Artículos de investigación

Monitoreo de señales biométricas en ciclista mediante una red inalámbrica de sensores corporales basada en LILYGO TTGO

Vol. 21 Núm. 3 (2025)
Publicado: 2025-09-05
Ángel Gustavo Castro López
Felipe de Jesús Torres del Carmen
José Miguel García Guzmán
Diego Alfredo Núñez Altamirano
Miroslava Cano Lara

Introducción: El artículo es producto de la investigación 22883.25-PD del Tecnológico Nacional de México, desarrollada en el Instituto Tecnológico Superior de Irapuato en el año 2025. La postura, el movimiento de pedaleo, la fuerza muscular y las revoluciones por minuto de un ciclista son cruciales para la adquisición y el procesamiento de señales en el análisis dinámico.
Problema: Los métodos tradicionales adquieren datos biométricos de forma directa e incómoda para un ciclista, lo que genera molestias y estrés que afectan el rendimiento efectivo.
Objetivo: Analizar el desarrollo de un sistema compacto para monitorear el rendimiento del pedaleo de un ciclista empleando sensores de bajo costo como AD8832, AD8232 y MPU66050 mediante comunicación inalámbrica.
Metodología: El sistema de monitoreo biométrico WBSN recopila y procesa eficazmente los datos analógicos transmitidos vía Bluetooth en tres etapas de pedaleo (lenta, normal y rápida). El proceso se complementa con imágenes de los nodos de las articulaciones.
Resultados: El análisis biométrico identifica en tiempo real las alteraciones posturales, deficiencias en la oxigenación y variaciones en la fuerza aplicada en las tres etapas de pedaleo del ciclista. Los datos se adquieren de manera inalámbrica y en tiempo real.
Conclusiones: El sistema permite la implementación de la tarjeta LilyGo Ttgo como método de transmisión de datos biométricos (movimiento muscular, ritmo cardíaco y postura corporal) en tiempo real, basado en el protocolo Bluetooth v2.4 de la red WBSN.
Originalidad: El uso de nuevas tecnologías compactas y de bajo costo demuestra efectividad para el monitoreo de señales biométricas analógicas del ciclista, con capacidad de retransmisión mediante redes inalámbricas.
Limitaciones: El sistema puede aumentar el rango de distancia de trabajo con el protocolo de comunicación de radiofrecuencia.

Palabras clave: Array, Array, Array, Array

Cómo citar

[1]
Á. G. Castro López, F. de J. Torres del Carmen, J. M. García Guzmán, D. A. Núñez Altamirano, y M. Cano Lara, «Monitoreo de señales biométricas en ciclista mediante una red inalámbrica de sensores corporales basada en LILYGO TTGO», ing. Solidar, vol. 21, n.º 3, pp. 1–22, sep. 2025, doi: 10.16925/2357-6014.2025.03.08.

[1] J. M. Sultan, N. H. Zani, M. Azuani, S. Z. Ibrahim, and A. M. Yusop, “Analysis of inertial measurement accuracy using complementary filter for MPU6050 sensor,” Jurnal Kejuruteraan, vol. 34, no. 5, pp. 959–964, 2022, doi: 10.17576/jkukm-2022-34(5)-24. DOI: https://doi.org/10.17576/jkukm-2022-34(5)-24

[2] N. A. Turpin and B. Watier, “Cycling biomechanics and its relationship to performance,” Applied Sciences, vol. 10, no. 12, pp. 4112–4115, 2020, doi: 10.3390/app10124112. DOI: https://doi.org/10.3390/app10124112

[3] S. M. Marcora, A. Bosio, and H. M. De Morree, “Locomotor muscle fatigue increases cardiorespiratory responses and reduces performance during intense cycling exercise independently from metabolic stress,” AJP Regulatory, Integrative and Comparative Physiology, vol. 294, no. 3, pp. R874–R883, 2008, doi: 10.1152/ajpregu.00678.2007. DOI: https://doi.org/10.1152/ajpregu.00678.2007

[4] W. W. Peveler, B. Shew, S. Johnson, and T. G. Palmer, “A kinematic comparison of alterations to knee and ankle angles from resting measures to active pedaling during a graded exercise protocol,” J. Strength Cond. Res., vol. 26, no. 11, pp. 3004–3009, 2011, doi: 10.1519/JSC.0b013e318243fdcb. DOI: https://doi.org/10.1519/JSC.0b013e318243fdcb

[5] H. Gonzalez and M. Hull, “Multivariable optimization of cycling biomechanics,” J. Biomech., vol. 22, no. 11–12, pp. 1151–1161, 1989, doi: 10.1016/0021-9290(89)90217-0. DOI: https://doi.org/10.1016/0021-9290(89)90217-0

[6] M. Villalva, Development of a Prototype of a Telephysiotherapy Platform for Alterations in the Motor Function of the Extremities Using the Internet of Medical Things (IoMT) and Telemedicine, M.S. thesis, Polytechnic School of the Litoral, Guayaquil, Ecuador, 2021.

