[논문]IR-UWB 레이더를 이용한 비접촉 실시간 심박탐지

변상선

doi:10.14372/iemek.2019.14.3.123

IR-UWB 레이더를 이용한 비접촉 실시간 심박탐지
A Non-contact Realtime Heart Rate Estimation Using IR-UWB Radar 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.14 no.3, 2019년, pp.123 - 131

Abstract ▼ AI-Helper

In recent years, a non-contact respiration and heart rates monitoring via IR-UWB radar has been paid much attention to in various applications - patient monitoring, occupancy detection, survivor exploring in disaster area, etc. In this paper, we address a novel approach of real time heart rate estimation using IR-UWB radar. We apply sine fitting and peak detection method for estimating respiration rate and heart rate, respectively. We also deploy two techniques to mitigate the error caused by wrong estimation of respiration rate: a moving average filter and finding the frequency of the highest occurrence. Experimental results show that the algorithm can estimate heart rate in real time when respiration rate is presumed to be estimated accurately.

주제어

표/그림 (11)

그림 그림 1. 호흡과 심박 탐지 절차 Fig. 1 Procedure of respiration and heartbeat detection
그림 그림 2. 피검자의 위치 판별 Fig. 2 Detecting patient’s location
그림 그림 3. 피검자의 움직임이 감지된 상태 Fig. 3 Signal corruption by patient’s random body movement
그림 그림 4. 호흡신호가 수신되지 않고 있는 상태 Fig. 4 Weak signal when not receiving respiration signal from patient
그림 그림 5. X4M03 레이더 개발 키트Fig. 5 X4M03 IR-UWB radar kit
그림 그림 6. 실험 환경 Fig. 6 Experiment set-up
그림 그림 7. 원래 신호 (raw signal)와 클러터 성분을 감쇄한 신호 (clutter-removed) Fig. 7 Raw signal vs. clutter-removed signal
그림 그림 8. 사인맞춤을 통한 분당 호흡수의 추정 Fig. 8 Estimation of respiration rate by sine-fitting
그림 그림 9. 심박신호의 추출과 분당 심박수의 추정 Fig. 9 Estimation of heart rate by peak detection
그림 그림 10. 심박측정기와의 비교 Fig. 10 Comparison with heart rate monitor
그림 그림 11. 이동평균과 최다 등장 측정주파수의 비교 Fig. 11 Estimation of heart rate by applying moving average

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이 문제를 완화하기 위해, 단순한 이동평균이 아닌 주파수 대역에서 다양한 윈도우 함수 필터의 적용을 하고자 한다. 또한, 피검자의 위치감지를 지속적으로 수행하여 가장 정확하게 호흡 신호를 감지할 수 있는 기능을 추가하고자 한다.
특히, 호흡 주파수 측정이 지속적으로 정확하게 이루어지지 않은 경우에는 더 문제가 심각해진다. 이 문제를 완화하기 위해, 단순한 이동평균이 아닌 주파수 대역에서 다양한 윈도우 함수 필터의 적용을 하고자 한다. 또한, 피검자의 위치감지를 지속적으로 수행하여 가장 정확하게 호흡 신호를 감지할 수 있는 기능을 추가하고자 한다.

