배재민
(Jaemin Bae)
1iD
박순우
(Soonwoo Park)
1iD
한희제
(Heeje Han)
1iD
김찬우
(Chanwoo Kim)
1iD
김홍준
(Hongjoon Kim)
†iD
-
(Dept. of Electrical Engineering, Kyungpook National University, Korea.)
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
Respiration detection, Doppler RADAR, SG Filter, signal integration
1. 서 론
사고현장에서 움직임이 제한되는 부상자나, 차량에 방치된 영아의 존재 유무 확인 또는 거동이 힘든 환자나 노인의 건강상태 정보를 알기 위한 생체 신호
측정 및 그 활용도가 높아지고 있으며, 이에 따라 생체 신호를 측정하기 위한 방법이 연구되고 있다[1]. 호흡, 맥박 및 근육의 수축과 이완 등의 생체 신호들은 신호의 크기가 작은 특성으로 인하여 직접 접촉식으로 측정되는 경우가 많다[2-3]. 직접 접촉 방식은 측정 단이 신체에 직접 접촉하는 상태를 유지해야 하는 번거로움이 따른다. 이러한 접촉식 측정의 번거로움을 해소하기 위해 무선으로
생체 신호를 측정하는 레이더 시스템이 보고되고 있으나[4-5], 무선 방식으로 측정하는 시스템은 잡음에 민감한 특성을 갖기 때문에 측정된 생체신호를 명확하게 파악하기가 쉽지 않다.
이에 본 논문에서는 잡음이 존재하는 환경에서 생체 신호를 명확하게 판별하기 위해 소프트웨어 처리를 적용하여 신호의 변환 과정에서 발생하는 DC 신호[6]와 잡음 제거를 수행하고, 적분의 도입으로 측정 시간에 따라 생체신호의 존재 여부를 결정하는 알고리듬을 적용하였다. 이로 인해 잡음이 포함될 수 있는
일반적인 환경에서의 신호 측정의 정확도 및 신뢰도 향상에 크게 이점을 갖고 종전의 분석기법보다 빠른 결과의 판단을 가능하게 하는 시스템을 개발하였다.
2. 본 론
2.1 실험 개요
그림 1은 호흡 탐지를 위한 도플러 레이더 시스템의 구성을 나타낸다. 제안된 시스템의 설계 주파수는 5.8 GHz이며, 신호 발생기를 통해 0 dBm의 전력을
시스템에 인가하였다. 시스템의 수신부는 I-Q 분석을 위해 90˚ 하이브리드 커플러(Quadrature Hybrid Coupler)와 두 개의 믹서(Mixer)를
사용하여 90˚ 위상차가 나는 호흡신호 $I(t)$와 $Q(t)$를 추출한다. 추출된 각각의 신호들은 연산증폭기(OP Amplifier)를 거쳐 증폭된
후, 소프트웨어 프로그램을 통해 분석되었다. OPAMP의 증폭 배율은 다회의 실험 결과 최적의 수치라고 판단된 200배로 설정하였다.
그림 2는 본 논문의 시스템에 사용된 안테나와 5.8 GHz에서의 방사 패턴을 제시한 것이다. 사용된 안테나의 최대 이득은 4.81 dBi, 빔 폭(Beam
Width)은 수평방향 45˚, 수직방향 55˚ 이다.
그림. 1. 제안된 호흡 측정 시스템의 개요도 및 실제 제작된 회로
Fig. 1. The schematic and the actual circuit of the proposed respiration detection
system.
그림. 2. 제작된 패치 안테나와 5.8 GHz에서의 방사 패턴
Fig. 2. Fabricated patch antenna and measured radiation patterns at 5.8 GHz
실험은 잡음이 존재하는 다양한 일상적인 상황에서의 측정을 위해 무반향실(Anechoic Chamber)이 아닌 면적이 8$m^{2}$인 보통 사무실
형태의 실내, 개방된 복도, 그리고 넓은 홀에서 안테나와 피험자의 거리를 1.2$m$ 에 두고 실험을 각 최소 10회 이상 반복하여 실시하였다.
