El procesamiento de señales cardíacas suele ser una tarea computacionalmente exigente, ya que las señales están fuertemente contaminadas por ruido y otros artefactos. En este artículo, se presenta un enfoque efectivo para la detección y localización de puntos pico en señales de electrocardiograma (ECG) ruidosas. Seis etapas caracterizan el método implementado, que adopta la transformada de Hilbert y una técnica de umbral para la detección de zonas dentro de la señal de ECG que podrían contener un pico. Posteriormente, las zonas identificadas se analizan utilizando la transformada wavelet para la detección y localización del punto R. La técnica de procesamiento de señales concebida ha sido evaluada, adoptando señales de ECG pertenecientes a la base de datos MIT-BIH Noise Stress Test, que incluye grabaciones de Holter seleccionadas especialmente caracterizadas por la deriva de la línea base, artefactos musculares y artefactos de movimiento de electrodos como fuentes de ruido. Los resultados experimentales muestran que el método propuesto alcanza un rendimiento muy satisfactorio, incluso cuando se adoptan señales de ECG desafiantes. Los resultados obtenidos se presentan, discuten y comparan con algunos otros algoritmos de detección de ondas R indicados en la literatura, que adoptan la misma base de datos como banco de pruebas. En particular, para una relación señal-ruido (SNR) igual a 6 dB, se han obtenido resultados con interferencia mínima de ruido y artefactos, ya que Se e +P alcanzan valores de 98.13% y 96.91, respectivamente.