• BLE comunication
• ECG classification
• IoT
• Neural network
• Wearable device

È iniziata una nuova era del monitoraggio della salute grazie alla rapida crescita del settore della tecnologia indossabile, che consente il monitoraggio in tempo reale dei dati fisiologici critici. L'elettrocardiogramma (ECG) è una statistica cruciale, che fornisce informazioni sulla salute cardiaca di una persona. Questa tesi esplora i problemi e le potenziali soluzioni relative alla ricostruzione e alla categorizzazione dei dati ECG sulla tecnologia indossabile.
Un'adeguata gestione dei dati diventa cruciale a causa dei limiti dei dispositivi indossabili, come la loro bassa potenza di archiviazione e di elaborazione. La tecnica Haar Wavelet viene utilizzata in questa tesi per comprimere il segnale ECG in modo univoco mantenendo l'integrità e la qualità del segnale. Bilanciamo l'efficacia della compressione e la purezza del segnale integrando con precisione questa tecnica nel sistema, ottimizzando le operazioni di archiviazione e trasmissione.
La tesi esamina anche l'architettura del sistema indossabile, dalla raccolta dei dati all'interfaccia utente, spiegando le scelte progettuali e le loro implicazioni. Gli algoritmi suggeriti vengono testati e convalidati utilizzando file di dati ECG preregistrati che simulano l'input del sensore in tempo reale.
In conclusione, questo lavoro introduce un metodo affidabile ed efficace per l'elaborazione dei dati ECG, espandendosi nel campo in rapida crescita della tecnologia sanitaria indossabile. La ricerca ha il potenziale per rivoluzionare il modo in cui monitoriamo e comprendiamo la salute cardiaca in tempo reale al di fuori delle strutture mediche insieme alla tecnologia indossabile in futuro.

A new era of health monitoring has begun due to the wearable technology industry's rapid growth, which allows for the real-time monitoring of critical physiological data. The Electrocardiogram (ECG) is a crucial statistic, providing information on a person's cardiac health. This thesis explores the issues and potential solutions around the reconstruction and categorization of ECG data on wearable technology. Adequate data handling becomes crucial due to wearable devices' limitations, such as their low storage and processing power. The Haar Wavelet technique is used in this Thesis to compress the ECG signal uniquely while maintaining the signal's integrity and quality. We balance compression effectiveness and signal purity by precisely integrating this technique into the system, optimizing storage and transmission operations. The thesis also examines the wearable system's architecture, from gathering data to the user interface, explaining the design decisions and their implications. The suggested algorithms are tested and validated using pre-recorded ECG data files that simulate real-time sensor input. In conclusion, this work introduces a reliable and effective method for ECG data processing, expanding to the rapidly growing field of wearable health technology. The research has the potential to revolutionize how we track and comprehend cardiac health in real-time outside of medical facilities alongside wearable technology in the future.