terlepas dari
itubentuk gelombang. Hasil ini menunjukkan bahwa perhitungan parameter ini tanpa memverifikasi

bentuk gelombangakan rentan terhadap serangan dengan data PPG palsu.🔥

Dengan meningkatnya kesadaran akan manajemen kesehatan, perangkat wearableperangkat yang
merekam informasi biometrik telah banyak digunakan. Informasi biometrik yang direkam meliputi
aberbagai data, seperti aktivitas, pernapasan, suhu tubuh,potensi jantung, tekanan darah,
pandangan, gelombang nadi,dan detak jantung. Sensor pulsa digunakan untuk memperoleh yang
terakhirdua jenis data (yaitu, gelombang denyut nadi dan detak jantung) menyinarikulit dengan LED

yang memancarkan sinar infra merah, lampu merah,❤️🫧

Abstrak—Ringkasan ini menyajikan fotoplethysmogram real-time baru(PPG) sistem penilaian kualitas

sinyal secara signifikanmengurangi konsumsi energi secara keseluruhan dan mengurangi
frekuensinyaalarm palsu. Algoritma yang diusulkan didasarkan pada hierarkiaturan keputusan
dengan menggabungkan dengan fitur sederhana seperti absolutamplitudo, laju penyeberangan
ambang batas, dan fungsi autokorelasifitur. Algoritma divalidasi pada kedua perangkat lunak
MATLABdan Arduino Due dengan mikrokontroler inti ARM 32-bit dengan menggunakankumpulan
data PPG standar dan kumpulan data PPG real-time kami.Algoritma mencapai sensitivitas 99,29%,
spesifisitas95,31% dan akurasi 97,76% dengan 754 false positif (FP)segmen dan 182 segmen negatif
palsu (FN) dari total16068 segmen yang tidak dapat diterima dan 25772 segmen yang dapat
diterima.Algoritme ini memberikan tingkat pengurangan alarm palsu yang menjanjikan(FARR)
sebesar 95,31% pada berbagai jenis artefak dan kebisingan. Itusistem pemantauan sadar kualitas
yang diusulkan dapat menghemat transmisikonsumsi energi dari 3,43% menjadi 95,1% untuk

transmisisinyal PPG 5 detik hingga 60 detik yang berisik.🔥

Analisis photoplethysmogram (PPG) yang sadar kualitas berperanperan utama dalam mengurangi
dan meningkatkan alarm palsu secara signifikanmasa pakai baterai perangkat pemantauan PPG
berkelanjutandalam kondisi istirahat, rawat jalan dan olahraga [1]- [8].Dengan menentukan kapasitas
baterai dan aplikasi yang diinginkan,masa pakai baterai dapat diperkirakan berdasarkan energi
keseluruhankonsumsi penginderaan, pemrosesan (jika diperlukan di dalam perangkatdeteksi
peristiwa) dan modul nirkabel. Di antara modul-modul tersebut,modul nirkabel menghabiskan
banyak daya dalam pemantauan jarak jauhaplikasi. Oleh karena itu, mengeksplorasi teknik hemat
energiuntuk memperpanjang masa pakai baterai internet of things yang memiliki keterbatasan
energiPerangkat (IoT) sangat penting untuk pemantauan kesehatan jangka panjangskenario. Ada tiga
cara untuk mengurangi konsumsi energidan mengoptimalkan masa pakai baterai untuk pemantauan
jangka panjang di mana-mana:(i) dengan merancang perangkat keras penginderaan dan
transmisimenggunakan perangkat elektronik dan komunikasi berdaya rendah; (ii)dengan mengurangi
jumlah data yang diperoleh yang diperlukanditransmisikan atau disimpan; dan (iii) dengan
memperkenalkan event-drivenmekanisme transmisi data. Kehadiran yang parahartefak dan suara
dapat menurunkan kompresi secara signifikankinerja karena korelasi intra-beat dan inter-beat yang
buruk.Oleh karena itu, sinyal PPG yang berisik harus dideteksi terlebih dahulumenerapkan algoritma
kompresi. Selanjutnya, mereka dapat memiliki a dampak yang signifikan terhadap konsumsi energi
sistem secara keseluruhananggaran dalam pemantauan PPG jangka panjang. Selain
mengurangikeseluruhan energi yang dikonsumsi, pemantauan kesehatan tanpa
pengawasanperangkat sering kali menghasilkan alarm palsu karena ketidakakuratan danpengukuran
fitur PPG yang andal dari sinyal PPG yang berisikdirusak dengan berbagai jenis artefak dan suara
yangsering ditemui dalam pemantauan kesehatan rawat jalan [3]-[10]. Oleh karena itu,
dikembangkan kualitas sinyal PPG secara real-timepenilaian paling penting untuk dibuang secara
otomatiskualitas sinyal PPG yang tidak dapat diterima sebelum dijalankanekstraksi parameter pulsa
untuk analisis sinyal PPG otomatis.Dengan mempertimbangkan tantangan dan perangkat wearable
yang disebutkan di ataskendala perangkat, ringkasan ini menyajikan penyematan secara real-
timeSistem penilaian kualitas PPG berkurang secara signifikankonsumsi energi keseluruhan untuk
perangkat IoT yang dapat dikenakan dengan energi rendahperangkat dan mengurangi alarm palsu
untuk kesehatan tanpa pengawasanmonitor. Evaluasi real-time dari sistem yang diusulkan
padaArduino Due secara luas menunjukkan kelayakannya pada sumber daya yang terbatasplatform
komputasi. Laporan singkat ini disusun sebagai berikut.Bagian II menyajikan penilaian kualitas sinyal
PPG terkaitpekerjaan dan keterbatasannya. Bagian III menyajikan usulanAlgoritma SQA. Bagian IV

menyajikan hasil percobaandan diskusi. Akhirnya, kesimpulan diambil di Bagian V.❤️

Abstrak—Tujuan: Dalam makalah ini, kami menyajikan secara real-timepenggambaran bentuk

gelombang pulsa dan ekstraksi parameter yang sadar kualitasmetode pengukuran denyut nadi yang
akurat dan andalparameter dari sinyal photoplethysmogram (PPG). Metode: Ituterdiri dari tiga tahap
utama: penilaian kualitas sinyal PPG(PPG-SQA) menggunakan fungsi autokorelasi (ACF) dan
bilanganfitur penyeberangan ambang batas (NTC), resonator frekuensi nol(ZFR) berdasarkan
permulaan denyut nadi dan penentuan puncak, serta denyut nadiekstraksi parameter. Implementasi
Real-time: Metodenya adalahdiimplementasikan pada Arduino Due dengan Atmel SAM3X8E 32-
bitCPU ARM Cortex-M3, memori flash 512 kB, SRAM 96 kB, danKecepatan jam 84 MHz. Metode ini
dievaluasi pada rekamanSinyal PPG dan tiga database PPG standar. Hasil: ItuAlgoritma PPG-SQA
mencapai sensitivitas rata-rata (Se)=98.62%,spesifisitas (Sp)=97,37%, dan akurasi keseluruhan
(OA)=98,09%. Itualgoritma mencapai rata-rata Se=99,88%, prediktif positif(Pp)=99,89 dan Se=99,82%
dan Pp=99,95% masing-masing dengankesalahan penggambaran (mean standar deviasi) sebesar 8,45
9,39 msdan 0,23·1,33 ms untuk menemukan permulaan dan puncak, masing-masing. Ituanalisis
statistik menunjukkan bahwa pengukuran parameterkesalahan minimum untuk sebagian besar siklus
pulsa. Kesimpulan:Hasilnya menunjukkan bahwa skema analisis PPG kami yang sadar kualitas
bisamencapai penurunan tingkat alarm palsu (FARR) sebesar 97,36% yangmengungguli algoritma
SQA lain yang ada. Hal ini dapat menyebabkanmenghemat energi transmisi dan pemrosesan dari
8,33% menjadi 95,63%dan 8,33% hingga 59,77% untuk durasi masing-masing dari 5 detik hingga 60
detik.Signifikansi: Metode ini memiliki potensi besar untuk IoT berenergi rendahdan perangkat

pemantauan kesehatan tanpa pengawasan.🔥

Photoplethysmography (PPG) tercatat secara luas di sebagian besar wilayahaplikasi patologis dan
non-patologis seperti jantungpemantauan laju [1], [2], pemantauan laju pernapasan [3], [4]denyut
nadi (PR) dan variabilitas denyut pusle (PRV) [5], prematurdeteksi kontraksi ventrikel [7], tekanan
darah tanpa mansetmonitor [8], deteksi gairah pernapasan [9], detak jantunganalisis turbulensi [10],
estimasi kekakuan arteri [11], tidurapnea [12], dan otentikasi orang [13]. Sinyal PPG biasanya
mencakup puncak dan permulaan sistolik(kaki), yang memainkan peran penting dalam sinyal PPG
tersebut di atasaplikasi analisis. Selanjutnya puncak sistolik dan titik kakidigunakan sebagai panduan
dalam menentukan kejadian lain seperti dikrotiktakik dan puncak diastolik; mencari waktu transit
pulsa (PTT); Danmembedakan bunyi jantung pertama dengan bunyi keduadi hadapan murmur
jantung dan suara latar lainnya[14]. Oleh karena itu, sebagian besar metode berfokus pada

otomatisasideteksi kaki dan puncak sistolik sinyal PPG.❤️

ABSTRAK Kebutuhan pengukuran detak jantung cerdas yang dapat dipakai semakin menarik
perhatianperhatian, dan aplikasi terkait Internet of Things bermunculan. Namun dalam kondisi fisik
yang intensiflatihan, artefak gerak adalah sumber interferensi yang kuat untuk
photoplethysmography tipe pergelangan tangan (PPG)sinyal sensor, sehingga secara signifikan
mempengaruhi estimasi akurat detak jantung dan fisiologis lainnyaparameter. Saat ini, cara
menghilangkan artefak gerak dari sinyal sensor PPG secara efektif sedang dibahasbidang penelitian
yang aktif dan menantang. Dalam tulisan ini, kami mengusulkan matriks spektral multi-saluranmodel
dekomposisi (MC-SMD) untuk memperkirakan detak jantung secara akurat di hadapan aktivitas fisik
yang intensifkegiatan. Dimotivasi oleh pengamatan spektrum sinyal PPG dan spektrum
percepatanmemiliki posisi puncak spektral yang hampir sama dalam domain frekuensi, pertama-
tama kita memodelkan penghapusannyaartefak gerak sebagai masalah optimasi dekomposisi matriks
spektral. Setelah menghilangkan artefak gerak,kami mengusulkan metode pelacakan puncak spektral
baru untuk memperkirakan detak jantung. Hasil percobaan pada sumur-Kumpulan data PPG yang
diketahui yang direkam dari 12 subjek selama gerakan intensif menunjukkan bahwa MC-SMD
bisamenghilangkan artefak gerakan secara efisien dan mengambil detak jantung yang akurat

menggunakan sensor PPG multisaluransinyal.🔥

Dengan pesatnya perkembangan teknologi elektronik mini-turisasi [1], pemantauan kesehatan

