El creciente paradigma del Internet de las Cosas (IoT) está revolucionando nuestra vida con la introducción de nuevos servicios y la mejora de aplicaciones existentes. IoT cubre un creciente número de aplicaciones en diferentes áreas incluyendo el cuidado de la salud. Una aplicación específica en el cuidado de la salud es el monitoreo de la actividad eléctrica en el cerebro utilizando electroencefalogramas (EEG) con dispositivos de IoT portables. Debido a restricciones de portabilidad y tamaño, la mayoría de los dispositivos de IoT son alimentados con baterías lo que implica una implementación energéticamente eficiente en hardware y software en conjunto a un uso eficiente de los recursos normalmente limitados.Este trabajo evalúa tres diferentes técnicas de extracción de características para un IoT EEG en términos de tiempo de ejecución, consumo de memoria y potencia. Las técnicas estudiadas fueron exploradas y simuladas llevando a la escogencia de FIR, el método de Welch y DWT para evaluación. Las técnicas se implementaron en una plataforma MSP432P401R Launchpad, en donde un procedimiento de evaluación se desarrolló para verificar el desempeño de los códigos. Las implementaciones fueron validadas contra referencias simuladas y optimizadas para velocidad, tamaño de código y consumo de potencia. El resultado de la evaluación realizada provee una comparación valiosa entre técnicas que puede ayudar a cualquier diseñador en la escogencia de la técnica adecuada basado en objetivos de diseño y restricciones de recursos
The emerging paradigm of Internet of Things (IoT) is revolutionizing our life with the introduction of new services and the improvement of existing applications. IoT is covering an ever-increasing number of applications in different domains including healthcare. One specific application in personal healthcare is the monitoring of the electrical activity in the brain using Electroencephalogram (EEG) with portable IoT devices. Due to portability and size constraints, most IoT devices are battery-powered which calls for an energy-efficient implementation in both hardware and software along with an efficient use of the often limited resources.This work evaluates three different feature extraction techniques for an IoT EEG in terms of execution time, memory usage and power consumption. The techniques under study were explored and simulated leading to select FIR, Welch’s method and DWT as the ones to be evaluated. The techniques were implemented on a MSP432P401R LaunchPad platform, where an evaluation procedure was developed to assess the code performance. The implementations were validated against simulated references and also optimized for speed, code size and power consumption. The result of the performed evaluation provides a valuable comparison between the techniques which can help any designer in choosing the right technique based on design objectives and resource constraints.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados