KR101301304B1 - 이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석 - Google Patents

이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석 Download PDF

Info

Publication number
KR101301304B1
KR101301304B1 KR1020100094908A KR20100094908A KR101301304B1 KR 101301304 B1 KR101301304 B1 KR 101301304B1 KR 1020100094908 A KR1020100094908 A KR 1020100094908A KR 20100094908 A KR20100094908 A KR 20100094908A KR 101301304 B1 KR101301304 B1 KR 101301304B1
Authority
KR
South Korea
Prior art keywords
signal
unit
feature point
point detection
rhythm analysis
Prior art date
Application number
KR1020100094908A
Other languages
English (en)
Other versions
KR20120033411A (ko
Inventor
박영철
윤형로
이근상
백용현
조승현
김홍제
이종수
이계형
정인철
Original Assignee
주식회사 누가의료기
연세대학교 원주산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 누가의료기, 연세대학교 원주산학협력단 filed Critical 주식회사 누가의료기
Priority to KR1020100094908A priority Critical patent/KR101301304B1/ko
Publication of KR20120033411A publication Critical patent/KR20120033411A/ko
Application granted granted Critical
Publication of KR101301304B1 publication Critical patent/KR101301304B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Abstract

본 발명은 운동 중에 실시간으로 수집되는 생체신호(ECG)로부터, 동잡음, 센서 접촉 잡음, 임펄스 잡음 등에도 보다 정확한 사용자 상태 정보, 운동리듬 정보를 검출, 제공하는 운동리듬 분석 방법 및 장치에 관한 것으로, 보다 상세히는 생체신호가 갖는 이산 웨이블릿 변환 분해레벨 (Decomposition Level)의 임펄스 응답(Impulse Response)을 이용하여 잡음에 강하면서도 연산량을 줄이고 실시간으로 사용자 상태 정보, 운동리듬 정보를 제공해 주는 운동리듬 분석 방법 및 장치에 관한 것이다,
본 발명의 운동리듬 분석 장치는 심전도 전극부 및 가속도센서를 구비하여 심전도신호를 검출하고 검출된 심전도신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하는 신호 검출 및 전처리부; 상기 신호 검출 및 전처리부로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여 특정 점을 검출하는 특징점 검출부; 상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하는 것을 특징으로 한다.

Description

이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석{ A Real-Time Peak Detection and Rhythm Analysis Using Discrete Wavelet Transform During Excercise}
본 발명은 운동 중에 실시간으로 수집되는 생체신호(ECG)로부터, 동잡음, 센서 접촉 잡음, 임펄스 잡음 등에도 보다 정확한 사용자 상태 정보, 운동리듬 정보를 검출, 제공하는 운동리듬 분석 방법 및 장치에 관한 것으로, 보다 상세히는 생체신호가 갖는 이산 웨이블릿 변환 분해레벨 (Decomposition Level)의 임펄스 응답(Impulse Response)을 이용하여 잡음에 강하면서도 연산량을 줄이고 실시간으로 사용자 상태 정보, 운동리듬 정보를 제공해 주는 운동리듬 분석 방법 및 장치에 관한 것이다,
수집되는 생체신호(ECG)로부터 사용자 생체 정보를 얻기 위해서 다양한 방법들이 제시되어 왔다. 이러한 알고리즘들은 크게 시간 영역(Time domain)과 주파수 영역(Frequency domain)에서 검출하는 방법으로 나눌 수 있다.
시간 영역 검출기로는 간단하게 구현되는 1차, 2차 미분법과 상대적으로 많은 연산량을 필요로 하는 Length Transform과 같은 방법들이 있다.
1차, 2차 미분법은 QRS complex가 급격한 경사(Steep Slope)를 갖는 다는 것을 기반으로 미분을 통해 Q, R, S 포인트들 간의 시간간격(샘플간의 시간간격)을 구하여 생체정보를 얻는 방법이다. Length Transform은 시간 영역에서 샘플 간의 시간 간격을 연속적으로 평균 내는 방법으로 QRS complex 부분에서는 샘플간의 시간 간격이 긴 특성으로부터 검출을 수행한다.