manusia bermanfaatmendapatkan lebih banyak perhatian. Satu laporan kesehatan masyarakatpada
tahun 2010 menunjukkan bahwa hampir 1 dari setiap 4 kematian setiap tahunnya terjadi diAmerika
Serikat disebabkan oleh penyakit jantung [2]. Oleh karena itu, detak jantungpemantauan selalu
dianggap sangat pentingdi antara semua tanda-tanda vital yang dipantau. Baru-baru ini,
fotoplethysmo-grafi (PPG) [3], [4] telah menjadi efisien dan populermetode estimasi lar untuk
estimasi detak jantung. Dibandingkandengan elektrokardiogram (EKG), yang diperoleh daridada
tanpa gerakan tubuh, sinyal sensor PPGdiperoleh melalui metode non-invasif [5], [6]. Lebih penting-
Sebenarnya, sensor PPG sederhana, murah, mudah digunakan, dan dapat dilakukantidak
memerlukan teknik khusus untuk ditempelkan pada kulit.Terlepas dari atribut PPG yang menarik,
kelemahan besarnya adalahKeuntungan PPG adalah sensitif dan rentan terhadapgerak fisik manusia.
Oleh karena itu, untuk memecahkan kode kesehatan jantungstatus lebih andal, artefak gerak yang
diperkenalkan olehgerak fisik harus diekstraksi dan ditolak darisinyal sensor PPG berisik asli. Namun,
arti gerakkomponen fakta sebagian besar dapat menutupi informasi detak jantungtion selama latihan

fisik intensif; dengan demikian, penghapusan❤️🫧

ABSTRAK Karena tingginya permintaan akan photoplethysmogram yang kecil, kompak, ringan, dan
murah(PPG), perangkat ini memiliki keterbatasan sumber daya termasuk daya baterai yang
terbatas.Akibatnya, sangat memerlukan pengisian daya atau penggantian baterai yang sering jika
terjadi PPG secara terus-meneruspenginderaan dan transmisi. Lebih jauh lagi, sinyal PPG sering kali
rusak parah saat berjalan dan berolahragakondisi perekaman, menyebabkan seringnya alarm palsu.
Dalam tulisan ini, kami mengusulkan kesatuan kesadaran kualitaskerangka estimasi laju kompresi dan
denyut nadi untuk mengurangi konsumsi energi dan salahalarm perangkat pemantauan PPG yang
dapat dikenakan dan edge dengan mengeksplorasi teknik pengkodean prediktif secara bersama-
samamelakukan penilaian kualitas sinyal (SQA), kompresi data dan denyut nadi (PR) dan laju
pernapasan (RR)estimasi tanpa menggunakan domain berbeda dari teknik pemrosesan sinyal yang
dapat dicapai dengan menggunakanfitur yang diekstraksi dari sinyal kesalahan prediksi yang
dihaluskan. Dengan menggunakan lima database PPG standar,kinerja kerangka terpadu yang
diusulkan dievaluasi dalam hal rasio kompresi (CR), rata-ratakesalahan absolut (MAE), tingkat
pengurangan alarm palsu (FARR), waktu pemrosesan (PT) dan penghematan energi (ES).Hasil
kompresi, PR, estimasi RR, dan SQA dibandingkan dengan metode dan hasil yang adasinyal PPG tidak
terkompresi dengan laju pengambilan sampel 125 Hz dan 25 Hz. Kesadaran kualitas terpadu yang
diusulkankerangka kerja mencapai CR rata-rata 4%, SQA (Se sebesar 92,00%, FARR sebesar 84,87%),
PR (MAE: 0,46±1,20) dan RR (MAE: 1,75 (0,65-4,45), PT (detik) sebesar 15,34 ±0,01) dan ES sebesar
70,28% yang mengunggulihasil sinyal PPG terkompresi dengan sampling rate 125 Hz. Arduino Due
berbasis platform komputasiImplementasinya menunjukkan kelayakan real-time dari usulan PRRR
terpadu yang sadar akan kualitasestimasi dan kompresi data dan kerangka transmisi pada sumber
daya komputasi yang terbatas.Oleh karena itu, hal ini memiliki potensi besar dalam meningkatkan

efisiensi energi dan keandalan PPG wearable dan edgeperangkat pemantauan.🔥

Kemajuan teknologi yang pesat dan inovasi yang disruptifdi berbagai teknologi, termasuk
ultraminiaturisasibiosensor, berdaya rendah fleksibel dan dapat diregangkanelektronik, akuisisi data
resolusi tinggi berdaya sangat rendah,prosesor berkecepatan tinggi berdaya rendah, dan daya sangat
rendahradio nirkabel dengan kecepatan data yang lebih tinggi telah menghasilkan
pengembanganperangkat nirkabel yang sangat ringan dan ringkasyang dapat dengan mudah
dikenakan di badan atau dipasang dengan nyamanke tubuh seseorang. Perangkat nirkabel yang
dapat dikenakan ini jugadisebut perangkat penginderaan pintar atau perangkat elektronik pintaryang
lebih nyaman untuk dipakai, dirasakan, dianalisis danmenafsirkan secara real-time, menyimpan dan
mengirimkan data dengan lancarke platform komputasi tingkat berikutnya atau perangkat pintar
lainnyadi jaringan area tubuh nirkabel (WBAN) atau internetpemantauan kebugaran dan kesehatan
berbasis hal-hal medis (IoMT).aplikasi [1], [2], [3], [4]. Pesatnya laju kemajuandalam miniaturisasi
dan integrasi memungkinkan integrasisensor heterogen menjadi perangkat yang dapat dikenakan
yang hampir samatidak terlihat oleh seorang individu. Jadi, perangkat nirkabel modern dapat
dipakaiperangkat telah menerima perhatian yang luar biasa di dunia saat inipasar perangkat
pemantauan kebugaran dan kesehatan yang dapat dikenakanyang dapat menemukan potensi besar
dalam pemantauan waktu nyatatanda-tanda vital atau biomarker kritis, diagnosis di tempat
perawatan,uji klinis virtual, dan pemberian obat, psiko-fisiologispemantauan stres, menentukan
status kesehatan individu,dan pemantauan kebugaran di mana-mana, berkelanjutan, dan
pribadi,termasuk pola fisik dan postur tubuh, serta energi sehari-haripengeluaran [5], [6], [7], [8], [9],