2.2 측정된 신호의 처리 및 분석
그림. 3. 연산증폭기에서 출력된 신호의 원시 데이터
Fig. 3. Measured Raw-data from the OPAMP
그림 1의 시스템에서 피험자가 안테나의 전방에서 호흡할 때, I와 Q 부분에서의 연산증폭기의 출력을 그림 3에 나타내었다. 원시 데이터에는 호흡 신호뿐만 아니라 측정 과정에서 발생하는 잡음, 믹서에서 직접 하향 변환 시 발생되는 DC 성분 등이 내재된 상태이다.
이러한 DC 성분은 피험자와의 거리 및 방향에 따라 달라지며, 단순히 신호의 레벨로 호흡의 유무를 판별하기에는 제한이 따른다. 본 논문에서는 발생된
DC 성분 및 잡음을 제거해주고, 실험의 결과로 생성된 데이터를 수치화 시켜 효율적으로 사용할 수 있도록 일련의 신호 처리과정을 거쳤으며, 이러한
처리 과정을 그림 4에 나타내었다.
직접 변환 시 발생되는 DC 성분을 I-Q 두 부분에서 제거하기 위해 각각의 부분에서 선형 회귀(Curve-fitting)를 적용한다. 그림 4(a)는 연산증폭기의 출력에 선형 회귀를 적용시켜, DC 성분을 제거한 결과이다.
그림. 4. 측정된 데이터의 호흡 신호 여부 판단을 위해 처리한 신호 처리 과정의 모식도
Fig. 4. Schematic diagrams of the processed signal processing
그 후, 그림 4(a)의 신호들에 잡음 감쇠 효과가 있는 사비츠키-골레이 필터를 적용시키고[7], I-Q의 각각의 신호를 제곱한 뒤 서로 더한 후 제곱근을 취한 결과가 그림 4(b)이다. 제곱의 과정으로 인해 모든 데이터가 양의 값을 가지게 되며, 이로 인하여 적분의 결과는 시간의 경과에 따라 항상 증가하게 된다(그림 4(c)). 호흡 신호가 존재할 시는 적분의 수치가 호흡이 존재하지 않을 때보다 시간에 대하여 급격히 증가하게 되는 것을 확인할 수 있으며, 이 결과 값을
이용하여 호흡의 존재 유무를 판별할 수 있다.
제안된 방법으로 진행된 실험에서는 인간의 호흡이 1~2초당 1회(0.5~1Hz)로 알려져 있음을 이용해 최소 2회 이상의 호흡이 측정되도록 5초의
주기로 신호의 존재여부를 판별하도록 구성하였다. 기존의 방법은 60초 또는 그 이상의 측정 시간을 필요로 하며, 푸리에 변환을 이용하여 특정 주파수의
호흡 신호만 검출하는 방법이지만[5-6], 본 논문에서 제시된 방법으로는 여러 잡음이 존재하는 다양한 상황에서, 호흡 신호의 주기가 변동이 있을 때에도 5초 이내의 측정으로 신뢰도 높게
호흡 신호의 존재 유무 판단이 가능하게 하였다. 이에 따라 본 논문에서 제안되는 기법을 포함한 여러 방식의 센서를 조합한 시스템을 구성하면 차량 사고
현장 등에서 움직임이 제한되는 인간 탐지 및 보안 등 다양한 분야에서 효과적인 탐지 및 적용이 가능할 것으로 기대된다.
예시로 보인 그림 4의 실험에서는 호흡 신호가 존재하지 않을 시 58.3 mV*s, 호흡 신호가 존재할 시 636.7 mV*s의 적분 결과로, 호흡의 유무에 따라 10배
이상의 값의 차이를 확인할 수 있다.
같은 방식으로 다양한 환경에서 임의의 주기를 갖는 호흡 신호를 측정하는 실험을 반복하였을 때, 호흡 신호가 존재할 때와 존재하지 않을 때의 신호의
크기를 비로 나타내면 다음의 표와 같다.