이러한 시간 영역 검출기들은 적은 연산량으로도 효율적으로 특정 점 검출이 용이하기 때문에 실시간 환경에 적용이 가능하지만, 시간 영역 검출기는 신호의 파형 및 특성에 기반한 검출 방법이기 때문에 주변 잡음 환경에 민감하게 반응하여, 신호대 잡음비(SNR)에 따라서 검출 정확도가 달라진다.
반면, 주파수 영역 검출기는 생체신호가 갖는 대역폭만을 취하는 것이 용이하기 때문에 상대적으로 시간 영역 검출기보다 잡음 환경에 강인하게 생체신호 분석이 가능하다. 이러한 주파수 영역 검출기로는 일정한 주파수 대역폭을 갖는 필터 뱅크(Filter Bank)와 임의의 주파수 대역폭을 갖는 웨이블릿 변환(Wavelet Transform)방법이 있다.
필터 뱅크에 있어서, M차 필터 뱅크는 동일한 주파수 응답을 갖는 M개의 필터들로 구성되어 있는데, 이는 필터 뱅크의 분해 단에서 입력 신호를 해당 주파수 대역에 상응하는 서브밴드 신호로 분활 하고, 합성 단에서 서브밴드들의 신호를 받아 전제 주파수 대역을 갖는 풀밴드 신호로 재구성하며, 이때 각 필터들은 입력 신호와의 합성곱(convolution)을 통해 서브밴드 신호를 얻는다. M개의 필터로 구성된 필터 뱅크를 사용한다면, M번의 합성곱 연산으로 분해 한 뒤에 다시 M번의 합성곱 연산으로 재구성하기 때문에 많은 연산량이 요구된다.
운동 중에 수집된 생체신호에는 동잡음을 비롯한 센서 접촉 잡음, 임펄스 잡음 등과 같은, 예기치 못한 잡음들이 포함되기 때문에, 효율적으로 생체신호를 분석하기 위한 방법으로 이산 웨이블릿 변환(Discrete Wavelet Transform) 방법을 사용한다.
이산 웨이블릿 변환은 필터 뱅크와 동일하게 입력 신호를 주파수 대역 신호로 분활하는 것으로 필터들이 임의의 주파수 대역폭을 갖는다는 차이점이 있으나, 이산 웨이블릿 변환도 필터 뱅크와 마찬가지로 분해 신호를 얻기 위해 필터를 사용한다. 따라서 필터 뱅크와 마찬가지로 많은 연산량이 요구되기 때문에 실시간 구현에는 적합하지 못하다.
그러므로, 이들 방법은 주파수 영역 검출기가 생체신호를 효율적으로 분석할 수 있음에도 불구하고 많은 연산량이 요구되기 때문에 실시간 환경에는 부적절하다.
본 발명에서는 생체신호가 갖는 이산 웨이블릿 변환 분해 레벨(Decomposition Level)의 임펄스 응답(Impulse Response)을 이용함으로써, 즉, 생체신호 분석을 위한 이산 웨이블릿 변환의 분해 레벨에 대해 임펄스 응답 연산량을 줄여, 실시간으로 사용자 상태 정보, 운동리듬 정보를 제공해 주는 운동리듬 분석 방법 및 장치를 제공한다. 또한, 본 발명은 적은 연산량으로 이산 웨이블릿 변환의 결과를 근사화함으로써 생체신호의 효과적인 분석과 보다 빠른 실시간 구현이 가능하다.
본 발명이 해결하려는 과제는, 운동 중에 실시간으로 수집되는 생체신호(ECG)로부터, 동잡음, 센서 접촉 잡음, 임펄스 잡음 등에도 보다 정확한 사용자 상태 정보, 운동리듬 정보를 검출하는 운동리듬 분석 방법 및 장치를 제공하려는 것이다.
본 발명이 해결하려는 또 다른 과제는, 생체신호가 갖는 이산 웨이블릿 변환 분해레벨 (Decomposition Level)의 임펄스 응답(Impulse Response)을 이용하여 잡음에 강하면서도 연산량을 줄이고 실시간으로 사용자 상태 정보, 운동리듬 정보를 검출하는 운동리듬 분석 방법 및 장치를 제공하려는 것이다.