[10].❤️

Abstrak – Berbagai metode pemrosesan sinyal diusulkanmengatasi masalah terkait artefak gerak
(MA) di pulsaaplikasi oksimetri. Korupsi MA karena sukarela ataugerakan tak sadar pasien, saat
merekamdata photoplethysmographic (PPG) menggunakan pulse oximeter, adalahsumber utama
kesalahan dalam estimasi oksigen darah arterisaturasi (SpO2). Dalam tulisan ini, untuk mengatasi
permasalahan MApengurangan data PPG yang tercatat, asal usul fisik PPGsinyal dieksplorasi dan
dekomposisi mode empiris yang kompleks(CEMD) filter adaptif diusulkan. Kebaruan yang
diusulkanmetode penyaringan terletak pada kenyataan bahwa alih-alih menggunakan
tambahanperangkat keras untuk perolehan sinyal referensi kebisingan, mewakiliKebisingan MA,
untuk proses penyaringan adaptif, dihasilkan secara internaldari sinyal PPG MA yang rusak
menggunakan teknik CEMD. Itusinyal referensi kebisingan yang dihasilkan kemudian diterapkan ke
adaptifalgoritma kuadrat rata-rata ukuran langkah (AS-LMS) untuk artefakpemindahan. Manfaat dari
metode penyaringan yang diusulkan dibuktikan olehmembandingkannya dengan transformasi
wavelet Daubechies (Db10).Metode reduksi MA untuk data PPG dicatat dengan berbedaMA
(Gerakan jari Horisontal, Vertikal dan Tekuk).Hasil statistik menunjukkan kuatnya usulan
tersebutmetode dan perhitungan parameter SpO2 dari MA tereduksi PPGsinyal membuktikan

kemanjuran metode secara akurat dan dapat diandalkanestimasi SpO2.🔥

Pulse oximeter merupakan salah satu alat kesehatan yang wajib dimilikidigunakan di unit perawatan
intensif. Non-invasif terus meneruspemantauan saturasi oksigen darah arteri (SaO2) dandenyut nadi
(PR) dimungkinkan dengan unit medis ini dan menggunakandata photoplethysmographic (PPG)
untuk estimasinya. PPGdata diperoleh pada panjang gelombang merah dan inframerah (IR)
denganbantuan sensor PPG yang sesuai terpasangjari/daun telinga/dahi subjek, dengan menyinari
suatu bagianbagian tubuh yang diinginkan dengan cahaya merah atau inframerah [1]-[2].Pada
dasarnya, bentuk gelombang PPG mengandung dua komponen; satu,sinyal bolak-balik cepat
(komponen AC kecil) karenakomponen pulsatil dalam pembuluh darah, yaitu denyut arteri.Yang
kedua, sinyal stabil (komponen DC besar) karenapenyerapan cahaya secara konstan ketika melewati
jaringan kulit-tulang. Bagian komponen AC pulsatil berwarna merah danSinyal IR PPG dapat
digunakan karena andal dan akuratestimasi saturasi oksigen darah arteri (SpO2). UtamaPenyebab
kesalahan dalam estimasi akurat SpO2 mungkin disebabkanke bagian rusak yang dibuat dalam sinyal
PPG yang direkaminformasi dengan gerakan yang disengaja atau tidak disengaja(artefak gerak)
pasien. Sejak penemuan pulsaoksimetri, reduksi MA menggunakan pemrosesan sinyal PPG telah
dilakukantugas yang menantang untuk diselesaikan. Khususnya, dalam kasusoksimeter pulsa
komersial, solusi kompromi yang dipilih adalahmenampilkan informasi SpO2 atau rata-rata yang
disimpan sebelumnyanilai beberapa pembacaan SpO2, kapan pun situasi MAmuncul. Karena
komponen noise MA dari sinyal PPG terekamberada dalam gangguan pita, mengakibatkan tumpang
tindih spektrum, adalahgagal dihilangkan dengan metode penyaringan tradisional seperti
pemindahanmetode rata-rata [2]. Secara umum, kebisingan in-band dapat terjadiberhasil dihilangkan
dengan penggunaan filter adaptif [3]-[5].Namun, untuk menerapkan proses pemfilteran adaptif,
diperlukan referensisinyal yang berkorelasi kuat baik dengan MA tetapitidak berkorelasi dengan
sinyal atau berkorelasi kuat dengansinyal tetapi tidak berkorelasi dengan MA diperlukan. Sebagian
besarpeneliti menyarankan untuk memperoleh sinyal referensi kebisinganmenggunakan pengaturan
perangkat keras tambahan, untuk dipasang bersamasensor PPG tipe clip-on sederhana untuk
memperoleh yang sesuaisinyal referensi.Metode frekuensi waktu seperti transformasi wavelet [6]
dandistribusi pseudo Wigner-Ville yang dihaluskan [7] telahditerapkan pada sinyal PPG untuk
meningkatkan kinerjametode pengolahan dibandingkan dengan tradisionalpendekatan, karena sifat
dinamis dari biomedissinyal disebut non-stasioner dan memanfaatkan inisifat sinyal PPG,. Metode
pemrosesan sinyal terkinidimaksudkan untuk pengurangan MA, berdasarkan nilai
tunggaldekomposisi (SVD) [8], dan deret Fourier siklus demi siklus(CFSA) [9], Statistik Tingkat Tinggi
(HoS) [10] diekstraksisinyal PPG yang bersih & bebas artefak menjaga semuanya pada
dasarnyamemerlukan fitur morfologi PPG, tetapi secara komputasiintensif. Mengingat, penelitian
hari ini ditujukan untukpengembangan penolakan artefak gerak kinerja tinggialgoritma untuk
oksimeter pulsa.Dalam makalah ini, sinyal adaptif yang sederhana dan efisienmetode pengolahan
diusulkan untuk pengurangan MA, dimana asinyal referensi kebisingan dihasilkan menggunakan
empiris yang kompleksmode dekomposisi (EMD) dan kemudian diterapkan ke adaptiffilter adaptif
kuadrat terkecil ukuran langkah (AS-LMS) untukpenghapusan artefak. Sisa makalah ini disusun
sebagai berikut.Pada bagian II, kami menyajikan metode CEMD untuk kebisinganpembangkitan sinyal
referensi dan teknik AS-LMS untuk MAreduksi dengan tinjauan singkat mode empirispenguraian.
Bagian III menyajikan hasil percobaanfilter adaptif CEMD yang diusulkan untuk pengurangan MA