표 1. 다양한 환경에서 호흡 신호의 존재 시와 부재 시 측정된 신호 크기의 비율
Table 1. Ratio of measured signal in the presence and absence of respiratory signals
in various situations
|
사무실
|
복 도
|
강 당
|
최대
|
19.72
|
10.55
|
13.31
|
최소
|
3.14
|
3.27
|
3.81
|
평균
|
6.83
|
6.52
|
5.88
|
실험의 결과 조건이 다른 환경에서도 호흡 신호의 주기에 상관없이 측정된 신호의 호흡 신호 포함 여부를 쉽게 판단할 수 있었다.
3. 결 론
본 논문에서는 신체에 직접 접촉하지 아니하고 무선으로 측정한 호흡 신호를 분석하는 시스템을 제안하고, 실험을 통해 확인하였다. 제안된 신호의 처리
기법은 잡음의 제거뿐만 아니라 측정 시간에 비례하여 호흡의 존재 시와 부재 시의 차이를 크게 증폭시킴으로써, 측정하고자 하는 신호의 존재유무를 빠르고
효과적으로 검출해낼 수 있었다. 제안된 기법은 측정하고자 하는 신호의 특성 및 측정을 진행하는 시스템의 성능에 따라 적분 주기, S-G 필터링의 차수
조절로써 신호의 유무에 따른 측정값의 차이를 가감시킬 수 있다. 또한 필요에 따라 다양한 주기의 신호 측정이 가능하므로, 이로 인해 호흡 신호, 심장
박동 등의 생체 신호뿐만 아니라 주기의 특성을 아는 여러 가지 작은 신호를 검출하는 데에 효과적인 적용이 가능하다. 이로 인해 군사, 천문, 보건
영역 등 여러 분야에서 광범위한 적용이 가능할 것으로 사료된다.
Acknowledgements
이 논문은 2017학년도 경북대학교 연구년 교수 연구비에 의하여 연구되었음
References
M. van Gastel, Sander Stuijk, Dec 2016, Robust respiration detection from remote photoplethysmography,
Biomedical optics express, Vol. 7, No. 12, pp. 4941-4957
![DOI](../../Resources/images/icon_crossref.png)
M. H. Lee, July 2017, Design of The Patient Monitoring System based on Wearable Device
for Multi-biosignal Measurement, Journal of The Institute of Electronics and Information
Engineers, Vol. 54, No. 7, pp. 1091-1097
![DOI](../../Resources/images/icon_crossref.png)
Carey R. Merritt, Jan 2009, Textile-Based Capacitive Sensors for Respiration Monitoring,
IEEE Sensors journal, Vol. 9, No. 1, pp. 71-78
![DOI](../../Resources/images/icon_crossref.png)
R. Ambarani, A. A. Pramudita, Oct 2018, Single-Tone Doppler Radar System for Human
Respiratory Monitoring, in Proc. of IEEE 5th International Conference on EECSI, pp.
571-575
![DOI](../../Resources/images/icon_crossref.png)
Chaehwan Hwang, Suyeol Kim, Deokwoo Lee, 2019, Detection of Apnea Signal using UWB
Radar based on Short-Time-Fourier-Transform, Journal of the Korea Academia-Industrial
cooperation Society, Vol. 20, No. 7, pp. 151-157
![Google Search](../../Resources/images/icon_google.png)
R. Svitek, S. Raman, Sep 2005, DC offsets in Direct-Conversion Receivers: Characterization
and Implications, IEEE Microwave Magazine, Vol. 6, No. 3, pp. 76-86
![DOI](../../Resources/images/icon_crossref.png)
Jianwen Luo, July 2005, Savitzky–Golay smoothing and differentiation filter for even
number data, Elsevier Signal Processing, Vol. 85, No. 7, pp. 1429-1434
![DOI](../../Resources/images/icon_crossref.png)