본 발명이 해결하려는 다른 과제는, 생체신호 분석을 위한 이산 웨이블릿 변환의 분해 레벨에 대해 임펄스 응답을 구하고, 구하여진 임펄스 응답을 이용하되, FFT를 이용한 페스트 컨볼루션(Fast Convolution) 방법을 이용하여, 적은 연산량으로 이산 웨이블릿 변환의 결과를 근사화함으로써 생체신호의 효과적인 분석과 보다 빠른 실시간 구현이 가능한 운동리듬 분석 방법 및 장치를 제공하려는 것이다.
본 발명의 운동리듬 분석 장치는, 심전도 전극부 및 가속도센서를 구비하여 심전도신호를 검출하고 검출된 심전도신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하는 신호 검출 및 전처리부; 상기 신호 검출 및 전처리부로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여 특정 점을 검출하는 특징점 검출부; 상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하는 것을 특징으로 한다.
본 발명의 운동리듬 분석 장치는, 심전도 전극부 및 가속도센서를 구비하여 심전도신호 및 가속도 신호를 검출하는 신호검출부; 상기 신호검출부로부터 수신된 심전도신호 및 가속도 신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하되, 신호검출부로부터 검출된 심전도 신호에서 DC 성분제거을 제거하는 고역통과 필터를 구비하는 신호 전처리부; 상기 신호 전처리부에서 심전도신호 및 가속도 신호를 수신하여, 심전도 신호를 주 입력 신호로, 가속센서로부터 수집되는 신호를 참조 신호로 하여, 적응 동잡음 제거 알고리즘에 의해 심전도신호에 포함된 동잡음 신호를 제거하는 동잡음 제거부; 상기 동잡음 제거부로부터로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여 특정 점을 검출하는 특징점 검출부; 상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하는 것을 특징으로 한다.
본 발명의 운동리듬 분석 장치는, 심전도 전극부 및 가속도센서를 구비하여 심전도신호를 검출하고 검출된 심전도신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하는 신호 검출 및 전처리부; 상기 신호 검출 및 전처리부로부터 수신된 심전도 신호에서 DC 성분제거을 제거하는 고역통과 필터; 상기 고역통과 필터에서 심전도신호 수신하며, 상기 신호 검출 및 전처리부로부터 가속도 신호를 수신하여, 심전도 신호를 주 입력 신호로, 가속센서로부터 수집되는 신호를 참조 신호로 하여, 적응 동잡음 제거 알고리즘에 의해 심전도신호에 포함된 동잡음 신호를 제거하는 동잡음 제거부; 상기 동잡음 제거부로부터로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여 특정 점을 검출하는 특징점 검출부; 상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하는 것을 특징으로 한다.
상기 특징점 검출부는, 입력된 심전도 신호를 블록 단위로 FFT를 수행 한 것과 미리 FFT를 수행한 특정 점 검출 임펄스 응답(wavelet function)과의 주파수 빈 별로 곱한 결과를 역 FFT(IFFT)를 수행한다.
상기 적응 동잡음 알고리즘은 NLMS(Normalized Least Mean Square) 알고리즘이다.
상기 운동리듬 분석부로부터 분석된 결과를 수신하여 출력하는 출력부를 더 구비한다.
상기 특징점 검출부는, 특징점 검출신호로서 QRS파를 검출한 결과신호를
Figure 112010063038926-pat00001
(여기서 YQRS(W)는 특징점 검출신호로서 QRS 신호를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WQRS(W)는 특징점 검출신호로서 QRS 신호를 검출하기 위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여진다.
상기 특징점 검출부는, 특징점 검출신호로서 T파를 검출한 결과신호를
Figure 112010063038926-pat00002
(여기서 YT(W)는 특징점 검출신호로서 T파를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WT(W)는 특징점 검출신호로서 T파를 검출하기위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여진다.
상기 특징점 검출부는, PVC를 검출한 결과신호를
Figure 112010063038926-pat00003
(여기서 YPVC(W)는 특징점 검출신호로서 PVC를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WPVC(W)는 특징점 검출신호로서 PVC파를 검출하기 위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여진다.