PPGsinyal dan dibandingkan dengan wavelet Daubechies❤️🫧

Abstrak – Saturasi oksigen darah arteri (SpO2) merupakan hal yang vitalukuran jumlah oksigen yang
terlarut dalam darah, adalahdiperkirakan menggunakan oksimeter pulsa komersial dengan
mencatatSinyal fotoplethysmographic (PPG). Sejak penemuan ituoksimetri nadi, estimasi arteri yang
andal dan akuratsaturasi oksigen darah (SpO2) telah menjadi masalah yang menantanguntuk
peneliti. Sebagian besar estimasi SpO2 dalam denyut nadi tidak akuratoksimeter muncul karena
artefak gerak (MA) yang tercipta dimendeteksi sinyal PPG dengan gerakan sukarela atau tidak
sukareladari seorang pasien. Kami menyajikan metode pengurangan MA berdasarkan MultiTeknik
Analisis Komponen Utama Skala (MSPCA).MSPCA menggabungkan kemampuan PCA untuk
mendekorelasi variabeldengan analisis wavelet untuk reduksi MA dari rekaman data PPG.MSPCA
menghitung PCA koefisien wavelet pada setiap skaladiikuti dengan menggabungkan hasil pada skala
yang relevan.Hasil percobaan menunjukkan bahwa MSPCA mengunggulipemrosesan berbasis

wavelet dasar untuk reduksi MA pada sinyal PPGdan paling cocok untuk aplikasi oksimetri nadi.🔥

