• ECG
• ottimizzazione
• segnali biomedici
• sistemi indossabili

La necessità di un continuo monitoraggio attraverso sistemi non invasi e la conseguente acquisizione di dati utili per l’osservazione dei cambiamenti fisiologici che interessano gli organi interni è di fondamentale importanza per un miglioramento delle condizioni dei pazienti. È altresì vero che i dati prelevati attraverso tali metodologie, quali ad esempio l’ uso di sistemi indossabili,risultano essere molto deboli e corrotti da varie fonti di disturbo. Sorge perciò la necessità di dover eliminare tali artefatti in modo che l’elaborazione e l’ analisi dei dati prelevati sia più fedele possibile alla realtà.
Varie sono le tecniche che operano in tal senso, si passa dall’ utilizzo di filtri adattivi fino all’ analisi multicanale, che, attraverso la comparazione di più acquisizioni, estrae dai dati le informazioni utili.
In questo lavoro di tesi abbiamo sfruttato proprio la struttura multicanale dei dati ed utilizzando lo strumento dell’ Analisi delle Componenti Indipendenti (ICA) abbiamo estratto le informazioni di nostro interesse. Basandosi sull’ipotesi di indipendenza statistica delle componenti e sulla combinazioni lineare delle stesse, l’ ICA ha offerto una soluzione soddisfacente.
Oltre all’ implementazione e alla comparazione di diversi metodi di ricerca delle componenti indipendenti dei dati prelevati da sistemi indossabili, basati sulla stima di vari parametri quali la massima verosimiglianza e la non-gaussianità, in questa tesi abbiamo ottimizzato una metodologia di indagine migliorandone la funzionalità.