Моделювання та оптимізація біосенсорних систем для моніторингу показників серцево-судинної діяльності

Abstract

Магістерська робота присвячена моделюванню та оптимізації біосенсорних систем для моніторингу показників серцево-судинної діяльності. У роботі проведено комплексний аналіз сучасних методів реєстрації біосигналів, принципів роботи електричних та оптичних сенсорів, а також існуючих апаратно-програмних рішень для моніторингу ЕКГ та PPG. Розроблено математичні моделі синтетичних сигналів ЕКГ (на основі моделі McSharry) та PPG (за оптичною моделлю Бугера–Ламберта), які використовуються для тестування й оптимізації алгоритмів цифрової обробки. Запропоновано алгоритмічний ланцюг попередньої обробки даних, що включає фільтрацію за допомогою смугового фільтра Баттерворта, згладжування фільтром Савицького–Голея, нормалізацію сигналів, детекцію R-піків та характеристик PPG-хвилі модифікованим алгоритмом Pan–Tompkins. Створено апаратно-орієнтовану модель біосенсорної системи з подальшою імплементацією програмного забезпечення у середовищах MATLAB та C++ для мікроконтролерів. Верифікація показала високу відповідність синтетичних моделей реальним сигналам, що підтверджено метричними показниками (MAE 3–6 уд/хв, RMSE ≤ 6 уд/хв, кореляція HR r = 0.82–0.90, морфологічна кореляція 0.68–0.75). Проведено економічні розрахунки, які підтверджують доцільність впровадження системи та її конкурентоздатність у порівнянні з комерційними аналогами. Результати роботи можуть бути застосовані під час розробки носимих систем моніторингу стану серцево-судинної системи, телемедичних комплексів та приладів персональної діагностики.

This Master’s thesis focuses on the modelling and optimization of biosensor systems intended for continuous monitoring of cardiovascular activity. The research provides a comprehensive analysis of modern approaches to acquiring and processing biomedical signals, including the principles of operation of optical and electrical biosensors, their hardware implementation, and the performance characteristics of existing ECG and PPG monitoring systems. Mathematical models of synthetic ECG (based on the McSharry dynamical model) and PPG signals (derived from the Beer–Lambert optical model) were developed to support the testing, validation, and optimization of the proposed biosensor architecture. A complete signal-processing pipeline was implemented, including Butterworth bandpass filtering, Savitzky–Golay smoothing, z-score normalization, and R-peak/PPG-waveform detection using a modified Pan–Tompkins algorithm. Hardware-oriented modelling and software modules were created in MATLAB with subsequent adaptation to C++ for microcontroller-based embedded systems. Experimental verification demonstrated a high level of agreement between synthetic and recorded physiological signals. Quantitative performance indicators confirmed reliable signal reproduction (MAE 3–6 bpm, RMSE ≤ 6 bpm), strong correlation of heart-rate dynamics (r = 0.82–0.90), and sufficient morphological similarity between synthetic and real ECG and PPG waveforms. Economic analysis proved the cost-effectiveness and competitiveness of the proposed solution compared with existing commercial systems. The results of this research can be applied in wearable cardiovascular monitoring devices, telemedicine platforms, personalized diagnostic tools, and further development of intelligent biomedical sensing technologies.