Tingkat saturasi oksigen darah arteri (SpO2) danDenyut nadi dapat diperkirakan secara noninvasif
menggunakan denyut nadioksimeter, yang memanfaatkan sinyal Photoplethysmographic (PPG).data
yang direkam. Faktanya pulse oximeter mengandalkan transmisi,sifat penyerapan dan dispersi cahaya
saat melewatinyahemoglobin. Itu memanfaatkan bagian merah dan yang berdenyutSinyal IR
Photoplethysmographic (PPG) dapat diandalkanestimasi SpO2 yang akurat. PPG adalah sinyal yang
diperoleh denganmenerangi bagian tubuh yang diminati dengan monokromatiksumber cahaya dan
mendeteksi baik yang ditransmisikan maupun yang dipantulkanlampu. Survei literatur sebelumnya
menunjukkan hal itu dengan menggunakanmencatat data PPG, informasi yang terkandung dalam
darah arterimengalir seperti; detak jantung, variabilitas detak jantung, pernapasan dantekanan darah
dapat dipastikan [1]. Sukarela ataugerakan tak sadar pasien yang dipasangi sensor
PPGmempengaruhi dan mencerminkan kemerosotan dan korupsi di negara tersebutrekaman data
PPG yaitu artefak gerak (MA). MA inisituasi korupsi menghasilkan kesalahan, tidak dapat diandalkan
danestimasi pembacaan SpO2 yang tidak akurat selama periode tersebutsiklus. Estimasi SpO2 yang
andal dan akurat, telah amasalah yang menantang bagi para peneliti bahkan saat ini, yaitukhususnya
tentang persyaratan sinyal PPG yang bersih dan bebas artefak(dengan bagian DC dan AC yang dapat
dipisahkan dengan jelas). FrekuensiSpektrum sinyal PPG MA yang terkorupsi terdiri dari berbagai
macamkomponen frekuensi yaitu, bagian pulsatil (jantung).(0,5-4 Hz), aktivitas pernapasan (0,2-0,35
Hz) dan kebisingan MAinformasi komponen (0,1 Hz atau lebih). Penyaringan tradisionalmetode gagal
menghilangkan noise MA sebagai frekuensiSpektrum kebisingan MA ini tumpang tindih dengan
frekuensinyaspektrum sinyal yang diinginkan (PPG bebas artefak). Sampai batas tertentu,Efek noise
MA dapat dikurangi dengan menampilkan rata-ratanyanilai beberapa pembacaan SpO2, yang
merupakan prosedur umumdiikuti oleh produsen oksimeter denyut komersial. Untuk mengatasi
masalah yang menantang ini, beberapa teknikdiusulkan oleh peneliti untuk pengurangan MA dari
PPGsinyal. Teknik yang paling umum digunakan untuk MApengurangan adalah teknik rata-rata
bergerak tertimbang [2] yangmemiliki keterbatasan. Praktisnya, noise in-band disebabkan oleh
MAkorupsi dapat berhasil dikurangi dengan menggunakan penyaringan adaptifteknik. Secara umum,
perangkat keras tambahan seperti detektor sumber tambahanpasangan atau accelerometer
digunakan untuk menghasilkan asinyal referensi untuk aplikasi pemfilteran adaptif ke PPGsinyal [3]-
[5]. Penggunaan sinyal referensi sintetik noisediperkirakan dari bagian sinyal PPG yang bebas artefak
[6] adalahjuga dilaporkan untuk pengurangan MA. Memanfaatkan nonstasionersifat sinyal PPG,
metode frekuensi waktuseperti distribusi Wigner-Ville semu yang dihaluskan jugadiusulkan [7].
Metode pemrosesan sinyal terkini, berdasarkandekomposisi nilai tunggal (SVD) [8], siklus demi
siklusSeri Fourier (CFSA) [9] dan evaluasi wavelet untuk MApengurangan menunjukkan hasil yang
menonjol dalam menganalisis tugasditugaskan [10]. mengekstraksi sinyal PPG bebas artefak
bersihmelestarikan semua Mengingat hasil yang menonjolpendekatan denoising wavelet, penulis
berpikir untuk memperluasmetode wavelet dengan menggabungkannya dengan komponen
prinsipanalisis (PCA) untuk mengekstraksi fitur morfologi pentingdiperlukan bersama dengan
pengurangan MA yang akurat.Dalam makalah ini, kami menyajikan metode baru berdasarkananalisis
komponen prinsip multiskala (MSPCA) untuk mengekstrakartefak – bebas PPG dari sinyal PPG MA
yang rusak [11]. Itumetode MSPCA yang diusulkan adalah metode yang kuat dan layak untuk
dilakukanmemodelkan data PPG yang rusak yang dikontribusikan dari peristiwayang karakteristiknya
berubah seiring waktu dan frekuensi. Istirahatmakalah ini disusun sebagai berikut: Pada bagian II,
kamimemaparkan langkah-langkah prosedur MA pengurangan koruptorSinyal PPG menggunakan
pemrosesan wavelet dan usulan MSPCAmetode pengolahan. Bagian III menyajikan hasil

percobaandari metode MSPCA yang diusulkan untuk pengurangan MA❤️🫧

Abstrak-Dalam penelitian ini, kami mengusulkan sebuah prosedur baru "RepMA" berdasarkan
pemrosesan gambar dari plot pengulangan untuk mendeteksi artefak gerak (MA) dalam sinyal PPG.
Idenya adalah dengan dengan menggunakan plot pengulangan, kami mengubah sinyal menjadi biner
gambar yang dapat diproses kemudian untuk distorsi dan korupsi. Algoritme berjalan pada setiap
segmen 4 detik dari sinyal dan plot pengulangan (gambar) dari setiap segmen kemudian diproses dan
dianalisis untuk menentukan apakah segmen tersebut bersih atau rusak oleh derau. MA mengubah
perulangan sinyal perilaku dan pola pengulangan yang tidak teratur yang dapat digunakan untuk
membedakan antara PPG yang bersih dan rusak segmen. Kami menggunakan rekaman PPG yang
dikontrol di laboratorium dari sensor oksimeter denyut nadi dahi dan jari dengan gerakan acak acak
untuk mengevaluasi kinerja RepMA. Hasilnya algoritma RepMA dibandingkan dengan dua algoritma
algoritma yang dikenal karena dugaan kompetensinya dalam MA yang berbeda yang dikenal karena
dugaan kompetensinya dalam deteksi MA: entropi Hjorth dan Shannon. Yang diusulkan metode
deteksi mengungguli dua metode lainnya dalam halakurasi, run-time, spesifisitas dan sensitivitas.

Selain itu algoritme kami dapat diimplementasikan secara real-time.❤️(3)

Abstrak- Dalam penelitian ini, kami menganalisis karakteristik frekuensi sinyal photoplethysmogram
(PPG) untuk meningkatkan akurasi SpO2 dengan mengurangi artefak gerakan. 23 jenis sinyal yang
berbeda yang dihasilkan oleh alat uji SpO2 digunakan untuk analisis ini. Hasil analisis menunjukkan
bahwa sebagian besar sinyal PPG yang dianalisis dalam penelitian ini terdiri dari fundamental,
harmonik ke-2 dan ke-3 komponen yang disebabkan oleh aliran darah arteri dan komponen yang
disebabkan oleh artefak gerak. Hasilnya juga menunjukkan relatif relatif dari ketiga komponen
frekuensinya. Sinyal-sinyal itu bisa dapat dibagi menjadi empat kelompok berdasarkan lokasi relatif
dari komponen frekuensi ini. Tetapi empat algoritma yang berbeda akan diperlukan untuk

membedakan sinyal dan frekuensi artefak gerak komponen.❤️(4)