상기 특징점 검출부는, 현재 특정 점 검출을 수행 한 최대 값의 70%를 제1문턱치로 하고, 현재 특정 점 검출을 수행 한 최대 값의 30%를 제2문턱치로 하고, 제1 문턱 치보다 큰 값을 얻게 되면 특정 점 검출이 되었다고 판단하며, 제2문턱치보다 큰 값을 얻게 되면 검출 위치에서 얻은 RR 간격이 평균 RR 간격의 95%~105% 이내에 존재하는지를 판단하여 존재하면, 다음 특정 점이 검출 되었다고 판단하는 것을 특징으로 한다.
본 발명의 운동리듬 분석 방법은, 현재 얻은 RR간격(x)이 100보다 작은 지를 판단하는 빈맥판단단계; 빈맥판단단계에서, 현재 얻은 RR간격이 100보다 작다면, 60 보다 큰지를 판단하며, 60이하 이면 서맥으로 분류하며, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여, 이를 벗어나면 서맥이면서 부정맥으로 분류하며, 벗어나지 않았다면, 서맥으로 분류하는 서맥판정단계;를 포함하는 것을 특징으로 한다.
빈맥판단단계에서 현재 얻은 RR간격(x)이 100이상으로 빈맥으로 분류되고, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여, 벗어나면 빈맥이면서 부정맥으로 분류하며(S210), 벗어나지 않았다면, 빈맥으로 분류하는.빈맥 및 부정맥 판단단계; 를 포함한다.
서맥판단단계에서 현재 얻은 RR간격(x)이 60 보다 크다면, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여(S190), 벗어나면 부정맥으로 분류하며(S180), 벗어나지 않았다면, 빈맥으로 분류한다 부정맥판단단계를 포함한다.
본 발명의 운동리듬 분석 방법 및 장치는, 운동 중에 실시간으로 수집되는 생체신호(ECG)로부터, 동잡음, 센서 접촉 잡음, 임펄스 잡음 등에도 보다 정확한 사용자 상태 정보, 운동리듬 정보를 검출하여 제공한다.
또한, 본 발명의 운동리듬 분석 방법 및 장치는, 생체신호가 갖는 이산 웨이블릿 변환 분해레벨 의 임펄스 응답을 이용하여 잡음에 강하면서도 연산량을 줄이고 실시간으로 사용자 상태 정보, 운동리듬 정보를 검출하여 제공한다.
또한, 본 발명의 운동리듬 분석 방법 및 장치는, 적은 연산량으로 이산 웨이블릿 변환의 결과를 근사화함으로써 생체신호의 효과적인 분석과 보다 빠른 실시간 구현이 가능하게 하였다.
특히, 본 발명의 운동리듬 분석 방법 및 장치는, 생체신호 분석을 위한 이산 웨이블릿 변환의 분해 레벨에 대해 임펄스 응답을 구하고, 구하여진 임펄스 응답을 이용하되, FFT를 이용한 페스트 컨볼루션(Fast Convolution) 방법을 이용하여, 적은 연산량으로 이산 웨이블릿 변환의 결과를 근사화함으로써 생체신호의 효과적인 분석과 보다 빠른 실시간 구현이 가능하다.
도 1은 일반적인 이산 웨이블릿 변환의 주파수 분해에 대한 블록선도의 일례이다.
도 2는 도 1에서 얻어진 각 레벨에 대한 주파수 대역폭을 설명하기위한 설명도이다.
도 3은 도1에 대한 이산 웨이블릿 변환의 주파수 합성에 대한 블록선도이다.
도 4는 본 발명의 운동리듬 분석 장치의 구성을 개략적으로 설명하는 블럭선도 이다.
도 5는 본 발명에서 DC 성분제거 및 동잡음 제거를 포함하는 필터처리에 대한 설명도이다.
도 6은 동잡음 알고리즘의 일예이다.
도 7은 본 발명의 일실시예에 의한 특정 점 검출을 위한 블록선도이다.
도 8은 FFT(Fast Fourier Transform) 도표(
Figure 112013017945925-pat00004
)의 일예 를 나타낸 것이다.