제안 방법

관련 연구 [13]는 다른 연구들과 달리 움직이고 있는 피험자로부터 심박신호를 검출하는 방법을 다루고 있다. Kalman 필터를 이용하여 레이더와 피험자간의 움직임으로 인한 거리 변화를 추정하여 움직임으로 인한 신호의 왜곡을 보상하는 방법을 제안한다.
관련연구 [10]의 저자들은 피검자의 모션감지를 통해 불필요한 움직임으로 인한 호흡 및 심박신호의 잘못된 검출을 방지하는 방법을 제안하였다. 그리고, 피검자가 정지 상태에서 심박신호 측정을 일정 횟수 반복하여 가장 많이 관찰되는 주파수를 심박 수로 간주하는 방법을 제안하였다. 이 방법은 호흡신호 고조파의 간섭으로 인한 심박 측정의 오류를 줄일 수 있는 장점이 있다.
따라서, 이러한 방해 요인을 최소화하기 위해 측정된 심박 주파수의 이동 평균과 일정 측정 구간에서 가장 자주 측정되는 주파수를 심박 주파수로 간주하는 두 가지 방법을 적용한다.
레이더 키트는 Novelda사에서 제공되는 Module Connector 드라이버를 통해 호스트 컴퓨터와 통신을 하며 응용프로그램은 C++, Matlab, 파이썬을 이용해 제작될 수 있는데, 이 논문에서는 파이썬과 관련 내장모듈들 (Numpy, Scipy, Matplotlib, peakutils)을 이용하여 논문에서 제안하는 알고리즘의 모든 부분 (제어 및 신호처리)과 처리 결과를 그래프로 표현하는 시각화 (visualization) 인터페이스를 작성한다.
추정된 호흡신호와 호흡신호의 고조파를 필터링하기 위해 노치 필터 (notch filter) 를 사용한다. 실험에서는 추정된 호흡신호 주파수의 3배수 주파수 성분까지 필터링 하도록 했다. 추가적으로, 심박 신호로 간주할 수 있는 주파수 구간 (실험에서는 0.
이 논문에서 제안하는 알고리즘의 구현과 성능 측정은 Novelda사에서 제작한 X4M03 IR-UWB 레이더 키트 (그림 5 참조) 를 기반으로 한다. 이 레이더는 0 ~ 25m 거리 이내에 서브 밀리미터의 해상도로 미세한 움직임을 감지할 수 있고 1.
IR-UWB로부터 수신된 신호는 피검자의 위치 감지, 모션 감지 기준 값 감지, 클러터 성분 감쇄의 과정을 통해 호흡 신호를 추출하고, 호흡 신호와 고조파 필터링 과정을 통해 심박 신호를 추출할 수 있다. 이 논문에서는 호흡 신호의 추출에는 곡선 맞춤을 사용하고, 심박 신호의 검출에는 피크 탐지 방법을 적용한다.
이 논문에서는 호흡주파수가 제거된 신호에 피크감지 (peak detection)를 적용하여 기본 심박 주파수를 추정하고, 제일 자주 등장하는 주파수를 심박 주파수로 하는 방법과 이동평균 (moving average)를 사용하여 추정하는 방법 두 가지를 사용한다. 이렇게 함으로써, 높은 주파수 분해능과 실시간 심박 탐지가 가능해진다.
그림 2 (a), (b) 에서 보이는 바와 같이, 두 그래프에서 대략 프레임 70정도에서 가장 큰 폭의 변화를 보이고 있음을 알 수 있다. 이 프레임 값만 추출하여 진폭의 변화를 표현하여, 호흡으로 인한 흉부 움직임의 주파수를 측정한다.
심박의 움직임으로 인한 레이더 수신 신호는 매우 미약하므로, 앞서 수행한 모션감지, 호흡 신호 검출, 호흡 신호의 고조파 필터링에 오류가 있게 되면 정확한 심박 신호 추출이 방해를 받게 된다. 이러한 방해를 최소화하기 위해 이 논문에서는 일정 측정구간에서 이동 평균과 최다 등장 심박 주파수를 찾는 방법을 사용한다.
호흡파의 주파수를 추정하기 위해, 사인맞춤을 수행한다. 이를 위해, 우선 클러터 성분이 감쇄된 호흡파의 신호로부터 진폭, 오프셋, 주파수의 예측 값을 추출한다.
실험에서는 추정된 호흡신호 주파수의 3배수 주파수 성분까지 필터링 하도록 했다. 추가적으로, 심박 신호로 간주할 수 있는 주파수 구간 (실험에서는 0.7Hz ~ 2.0Hz)을 제외한 주파수 구간을 대역 통과 필터를 사용하여 추가적으로 필터링한다.
호흡신호와 고조파 필터링까지 완료된 신호를 대상으로 심박수 검출을 수행한다. 심박에 의한 레이더 신호의 진폭변화는 매우 미세하므로, 모션감지 모듈에서 감지되지 않는 미세한 움직임과 부정확한 호흡신호, 그리고, 호흡 주파수의 고조파 간섭은 정확한 심박 주파수 추출을 방해한다.