Abstrak-Dalam karya ini, kami menjelaskan metode baru untuk menilai kualitas sinyal
photoplethysmogram (PPG). Dalam algoritme ini, dua jenis parameter karakteristik digunakan,
termasuk karakteristik domain frekuensi dan karakteristik deret waktu. Dalam domain frekuensi,
kami menggunakan spektrum daya sinyal karakteristik, dan dalam hal deret waktu, kami
menggunakan korelasi dimensi, dimensi penghitungan kotak, entropi fuzzy dan kompleksitas Lempei-
Ziv. Kompleksitas Ziv. Evaluasi kualitas sinyal dilakukan dengan setiap parameter karakteristik, dan
model support vector support vector machine (SVM) digunakan untuk menggabungkan parameter-
parameter ini untuk menentukan kualitas sinyal. Basis data berlabel pakar digunakan untuk melatih
dan menguji algoritma kami. Hasilnya menunjukkan bahwa algoritma kami algoritma kami memiliki
tingkat akurasi 96,6% pada set uji dan 99,0% pada set pelatihan pada set pelatihan. Algoritma baru

ini akurat dan dapat diandalkan, menunjukkan potensi yang kuat untuk diterapkan dalam praktik.❤️(3)

ABSTRAK Sensor photoplethysmogram (PPG) telah digunakan secara luas untuk jam tangan dan tali
jam tangan pintar karena mudah diukur dan berisi banyak informasi kesehatan, seperti detak jantung
(HR) dan pernapasan pernapasan (RR). Karena sensor PPG mengedipkan LED pada saat pengambilan
sampel, kecepatan pengambilan sampel dan LED pengabuan harus dikurangi untuk memperpanjang
masa pakai baterai. Untuk mengurangi kecepatan, kami menggunakan dua cara yang berbeda teknik
penginderaan kovarians tekan (CCS) dan menerapkannya pada estimasi HR dan RR. CCS tidak dapat
memulihkan sinyal itu sendiri tetapi merekonstruksi kovariansinya. Kami merancang teknik
pemrosesan sinyal untuk mengekstrak HR dan RR dari kovariansi yang direkonstruksi. Kinerja estimasi
dievaluasi dengan menggunakan data sumber terbuka dan data eksperimen, dan konsumsi daya
sensor PPG tipe pergelangan tangan dengan sehubungan dengan rasio kompresi dievaluasi. Metode
yang diusulkan memperoleh kovariansi PPG dengan laju pengambilan sampel rata-rata 1,79 Hz di
bawah laju Nyquist untuk HR (10 Hz), dan secara signifikan berkurang konsumsi energi untuk
pengambilan sampel PPG. Selain itu, akurasi estimasinya cukup memadai untuk digunakan untuk
sistem perawatan kesehatan yang dapat dikenakan. Hasilnya, metode yang diusulkan menunjukkan

bahwa HR dan RR dapat diperkirakan dengan sensor PPG berdaya sangat rendah.❤️(4)

Abstrak-Fotoplethysmogram (PPG) adalah alat yang sangat alat diagnostik medis penginderaan yang
dapat dikenakan yang berguna. Namun, sinyal Sinyal PPG menjadi sangat rusak dan tidak dapat
digunakan saat pemakai sensor sedang bergerak. Makalah ini menyelidiki bagaimana dengan percaya
diri Pembatalan Kebisingan Adaptif Widrow dapat menghilangkan artefak gerakan dan memulihkan
sinyal PPG yang rusak akibat gerakan yang rusak untuk pemakai yang melakukan gerakan joging.
Telah sebelumnya telah ditunjukkan bahwa Widrow's Adaptive Noise Pembatalan dapat memulihkan
sinyal PPG yang rusak akibat gerakan untuk kumpulan data tertentu dengan menggunakan
akselerometer yang terkolokasi untuk mengukur gerakan yang merusak. Akan tetapi, gerakan
pemakai adalah band terbatas, dan memberikan sedikit informasi untuk memperkirakan dinamika
transfer noise gerakan-ke-PPG. Ini berarti bahwa, tanpa perawatan yang tepat, hasil pemulihan tidak
dapat diandalkan. Dalam Dalam penelitian ini, baik Finite Impulse Response (FIR) dan Model
dinamika transfer kotak hitam seri Laguerre adalah dievaluasi untuk mengetahui seberapa yakin
mereka dapat diidentifikasi. Model keyakinan diukur dalam hal varians transfer estimasi dinamika
transfer pada frekuensi gerak. Untuk tipikal gerakan joging, ditemukan bahwa standar deviasi dari FIR
dinamika transfer model adalah 30% dari nilai rata-rata pada frekuensi input gerakan. Standar deviasi
dari Dinamika transfer model Laguerre hanya 1%. Domain waktu data menunjukkan bagaimana

model Laguerre mengungguli model FIR dalam sesuai dengan varians model yang dihitung.❤️(1)
Abstrak-Photoplethysmogram (PPG) telah digunakan dengan efek yang besar untuk memprediksi
tanda-tanda vital manusia seperti detak jantung variabilitas atau saturasi oksigen darah (SpO2), dll.
Kualitas sinyal PPG dipengaruhi terutama oleh kebisingan, penyimpangan dan gerakan artefak.
Meskipun noise dan drift relatif mudah dihilangkan, artefak gerakan menimbulkan tantangan. Teknik
klasik untuk untuk menghilangkan artefak gerakan berbasis frekuensi waktu. Namun, hal ini
memengaruhi sinyal karena sinyal PPG dan artefak gerakan distorsi terletak pada pita frekuensi yang
sama, sehingga sulit untuk menghilangkan artefak gerakan tanpa mempengaruhi sinyal. Dalam hal ini
bekerja, kami mengusulkan teknik penghapusan artefak gerak dalam waktu domain, yang didasarkan
pada mengoreksi pulsa individu dalam Sinyal PPG, dengan mempertimbangkan rata-rata pulsa global
dan berjendela rata-rata pulsa lokal. Kami menunjukkan keefektifan pendekatan kami baik secara

kualitatif maupun kuantitatif.❤️(2)

