[논문]가속도센서를 이용한 신체활동량 정량화 기법 개발

노윤홍; 정완영; 정도운

문제 정의

그리고 무선으로 전송된 가속도 신호를 PC또는 휴대형 단말기에서 모니터링하기위해 모니터링 프로그램을 구현하였다. 계측된 가속도 신호로부터 활동상태를 추출하기 위하여 하이브리드 멤버쉽함수를 사용한 퍼지분류 알고리즘을 구현하였으며, 활동량의 정량화를 위한 지표를 개발하고자 하였다.
구현하였다. 그리고 센서로부터 출력되는 신호를 처리 및 분석하여 활동상태 분류와 활동량의 정량화를 위한 방법을 제시하고 실제 실험을 통해 타당성을 평가하고자 하였디..
본 연구에서는 신체의 활동상태에 따른 가속도 정보를 측정하여 활동상태의 판별 및 활동량의 정량화를 위한 지표를 개발하고자 하였다. 이를 위해 저천압, 저천력 동작 및 슬립모드를 지원하는 MMA7260Q(Freescale Co.
본 연구에서는 유비쿼터스 헬스케어와 관련하여 일상생활 중 활동 상태에 따른 가속도 변화를 측정함으로써 개인의 활동 상태를 판단하고 또한 가속도 신호로부터 활동량을 정량화 하기위한 방법을 제시하고자 한다.
본 연구에서는 일상생활 중 활동상태 및 활동량의 모니터링을 위하여 인체의 활동에 따른 3축 가속도 변화를 계측하기위한 센서 및 시스템을 구현하였다. 그리고 센서로부터 출력되는 신호를 처리 및 분석하여 활동상태 분류와 활동량의 정량화를 위한 방법을 제시하고 실제 실험을 통해 타당성을 평가하고자 하였디.