대상 데이터

심박 측정 결과의 정확성과 심박측정기 측정결 과와의 오차를 보다 명확하게 보이기 위해 측정과정을 영상으로 촬영하였다. 아래의 링크를 통해 측정과정 영상을 확인할 수 있다.

데이터처리

일정시간 (실험에서는 대략 10초) 동안 호흡파의 중간 신호폭들을 측정하여 그 폭들의 평균값을 획득한다. 이 평균값이 모션감지를 위한 기준 값이 되며, 이 기준값과 측정된 호흡파의 폭이 일정 값 (실험에서는 50%) 이상의 오차가 나는 경우 피검자가 움직이고 있는 것으로 간주한다.

이론/모형

본 논문에서는 참고문헌 [10]에서 사용하고 있는 자기상관 (autocorrelation) 방법을 약간 개선한 모션감지 방법을 사용한다. 이 방법은, 호흡파 중간 위치 신호 폭의 평균값 변화를 통해 모션을 감지하는 것이다.
따라서, 정확하고 신속한 모션 감지와 호흡 주파수 탐지가 선행되어야 한다. 이 논문에서는 자기상관 (auto correlation) [10] 방법을 사용하여 모션 감지를 하고, 정확한 호흡 주파수의 빠른 추정을 위해 곡선맞춤 (curve fitting)의 일종인 사인맞춤 (sine fitting)을 사용한다.
호흡파의 클러터 성분을 감쇄하기 위해 참고문헌 [14]에서 제안하는 background subtraction 방법을 사용한다. 호흡신호의 background를 추정하여, 측정된 신호로부터 빼주는 방법이다.

성능/효과

가중치를 0.05보다 큰 값으로 정할 경우, 정확하지 않은 심박 측정 결과가 이동 평균에 지나치게 신속하게 반영되는 경향을 관찰하였고, 반대로 작은 값을 갖는 경우에는 실제 심박에 변화가 발생하여도 이동 평균 값에는 변화가 없는 것을 관찰하였고, 정확한 심박 측정이 재개되어도 이동 평균에 반영이 되지 못하는 현상을 관찰하였다.
이는 반복 실험에 의해 결정된 값으로, 부정확한 호흡 측정이 심박 검출에 반영되는 것을 억제한다. 그리고, 측정속도가 빠르기 때문에 (초당 150회 측정) 정확한 호흡 측정이 재개 되었을 때, 0.05 정도의 가중치로도 신속하게 평균값에 반영되는 것을 확인하였다.
오차는 최대 ±25% 정도 발생하고, 약 3-4 초의 시간 후 간섭이 사라지면, 5% 이내로 오차가 감소하는 것을 관찰하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	추정된 호흡신호와 호흡신호의 고조파를 필터링하기 위해 어떤 필터를 이용하는가?	추정된 호흡신호와 호흡신호의 고조파를 필터링하기 위해 노치 필터 (notch filter) 를 사용한다. 실험에서는 추정된 호흡신호 주파수의 3배수 주파수 성분까지 필터링 하도록 했다.
	background subtraction 방법의 원리는 무엇인가?	호흡파의 클러터 성분을 감쇄하기 위해 참고문헌 [14]에서 제안하는 background subtraction 방법을 사용한다. 호흡신호의 background를 추정하여, 측정된 신호로부터 빼주는 방법이다, Background는 호흡신호와 이전 단계에서 추정된 background의 이동평균을 적용하여 추정된다.
	비접촉 생체신호 측정을 위해 가장 널리 사용되는 방식에서 사용되는 레이더는 무엇인가?	이러한 비접촉 생체신호 측정을 위해서 레이더 기반 센서를 활용하는 것이 가장 널리 사용되고 있다. 사용되는 레이더는 도플러 (Doppler) 방식과 IR-UWB (Impulse Radio Ultra Wide Band) 방식이 있는데, 도플러 레이더는 Null Point 문제로부터 자유롭지 못하고 [8], 심박과 같은 미세한 이동의 탐지는 어려우므로 IR-UWB 방식이 최근에 많이 사용되고 있다. 특히, IR-UWB 방식은 저전력, 잡음수준의 송신파워를 가지므로, EMI에 취약한 여타 의료기기들과의 함께 사용될 수 있다는 장점을 갖는다.

