Made available in DSpace on 2016-08-17T14:52:55Z (GMT). No. of bitstreams: 1 Marcio de Oliveira Santos.pdf: 375867 bytes, checksum: 9316c23a45525634b808c0315c716985 (MD5) Previous issue date: 2003-12-12 / The patient diagnosis can be made through a analysis of the cardiac variability that, being formed of nervous interactions, give the status of the vagal and sympathetic systems. The main measure to do this analysis is HRV, obtained by RR temporal differences or spectral methods. A major disadvantage we can find in the latter methods is a high sampling tax that yields in lost of information and high storage cost. New methods has been developed to minimize these incovenients, like HIF. This method have two steps: a driver function and a wavelet filter. The proposed algorithm is based on HIF using a auto regressive method as driver function and otimized parameters to the wavelet filter. The obtained results are very promissor and the estimation error is smaller than traditional methods one. / O diagnóstico de um paciente pode ser feito através da análise da variabilidade cardíaca que, por ser resultado de interações nervosas, fornece o estado dos sistemas vagal e simpático. A principal medida utilizada para se fazer esta análise é a taxa de variabilidade cardíaca (HRV) que pode ser obtida por métodos de diferença temporal de ondas R e espectrais. A principal desvantagem que é encontrada nestes métodos é que a alta taxa de amostragem do ECG é herdada por estes métodos, ocasionando perda de informação e o aumento de custo para armazenamento dos dados se torna mais alto. Para que este problema fosse solucionado foram desenvolvidas novas medidas que não apresentassem esses inconvenientes, como o algoritmo HIF. Este algoritmo é composto de duas etapas: a construção de uma função driver e filtragem através de uma wavelet de Gabor. O algoritmo proposto neste trabalho foi baseado no HIF utilizando um novo método autoregressivo (EAR) para função driver e otimizando-se os parâmetros da wavelet de Gabor. Os resultados obtidos mostraram que o algoritmo desenvolvido é bastante promissor e o erro de estimação é bem menor em relação a HIF.