제안 방법

, USA) 3 축 가속도센서를 이용하였으며 가속도 센서로부터 출력되는 각 축의 아날로그 신호를 처리하기 위하여 본 연구진의 기수행 연구에서 가속도 측정 센서보드를 설계하였다. 가속도 센서 보드의 동작 전원은 배터 리를 사용하였으며, 센서내부의 클럭노이즈를 제거하기 위해 각 출력단에 필터 회로를 설계하였다. 그리고 출력신호의 인터페이스 시 발생할 수 있는 임피던스 부정합을 방치하기 위하여 단전원으로 동작 가능한 연산증폭기(OPA4379, Burr-Brown, USA)를 이용한 버퍼 회로를 설계하였다.
) 그리고 서 있을 때(standing, St) 등으로 세분화 하여 분류하였다. 그리고 VM이 기준 값보다 큰 값을 갖는 경우는 활동상태로 판별하였으며, ISVM과 D$VM을 이용하여 걷거나 뛰는 속도에 따라 3단계로 분류하도록 분류알고리즘을 구현하였다. 특히 활동상태로 판별된 경우 급격한 가속도 변화가 발생하고 정적인 자세로 활동상태가 전환되었을 경우 1차 낙상으로 판별하고, 1차 낙상 후 3.
센서노드를 활용하였다. 그리고 무선으로 전송된 가속도 신호를 PC또는 휴대형 단말기에서 모니터링하기위해 모니터링 프로그램을 구현하였다. 계측된 가속도 신호로부터 활동상태를 추출하기 위하여 하이브리드 멤버쉽함수를 사용한 퍼지분류 알고리즘을 구현하였으며, 활동량의 정량화를 위한 지표를 개발하고자 하였다.
가속도 센서 보드의 동작 전원은 배터 리를 사용하였으며, 센서내부의 클럭노이즈를 제거하기 위해 각 출력단에 필터 회로를 설계하였다. 그리고 출력신호의 인터페이스 시 발생할 수 있는 임피던스 부정합을 방치하기 위하여 단전원으로 동작 가능한 연산증폭기(OPA4379, Burr-Brown, USA)를 이용한 버퍼 회로를 설계하였다. 또한 가속도 센서로부터 계측된 산호를 A/D 변환 및 무선전송을 위충]] Zigbee 호환 무선 센서노드인 TIP710CM(Maxfor Co.
그리고 출력신호의 인터페이스 시 발생할 수 있는 임피던스 부정합을 방치하기 위하여 단전원으로 동작 가능한 연산증폭기(OPA4379, Burr-Brown, USA)를 이용한 버퍼 회로를 설계하였다. 또한 가속도 센서로부터 계측된 산호를 A/D 변환 및 무선전송을 위충]] Zigbee 호환 무선 센서노드인 TIP710CM(Maxfor Co. Kors)을 이용하였으며 무선으로 전송된 가속도 산호를 PC 또는 휴대형 단말기에서 모니터링하기 위해 모니터링 프로그램을 구현하였다. 본 연구에서 적용한 활동가속도 검출 및 모니터링을 위한 전체적인 시스템 구성을 그림 1에 나타대었다.
구현하였다. 또한 무선 전송된 가속도 데이터는 분류 알고리즘에 따라 자세 및 활동상태를 판단하도록 모니터링 프로그램을 구현하였다.
먼저 VM이 기준값 보다 작은 정적인 경우에는 실제 계측된 각 축의 가속도신호 크기에 따라 누워 있을 때(lying, Ly.)z 앉아 있을 때 (sitting, Si.) 그리고 서 있을 때(standing, St) 등으로 세분화 하여 분류하였다. 그리고 VM이 기준 값보다 큰 값을 갖는 경우는 활동상태로 판별하였으며, ISVM과 D$VM을 이용하여 걷거나 뛰는 속도에 따라 3단계로 분류하도록 분류알고리즘을 구현하였다.
먼저 신체의 활동상태에 따른 가속도 정보를 측정하기 위해 3축가속도 센서를 사용하였으며, 아날로그 가속도신호를 디지털로 변환하고 데이터의 무선전송을 위해 무선센서네트워크 기술을 적용한 센서노드를 활용하였다. 그리고 무선으로 전송된 가속도 신호를 PC또는 휴대형 단말기에서 모니터링하기위해 모니터링 프로그램을 구현하였다.
본 연구에서 구현된 허리 부착형 초소형 무선가속도 계측 시스템은 그림 3과 같이 피검자 허리에 착용하여 자세변화 및 활동상태에 따라 출력 되는 3축 방향의 가속도 변화를 동시에 계측하였으며, 계측된 가속도 신호는 무선 센서 노드를 통해 PC에 연결된 베이스스테이션으로 전송하도록 구현하였다. 또한 무선 전송된 가속도 데이터는 분류 알고리즘에 따라 자세 및 활동상태를 판단하도록 모니터링 프로그램을 구현하였다.
본 연구에서는 상기에 기술한 활동상태 판별얄고리즘에 의해 할동상태로 판별되었을 경우 활동량을 보다 정량화 하기위하여 DSVM(differential signal vector magnitude)^ ISVM(integral signal vecto호 mag歩itude)을 계산하였다. 본 연구에서 적용한 DSVM과 ISVMe 다음 수식으로 나타낼 수 있다.
본 연구에서는 활동상태를 분류하기 위하여 계측된 3축가속도센서로부터 검출된 신호를 차단주파수가 0.1 Hz인 고역통과필터를 거쳐 지자계에 의한 가속도 오프셋을 제거 후 VM(vector magnitude)를 계산하였다. VW의 값이 기준값보다 크면 활동상태로 판단하였으며, 기준값보다 작으면 정적인 자세로 판별하였다.
이를 위해 저천압, 저천력 동작 및 슬립모드를 지원하는 MMA7260Q(Freescale Co. Ltd., USA) 3 축 가속도센서를 이용하였으며 가속도 센서로부터 출력되는 각 축의 아날로그 신호를 처리하기 위하여 본 연구진의 기수행 연구에서 가속도 측정 센서보드를 설계하였다. 가속도 센서 보드의 동작 전원은 배터 리를 사용하였으며, 센서내부의 클럭노이즈를 제거하기 위해 각 출력단에 필터 회로를 설계하였다.
제안한 파라미터를 이용하여 활동량 정량화를 위한 에너지소비량을 추정하기위하여 ISVM과 DSVM 파라미터와 초당 칼로리 소모량의 관계를 추정하였다.