도 9는 본 발명에서 생체 신호와 특징점(QRS 신호) 검출신호의 일예이다.
도 10은 본 발명에서 생체 신호와 특징점(PVC 신호) 검출신호의 일예이다.
도 11은 본 발명에서 RR간격(RR interval)을 통한 운동리듬 분석방법의 일예이다.
본 발명의 운동리듬 분석 방법 및 장치를 설명하기에 앞서, 본 발명에서 적용하는 이산 웨이블릿 변환 분해레벨의 임펄스 응답에 관해 간략히 설명한다.
이하, 본 발명에서 특징점이라 함은 QRS파, T파, PVC(즉, QRS 파와 T 파)를 말한다. 본 발명에서 운동리듬 분석이란, 운동 중 리듬분석으로, 즉 운동 중 검출된 생체 신호로부터 사용자의 상태를 연속적으로 분석하는 것을 의미한다.
도 1은 일반적인 이산 웨이블릿 변환의 일례이고, 도 2는 도 1에서 얻어진 각 레벨에 대한 주파수 대역폭을 설명하기위한 설명도이며, 도 3은 도1에 대한 이산 웨이블릿 변환의 주파수 합성에 대한 블록선도이다.
일반적인 이산 웨이블릿 변환은 고역 통과 필터(High Pass Filter)와 저역 통과 필터(Low Pass Filter)를 이용한 다음, 도 1과 같은 tree 구조로 구성되어 있다. 도 1은 이산 웨이블릿 변환의 주파수 분해(Decomposition)를 나타내고 있으며, 합성(Reconstruction) 부분은 분해 구조와 대칭적인 구조를 갖고 있다. 다시말해, 도 1에서, 이산 웨이블릿 변환은 저역 통과 필터와 고역 통과 필터와 다운 샘플링으로 구성되어 있으며, 전체적으로는 이진 트리 구조로 표현된다. 입력 신호는 고역 및 저역 필터를 통과한 뒤 다운 샘플링 되어 서브밴드 신호를 갖게된다. 이때 저역 필터의 출력 신호는 다음 레벨(level) 분해를 위한 입력 신호로 사용된다. 이때 각 레벨(도1에서 Lv1 내지 Lv4)에 대한 주파수 대역폭은 이전 level의 최대 주파수의 절반(예를들어, 레벨1(Lv1)의 주파수 대역폭은 최대 주파수(fN)의 절반 (fN/2) 임)을 취하게 되는데 도 2와 같다.
이산 웨이블릿 변환 이용하여 생체 신호를 분석하기 위해서 N level의 분해(N level Decomposition)를 한다면 총 4N번의 필터를 통과해야 한다. 다시말해, 이산 웨이블릿 변환을 통해 생체 신호를 분석할 때에는 도 1과 같은 구조를 통해 주파수 영역으로 분활한 뒤에 도 3와 같은 구조로 합성하게 된다. 이때 N level 분해를 한다는 것은 도 1에서 주파수 영역 신호가 N개 얻는다는 것과 같다.(도 1에서는 4 level 분해를 한 것과 같다) 즉, N개의 서브밴드 신호를 얻는 것이다. 도 1로부터 알 수 있듯이 1 level 분해를 하기 위해서는 2개의 필터가 필요하게 되며, N level의 분해를 하기 위해서는 2N개의 필터가 필요하게 된다. 또한, 다시 합성하여 출력 신호를 얻기 위해서는 분해 단과 동일하게 2N개의 필터가 필요하게 된다. 따라서 생체 신호에서 특정 주파수 영역 신호를 얻기 위해서는 4N개의 필터가 필요하다.
그러므로, 생체신호 분석을 위한 이산 웨이블릿 변환의 분해 레벨에 대해 임펄스 응답을 구하고, 이때 얻어진 임펄스 응답을 이용하면 하나의 필터를 이용하는 것만으로도 4N번의 필터를 통과한 결과를 근사화시킬 수 있다.
그러나, 비록 한 번의 필터 연산을 하더라도 실시간을 위해서는 여전이 연산량의 부담이 있다. 이를 위해 FFT를 이용한 페스트 컨볼루션(Fast Convolution) 방법을 이용하여 연산량을 최소화할 수 있다.