[7] K. A. Ng and P. K. Chan, “A CMOS analog front-end IC for portable EEG/ECG monitoring applications,” IEEE Trans. Circuits Syst. I, vol. 52, no. 11, pp. 2335–2347, 2005, doi: 10.1109/TCSI.2005.854141. DOI: https://doi.org/10.1109/TCSI.2005.854141

[8] J. L. Correa-Figueroa, “SEMG signal acquisition system for muscle fatigue detection,” Revista Mexicana de Ingeniería Biomédica, 2016, doi: 10.17488/RMIB.37.1.4. DOI: https://doi.org/10.17488/RMIB.37.1.4

[9] Analog Devices, “AD8232 datasheet and product info.” [Online]. Available: https://www.analog.com/en/products/ad8232.html. Accessed: Jul. 2, 2025.

[10] J. Swart and W. Holliday, “Cycling biomechanics optimization—the (R)evolution of bicycle fitting,” Curr. Sports Med. Rep., vol. 18, no. 12, pp. 490–496, 2019, doi: 10.1249/JSR.0000000000000665. DOI: https://doi.org/10.1249/JSR.0000000000000665

[11] P. Dedhia, H. Doshi, M. Rane, and G. Ahuja, “Low-cost solar ECG with Bluetooth transmitter,” in Proc. Int. Conf. Biomedical Engineering (ICoBE), 2012, pp. 419–423, doi: 10.1109/ICoBE.2012.6179050. DOI: https://doi.org/10.1109/ICoBE.2012.6179050

[12] LILYGO®, “T-Beam Meshtastic.” [Online]. Available: https://lilygo.cc/products/t-beam. Accessed: Jul. 2, 2025.

[13] M. Boot, B. Ulak, K. Geurs, and P. Havinga, “Using body sensors in evaluations of the impact of smart cycling technologies on cycling experience,” ACM Digital Library, pp. 1–4, 2023, doi: 10.1145/3565066.3609736. DOI: https://doi.org/10.1145/3565066.3609736

[14] K. R. Kim et al., “All-in-one, wireless, multi-sensor integrated athlete health monitor for real-time continuous detection of dehydration and physiological stress,” Adv. Sci., vol. 11, no. 33, pp. 1–16, 2024, doi: 10.1002/advs.202403238. DOI: https://doi.org/10.1002/advs.202403238

[15] G. Biagetti, P. Crippa, L. Falaschetti, and C. Turchetti, “Wireless surface electromyograph and electrocardiograph system on IEEE 802.15.4,” in Mobile Networks for Biometric Data Analysis, Lecture Notes in Electrical Engineering, vol. 392, pp. 215–224, 2016, doi: 10.1109/TCE.2016.7613192. DOI: https://doi.org/10.1007/978-3-319-39700-9_17

[16] M. Magno et al., “A wearable wireless low power sensor node which is able to support medical and health care applications,” BioMedical Engineering OnLine, vol. 17, pp. 56:1–11, 2018, doi: 10.1186/s12938-018-0496-8.

[17] N. Yousefian, S. Roy, and B. Gosselin, “A low-power wireless multi-channel surface EMG sensor with simplified ADPCM data compression,” in Proc. IEEE Int. Symp. Circuits and Systems (ISCAS), 2013, pp. 2287–2290, doi: 10.1109/ISCAS.2013.6572334. DOI: https://doi.org/10.1109/ISCAS.2013.6572334

[18] X. Tang, W. Chen, S. Mandal, et al., “High-sensitivity electric potential sensors for non-contact monitoring of physiological signals,” IEEE Access, vol. 10, pp. 19096–19111, 2022, doi: 10.1109/ACCESS.2022.3150587. DOI: https://doi.org/10.1109/ACCESS.2022.3150587

[19] J. Wang et al., “A multi-channel electromyography, electrocardiography and inertial wireless sensor module using Bluetooth low-energy,” Electronics, vol. 9, no. 6, pp. 927–934, 2020, doi: 10.3390/electronics9060934. DOI: https://doi.org/10.3390/electronics9060934

[20] J. Cordero and M. Salgado, Sistema de monitoreo en tiempo real para bicicletas, Proyecto de titulación, Escuela Politécnica Nacional, Quito, Ecuador, 2019. [Online]. Available: https://repositorioslatinoamericanos.uchile.cl/handle/2250/2789644.

MÉTRICAS
VISTAS DEL ARTÍCULO: 210
VISTAS DEL PDF: 169