Abstrak- Biaya rendah yang dipraktikkan secara klinis, non-invasif perekam sinyal fisiologis,
Photoplethysmogram (PPG) adalah a metode pemantauan perubahan volume darah. Berbagai
parameter dianalisis dan digunakan dalam menetapkan penggunaan PPG di pemantauan kesehatan
fisiologis. Saat ini tim peneliti kami adalah berada di jalur untuk menetapkan penggunaan denyut
nadi tunggal dalam merumuskan indeks kebugaran PPG untuk penilaian risiko kardiovaskular
penilaian. Meskipun PPG digunakan secara luas oleh tenaga medis praktisi medis dan peneliti, masih
banyak masalah yang belum diketahui mengenai metode ini yang belum dieksplorasi. Variabilitas
denyut nadi dalam satu sesi perekaman dan pengulangan PPG dalam pemantauan kesehatan
menjadi aspek yang belum dieksplorasi. Dalam Dalam penelitian kami, kami merekam sinyal PPG
(dari jari) empat kali dalam kondisi istirahat dalam selang waktu 30 menit. Dua evaluasi yang berbeda
evaluasi yang berbeda didekati: (1) variabilitas antara denyut nadi dalam perekaman tunggal; (2)
pengulangan dalam satu sinyal PPG individu di perekaman yang berbeda (terpisah 30 menit).
Penelitian ini telah menghasilkan koefisien pengulangan, CR = 93,22 ± 1,18 dan variabilitas CV = 6,18
± 1,51, yang merupakan indikator kuat untuk PPG yang kuat untuk menetapkan PPG sebagai metode
penilaian fisiologis yang andal. Hasil Hasil penelitian menunjukkan bahwa kuantifikasi denyut nadi

tunggal cocok untuk dipertimbangkan sebagai parameter dalam penilaian PPG.❤️(1)

Abstrak-Dalam makalah ini, kami mengusulkan dan mengevaluasi algoritma pemrosesan sinyal
algoritme pemrosesan sinyal yang secara efisien dapat mengurangi gerakan artefak yang terkandung
dalam sinyal photoplethysmogram (PPG). Sinyal PPG domain waktu dianalisis untuk menemukan
frekuensi distribusi komponen fundamental dan harmonic yang disebabkan oleh aliran darah arteri
dan artefak gerakan. Baru sinyal PPG buatan dapat direkonstruksi dengan hanya menggunakan
komponen fundamental dan harmonik yang disebabkan oleh arteri aliran darah. Sinyal yang
dikurangi artefak gerak ini selanjutnya dianalisis dalam domain waktu untuk mendapatkan
komponen AC-nya dengan menerapkan algoritma deteksi puncak. Algoritma yang diusulkan dalam
penelitian ini menunjukkan saturasi oksigen perifer (SpO2) yang benar yang benar untuk sinyal PPG
di mana fundamental dan komponen harmonik tidak tumpang tindih.

Abstract - Artefak gerak dan bising (MNA) telah menjadi hambatan serius dalam mewujudkan
potensi Sinyal Photoplethysmogram (PPG) untuk pemantauan waktu nyata tanda-tanda vital. Kami
menyajikan pendekatan statistik berdasarkan perhitungan kurtosis dan Shannon Entropy (SE) untuk
deteksi MNA yang akurat dalam data PPG. Deteksi MNA algoritma diverifikasi pada data PPG multi-
situs yang dikumpulkan dari baik dari laboratorium maupun pengaturan klinis. Keakuratan fusi metrik
kurtosis dan SE untuk deteksi artefak adalah 99,0%, 94,8% dan 93,3% pada rekaman telinga, jari, dan
PPG dahi yang diperoleh dalam pengaturan klinis. Untuk data PPG laboratorium yang direkam dari
jari yang dibuat-buat artefak, akurasinya adalah 88,8%. Telah diidentifikasi bahwa pengukuran dari
sensor PPG dahi mengandung artefak paling banyak diikuti oleh jari dan telinga. Algoritma MNA yang
diusulkan Algoritma MNA yang diusulkan dapat diimplementasikan secara real-time karena

komputasi waktu 0,14 detik menggunakan Matlab®.❤️(2)

Abstrak-Sebuah metode baru untuk estimasi detak jantung jarak jauh melalui analisis dalam domain
waktu-frekuensi diusulkan. A bentuk gelombang photoplethysmogram (PPG) dibangun melalui a
Pendekatan minimalisasi Bayesian dengan posterior yang diperlukan probabilitas yang diperoleh
melalui metode pengambilan sampel Monte Metode pengambilan sampel Monte Carlo. Pulselet
(wavelet yang dipilih karena kemiripannya dengan bentuk gelombang PPG pengukur denyut nadi
jari), adalah digunakan dalam transformasi wavelet kontinu untuk menghasilkan peta respon energi
wavelet dalam domain waktu-frekuensi. Ini memungkinkan frekuensi denyut jantung diperkirakan
pada setiap waktu langkah, memperhitungkan perubahan denyut jantung yang terjadi secara alami
dari waktu ke waktu yang dapat menyebabkan kesalahan dengan berbasis domain frekuensi metode.
Frekuensi yang sesuai dengan wavelet tertinggi respons pada setiap langkah waktu dirata-ratakan di
seluruh waktu seri untuk memperkirakan denyut jantung rata-rata. Hasil percobaan terhadap
kumpulan data dari 30 video menunjukkan peningkatan metode canggih saat ini.