따라서 본 발명에서는 생체신호 분석을 위한 이산 웨이블릿 변환의 분해 레벨에 대해 임펄스 응답을 구하고, 구하여진 임펄스 응답을 이용하되, FFT를 이용한 페스트 컨볼루션(Fast Convolution) 방법을 이용하여 연산량을 최소화한다.
이를 부연설명하면, 미지(Unknown)의 시스템을 분석하기 위해서는 일반적으로 임펄스 신호를 입력으로 하여 임펄스 응답을 구하는데, 이때 얻은 임펄스 응답과 시스템 입력 신호와의 합성 곱(convolution, 컨볼루션)을 수행한 결과는 시스템 출력 신호와 동일하다. 이러한 사실을 기반으로 특정 대역폭을 갖는 이산 웨이블릿 변환의 임펄스 응답과 생체 신호와의 합성 곱(컨볼루션) 연산은 이산 웨이블릿 변환의 결과와 비슷한 결과를 얻을 수 있다. 이것으로부터 한번의 합성 곱 연산을 통하여 4N번의 필터를 통과하는 결과를 근사화할 수 있다.
표 1은 일반적인 컨볼루션과 페스트 컨볼루션의 연산량으로서, N개의 샘플을 갖는 두 신호의 컨볼루션하기 위해 필요한 연산량을 나타낸다.
Figure 112010063038926-pat00005
시간 영역에서의 컨볼루션은 주파수 영역에서의 곱(컨볼루션)과 같은 이론적 사실을 기반으로 페스트 컨볼루션은 두 신호를 각각 FFT 한 뒤에 주파수 영역에서 주파수 빈 별로 곱한 결과를 IFFT함으로써 컨볼루션과 동일한 결과를 얻을 수 있다. 한번의 FFT 연산은
Figure 112010063038926-pat00006
의 덧셈과 곱셈이 필요하며, 주파수 빈별로의 곱은 N번의 곱셈이 필요하고, IFFT 연산은 FFT와 동일한 연산량을 갖는다.
표 1은 두 신호에 대한 연산을 비교한 것으로 본 발명에서는 고정된 임펄스 응답을 사용하기 때문에 페스트 컨볼루션의 연산량은 3Nlog2N의 덧셈 연산과
Figure 112010063038926-pat00007
번의 곱셈 연산으로 표현할 수 있으며, 페스트 컨볼루션의 장점으로서, 여러 개의 특정 점 검출에서의 연산량을 더욱 줄어든다는 것을 알 수 있다. 만약 3개의 특정 점을 검출한다면, 일반적인 필터의 연산량은
Figure 112010063038926-pat00008
의 덧셈과 곱셈이 필요하지만 페스트 컨볼루션은
Figure 112010063038926-pat00009
의 덧셈과 곱셈이 필요하다. 따라서, 본 발명은 적은 연산량으로 이산 웨이블릿 변환의 결과를 근사화 함으로써 생체신호의 효과적인 분석과 실시간 구현을 가능하도록 하였다.
도 4는 본 발명의 운동리듬 분석 장치의 구성을 개략적으로 설명하는 블럭선도이다. 본 발명의 운동리듬 분석 장치는 운동 중에 수집된 생체 신호를 입력으로 받아 전처리 과정을 통해 사전에 제거 가능한 잡음을 제거한 뒤에 특정 점 검출 알고리즘을 통해서 생체신호 분석에 필요한 특정 점을 검출하며, 검출된 특정 점은 리듬 분석을 통해 사용자 상태를 분석한 뒤에 생체 정보를 전송하도록 이루어진다.
신호검출부(10)는 심전도 전극부(미도시)를 구비하여, 사용자의 심전도를 검출하며, 가속도센서(미도시)를 구비하여, 움직임 신호(가속도 신호)를 검출한다.
신호 전처리부(20)는 전치리 필터부(미도시), 증폭부(미도시), A/D변환부(미도시)를 구비하며, 신호검출부(10)로부터 검출된 심전도 신호 및 움직임 신호에서 DC 성분제거 등 사전에 제거 가능한 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하여, 연산처리부(100)으로 전송한다.
전치리 필터부(미도시)는 DC 성분제거용 고역 통과 필터를 포함하여, 신호검출부(10)로부터 검출된 신호들에서 DC 성분을 제거한다. 여기서 DC 성분제거용 고역 통과 필터로서 1Hz의 고역 통과 필터를 이용할 수 있으며, 여기서 DC 성분제거용 고역 통과 필터는 아날로그 필터로 구성되나, 경우에 따라서 디지털 필터로 구성되어 동잡음 제거부(40)의 앞단에 위치될 수 있다.
연산처리부(100)는 동잡음 제거부(40), 특징점 검출부(60), 운동리듬 분석부(80), 출력부(120)를 포함하여, 신호검출부(10)로부터 검출된 신호로부터 사용자 상태를 분석한다. 연산처리부(100)는 마이크로프로세서로 이루어질 수 있다.
동잡음 제거부(40)는 신호 전처리부(20)에서 수신된 신호, 즉 전치리 필터부의 DC 성분제거용 고역 통과 필터를 통과한 신호를 수신하여, 적응 동잡음 제거 알고리즘을 통해 생체신호에 포함된 동잡음 신호를 제거한다. 적응 동잡음 알고리즘은 생체 신호를 주 입력 신호로, 가속센서로부터 수집되는 신호를 참조 신호로 하여 NLMS(Normalized Least Mean Square) 알고리즘을 사용하여 동잡음 신호를 제거할 수 있다. 경우에 따라서 동잡음 제거부(40)는 생략되어질 수 있다.
특징점 검출부(60)는 동잡음 제거부(40)로부터 수신된 심전도 신호로부터 특정 점 검출 알고리즘을 통해서 생체신호 분석에 필요한 특정 점을 검출한다.
운동리듬 분석부(80)은 특징점 검출부(60)에서 검출된 특정 점은 리듬 분석을 통해 사용자 상태를 분석한다.
출력부(120)는 운동리듬 분석부(80)로부터 분석된 결과를 수신하여 출력한다.
도 5는 본 발명에서 DC 성분제거 및 동잡음 제거를 포함하는 필터처리에 대한 설명도이다.
본 발명에서 필터링은 DC 성분제거용 고역 통과 필터(30) 및 동잡음 제거부(40)에서 이루어지는데, DC 성분제거용 고역 통과 필터(30)는 아날로그 필터로 이루어질 수 있으며, 경우에 따라서 디지털 필터로 이루어질 수 있다. 또한 동잡음 제거부(40)는 경우에 따라서 생략될 수도 있으며, 또한 경우에 따라서 동잡음 제거부(40)의 위치가 달라 질 수 있다. 즉, 본 발명에서는 적응 동잡음 제거 알고리즘은 선택사항으로 두었다. 그것은 운동 중에 생체신호를 수집하더라도 하드웨어의 특성 및 수집되는 위치에 따라서 동잡음이 특정 점 검출에 미치는 영향이 달라지기 때문이다
본 발명에서 적응 동잡음 제거 알고리즘은 도 6과 같은 일반적으로 이용되는 알고리즘을 이용한다. 즉, 본 발명에서 추가적으로 동잡음 제거 알고리듬을 사용한다면, 도 6에서와 같이, 생체 신호를 주 입력 신호로, 가속센서로부터 수집되는 신호를 참조 신호로 하되, 가속도 신호 x,y,z를 이용하여 생체 신호에 포함된 동잡음 신호를 제거하며, 이때 적응 알고리듬으로는 일반적으로 구조가 간단하고 빠른 수렴 성능을 보이는 NLMS 알고리듬을 사용한다. NLMS 알고리듬은 공지된 기술로, 여기서 상세한 설명은 생략한다.
도 7은 본 발명의 일실시예에 의한 특정 점 검출을 위한 블록선도이다.
본 발명에서는 Q, R, S, T 파로 이루어진 심전도신호 중, QRS complex와 T 파의 끝나는 지점(T end)을 검출하되, 도 7의 특정 점 검출방법을 이용하여 검출한다.
