Os dispositivos wearable aplicados à saúde têm sido bastante utilizados para monitorar em grande quantidade as informações fisiológicas de um paciente através de uma coleção de sensores pelo dispositivo. O uso desta tecnologia torna possível minimizar as consequências provocadas por erros em procedimentos médicos. Alguns dos sensores típicos em dispositivos wearable utilizam Fotopletismografia (FPG), um método não evasivo de medição de fluxo sanguíneo na superfície da pele através de luz vermelha e infravermelha. As aplicações mais comuns para FPG é a determinação dos batimentos cardíacos (BPM) e medição dos níveis de oxigenação do sangue (SpO2). Em dispositivos wearable, as medidas precisam ser monitoradas durante as atividades onde o movimento está sempre presente, ocasionando o fenômeno denominado Artifact Motions. Este fenômeno vem a ser uma fonte de ruído, no qual corrompe e prejudica o sinal tornando clinicamente inutilizável. Além disso, a qualidade do sinal é um fator crítico para técnicas FPG já que requerem sinais limpos para extração, análise e monitoramento. O presente estudo objetiva implementar e avaliar algoritmos para a realização do pré-processamento do FPG com o objetivo de reduzir os ruídos, interferências e danos causados ao mesmo pelo Artifact Motions em dispositivos wearable. Aqui serão levantadas e descritas as características conhecidas em relação a sinais vitais de pacientes, bem como também, estabelecer relações entre variáveis envolvidas, realizadas por algoritmos computacionais. Adotou-se, portanto, o conjunto de dados da “2015 IEEE Signal Process Cup” que é utilizado por vários pesquisadores e é constituído por 12 conjuntos de dados. Esses dados foram capturados em 12 homens asiáticos saudáveis de 18 a 35 anos. Os compostos de dados possuem simultaneamente sinais FPG de dois canais, sinais de aceleração de três eixos e sinal de Eletrocardiograma (ECG) de canal único. Os sensores de ECG foram utilizados para capturar a verdadeira frequência cardíaca, enquanto os outros sinais foram adquiridos com base no movimento e captura do FPG. Com estes dados junto a plataforma do MatLAB, estão sendo realizados estudos e aplicações de diferentes métodos a fim de reduzir e corrigir os sinais oriundo do conjunto de dados para que futuramente seja capaz de ser implementado de fato em um dispositivo Wearable. Os métodos mais encontrados na literatura se referem do tipo Active Noise Cancellation (ANC) e técnicas que utilizam em sua grande maioria a Transformada de Fourier também, ambos com o mesmo objetivo. Com as implementações em andamento e com os resultados ainda parciais, pode-se adiantar que os Artifact Motions ainda afetam negativamente a precisão das medições, já que os métodos utilizados ainda enfrentam algumas limitações de análise e desempenho em comparação a outros que existem na área.