참고문헌 (15)

"XeThru vs. Polysomnography (PSG) Comparative Study," Xethru Whitepaper By Novelda AS, 2016.
S.S. Byun, "UWB Radar and Non-contact Polysomnography," Journal of Embedded Systems and Applications, Vol. 10, No. 1, pp. 33-40, 2015 (in Korean).
J.W. Choi, Y.N. Lee, S.H. Cho, Y.H. Lim, "Sleep Efficiency Measurement Algorithm Using IR-UWB Radar Sensor," Journal of Korean Institute of Communications and Information Sciences, Vol. 42, No. 1, pp. 214-217, 2017 (in Korean).
I. Ko, H.C. Park, "Apnea Detection and Respiration Rate Estimation Using IR-UWB Radar Signals," Journal of Korean Institute of Electromagnetic Engineering and Science, Vol. 28, No. 10, pp. 802-809, 2017 (in Korean).
A.Q. Javaid, C.M. Noble, R. Rosenberg, M.A. Weitnauer, "Towards Sleep Apnea Screening with an Under-the-mattress IR-UWB Radar Using Machine Learning," Proseedings of IEEE International Conference on Machine Learning and Applications, pp. 837-842, 2015.
H.B. Li, T. Kagawa, R. Miura, "A Real-time Indoor Position Trackking System Using IR-UWB," Proceedings of ASEAN IVO Forum, pp. 203-207, 2015.
K. M. Chen, Y. Huang, J. Zhang, A. Norman, "A Microwave Life-detection Systems for Searching Human Subjects Under Earthquake Rubble and Behind Barrier," Journal of IEEE Transactions on Biomedical Engineering, Vol. 47, No. 1, pp. 105-114, 2000.
O.B. Lubecke, P.-W, Ong, V.M. Lubecke, "10 GHz doppler Radar Sensing of Respiration and Heart Movement," Proceedings of IEEE Annual Northeast Bioengineering Conference, pp, 55-56, 2002.
A. Lazaro, D. Girbau, R. Villarino, "Analysis of Vital Signs Monitoring Using an IR-UWB Radar," Proceedings of Electronmatnetics Research, pp. 265-284, 2010.
F. Khan, S.H. Cho, "A Detailed Algorithm for Vital Sign Monitoring of a Stationary/non-stationary Human Through IR-UWB Radar," Journal of Sensors, Vol. 17, No. 2, pp. 1-15, 2017.
Y. Lee, J.Y. Park, Y.W. Choi, H.K. Park, S.H. Cho, S.H. Cho, Y.H. Lim, "A Novel Non-contact Heart Rate Monitoring Using Impulse-radio Ultra-wideband (IR-UWB) Radar Technology," Journal of Scientific Reports, Vol. 8, No. 1, pp. 1-10, 2018.
H.S. Cho, Y.J. Park, "Accurate Heartbeat Frequency Extraction Method Using UWB Impulse Radar," Journal of IEIE Transactions on Smart Processing and Computing, Vol. 6, No. 4, pp. 246-252, 2017.
W. Yin, X. Yang, L. Li, L. Zhang, N. Kitsuwan, E. Oki, "HEAT: Approach for Heartbeat Monitoring with Body Movement Compensation by IR-UWB Radar," Journal of Sensors, Vol. 18, No. 9, pp. 1-18, 2018.
A. Lazaro, D. Girbau, R. Villarino, "Techniques for Clutter Suppression in the Presence of Body Movements During the Detection of Respiratory Activity Through UWB Radars," Journal of Sensors, Vol. 14, No. 2, pp. 2595-2618, 2014.
Avaliable on : https://www.xethru.com/community/resources/x4m03-radar-sensor-datasheet.86/

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증