성능/효과

그림 7을 살펴보면 속도변화에 따라 초당 소모되는 칼로리의 모니터링이 가능하며, ISVM 을 이용할 경우보다 신뢰성 있는 활동량 모니터링이 가능함을 확인할 수 있다.
그림에서 살펴볼 수 있듯이 정적인 자세변화의 경우 본 연구에서 제안한 통계치에 근거한 분류알고리즘을 적용하였을 경우 100% 분류가 가능함을 확인 할 수 있다
동적인 상태에서의 활동상태를 판단하기 위하여 러닝머신을 이용하여 3, 6, 9 km/h의 속도에서 3축의 가속도 정보를 초당 100샘플씩 데이터를 계측하였으며, 이때 각 속도변화에 따른 에너지 소모량과 본 연구에서 제안한 DSVM 및 ISVM파라미터의 평균과 표준편차를 각각 계산하여 표 1과 그림 5에 각각 나타내었으며, 그림 6에서 확인할 수 있듯이 DSVM과 ISVM을 이용하여 활동상태의 판별이 가능할 뿐만 아니라 활동량과 밀접한 상관관계가 있음을 확인할 수 있다. 제안한 파라미터를 이용하여 활동량 정량화를 위한 에너지소비량을 추정하기위하여 ISVM과 DSVM 파라미터와 초당 칼로리 소모량의 관계를 추정하였다.
. 실험결과 본연구에서 제안한 ISVM과 DSVM이 활동량과 밀접한 상관관계가 있으며, 특히 ISVM의 경우 칼로리 소모량의 주정을 통한 활동량 정량화에 보다 적합한 파라미터라 판단된다. 향후 연구에서는 보다 객관적인 활동량 평가를 통해 시스템의 신뢰성을 높이기위한 연구를 지속적으로 수행하고자 한다.
그리고 VM이 기준 값보다 큰 값을 갖는 경우는 활동상태로 판별하였으며, ISVM과 D$VM을 이용하여 걷거나 뛰는 속도에 따라 3단계로 분류하도록 분류알고리즘을 구현하였다. 특히 활동상태로 판별된 경우 급격한 가속도 변화가 발생하고 정적인 자세로 활동상태가 전환되었을 경우 1차 낙상으로 판별하고, 1차 낙상 후 3.5초 이후에도 지속적으로 정적자세로 판단되면 최종 낙상으로 판별하였다. 본 연구에서 구현한 활동상태 판별 알고리즘을 그림 2에 나타대었다’

후속연구

실험결과 본연구에서 제안한 ISVM과 DSVM이 활동량과 밀접한 상관관계가 있으며, 특히 ISVM의 경우 칼로리 소모량의 주정을 통한 활동량 정량화에 보다 적합한 파라미터라 판단된다. 향후 연구에서는 보다 객관적인 활동량 평가를 통해 시스템의 신뢰성을 높이기위한 연구를 지속적으로 수행하고자 한다.

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

가속도센서를 이용한 신체활동량 정량화 기법 개발
Development of the Body Activity Quantitative Techniques Using Accelerometer 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

가속도센서를 이용한 신체활동량 정량화 기법 개발 Development of the Body Activity Quantitative Techniques Using Accelerometer 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

가속도센서를 이용한 신체활동량 정량화 기법 개발
Development of the Body Activity Quantitative Techniques Using Accelerometer 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper