Integration of ECG Signal Processing and IMU-Based Motion Analysis with Extended Reality for Real-Time Sports Monitoring

Abstract

[eng] Monitoring training in swimming is a complex challenge due to the aquatic barrier, the biomechanics of the exercise, and the limited interaction between coach and swimmer during activity. This work presents the design of a real-time monitoring prototype that integrates physiological signals (electrocardiogram) and biomechanical signals (inertial measurement unit), visualising them through extended reality using Meta Quest 3 glasses. The ECG signal is acquired with a Bitalino (r)evolution board and processed in Python using Butterworth and Savitzky-Golay filters, detecting R-peaks and computing instantaneous heart rate and variability (RMSSD). Due to the inability to access raw data from the Movesense OP174 and the limitations of Bluetooth in aquatic environments, inertial data is generated using a parametric simulator based on a macro-micro approach, which reproduces a realistic swimming session (bouts, laps, turns and biomechanical phases). The system segments the session, detects the phases, and extracts per-lap performance metrics. The architecture separates processing (Python) from visualisation (Unity) through UDP sockets with JSON messaging. The dashboard renders the ECG trace, instantaneous cardiac metrics, and a biomechanical session summary, with head tracking and hand-tracking support. The prototype demonstrates the technical and economic feasibility of the processing and visualisation architecture; it does not demonstrate feasibility of in water swimming monitoring, since the ECG sensor used is not submersible and the inertial data is simulated, that is why the system is not deployed in its aquatic environment. Validation with real IMU data and aquatic deployment remain as future work.

[cat] El monitoratge de l'entrenament en natació és complexe per la barrera aquàtica, la biomecànica de l'exercici i la dificultat d'interacció entre entrenador i nedador durant l'activitat. Aquest treball presenta el disseny d'un prototip de monitoratge en temps real que integra senyals fisiològics (electrocardiograma) i biomecànics (unitat de mesura inercial) i els visualitza en realitat estesa amb ulleres Meta Quest 3. L'electrocardiograma s'adquireix amb una placa Bitalino (r)evolution i es processa en Python aplicant filtres de Butterworth i Savitzky-Golay, detecta els pics R i en calcula la freqüència cardíaca instantània i la variabilitat (RMSSD). Davant la impossibilitat d'accedir a les dades brutes del Movesense OP174 i les limitacions de Bluetooth en entorn aquàtic, les dades inercials es generen amb un simulador paramètric basat en un enfocament macro-micro, que reprodueix una sessió real (bouts, laps, girs i fases biomecàniques). El sistema segmenta la sessió, detecta les fases i extreu mètriques de rendiment per llargada. L'arquitectura separa el processament (Python) de la visualització (Unity) mitjançant sockets UDP amb missatgeria JSON. El dashboard renderitza el traçat ECG, les mètriques cardíaques instantànies i el resum biomecànic de la sessió, amb seguiment del cap i hand-tracking. El prototip demostra la viabilitat tècnica i econòmica de l’arquitectura de processament i visualització; no demostra la viabilitat del monitoratge en entorn aquàtic, ja que el sensor ECG utilitzat no és submergible, les dades inercials són simulades i per això no es desplega el sistema en l’entorn aquàtic. Queden com a treball futur la validació amb dades reals d’IMU i el desplegament a l’aigua.