도 7에서, 입력 신호를 블록 단위로 FFT를 수행 한 것과 미리 FFT를 수행한 특정 점 검출 임펄스 응답(wavelet function)과의 주파수 빈 별로 곱한 결과를 IFFT를 수행한다. 이때 얻어진 신호는 검출하려는 특정 점 주파수 대역의 SNR이 크게 나타나기 때문에 특정 점 검출에 용이하다. 도 7은 페스트 컨볼루션(Fast Convolution)을 하는 과정을 블록선도로 나타낸 것으로, IFFT를 수행한 결과는 시간 영역에서 컨볼루션(Convolution) 연산을 수행한 것과 같은 결과를 나타낸다.
도 8은 FFT(Fast Fourier Transform) 도표(
Figure 112010063038926-pat00010
)의 일예 를 나타낸 것으로, 페스트 컨볼루션을 가능하게 하는 FFT는 버터플라이(butterfly) 구조를 갖고 있다.
도 9는 본 발명에서 생체 신호와 특징점(QRS 신호) 검출신호의 일예이다. 도 9는 생체 신호로서 심전도 신호(도 9에서 ECG signal)를 입력하여, 특징점 검출신호로서, QRS 신호(도 9에서 Filter Output)를 검출한 결과의 일예이다. QRS 신호의 위치를 정확하게 검출하는 것을 도 9를 통해 알 수 있다. 즉, 도 9는 QRS 검출을 용이하게 하기 위해서 QRS 주파수 대역의 SNR을 크게 한 결과로 QRS 에서만 큰 값을 갖는다.
다음은 입력 생체신호로부터 특정 점 대역의 SNR을 높이는 과정을 수식으로 설명하면 다음과 같다.
입력 생체 신호(x(n))와 주파수 변환된 신호(X(w))는 다음과 같이 나타낼 수 있다.
Figure 112010063038926-pat00011
여기서, x(n)는 입력 생체 신호로, N개의 샘플로 이루어진다. X(w)는 입력 생체 신호(x(n))의 FFT를 취하여 얻어진 주파수 변환된 생체 신호이다.
다음은 QRS, T 그리고 PVC(즉, QRS 파(complex)와 T 파)와 같은 특정 점 검출을 위한 임펄스 응답과 입력 신호와의 주파수 빈별로 곱을 보이고 있다. n은 시간 인덱스 이며, N은 FFT 사이즈 이다.
Figure 112010063038926-pat00012
여기서 YQRS(W)는 특징점 검출신호로서 QRS 신호를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WQRS(W)는 특징점 검출신호로서 QRS 신호를 검출하기위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과이다. QRS 파 특정 점 검출을 위한 임펄스 응답(WQRS(W))과 입력 신호와의 주파수 빈별(X(W))로 곱으로, 특징점 검출신호로서 QRS파를 검출한 결과신호(YQRS(W))를 얻을 수 있다.
Figure 112010063038926-pat00013
여기서 YT(W)는 특징점 검출신호로서 T파를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WT(W)는 특징점 검출신호로서 T파를 검출하기위한 임펄스 응답(웨이블렛 함수)이다. T파 특정 점 검출을 위한 임펄스 응답(WT(W))과 입력 신호와의 주파수 빈별(X(W))로 곱으로, 특징점 검출신호로서 T파를 검출한 결과신호YT(W)를 얻을 수 있다.
Figure 112010063038926-pat00014
여기서 YPVC(W)는 특징점 검출신호로서 PVC를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WPVC(W)는 특징점 검출신호로서 PVC파를 검출하기 위한 임펄스 응답(웨이블렛 함수)이다. PVC파 특정 점 검출을 위한 임펄스 응답(WPVC(W))과 입력 신호와의 주파수 빈별(X(W))로 곱으로, 특징점 검출신호로서 PVC파를 검출한 결과신호YPVC(W)를 얻을 수 있다.
여기서, 는
Figure 112010063038926-pat00016
를 주파수 변환된 것으로 주파수 도메인 상의 값이며, 따라서 구하여진 YQRS(W), YT(W), YPVC(W)도 주파수 도메인 상의 값이다. 그러므로, YQRS(W), YT(W), YPVC(W)을 시간 도메인(시간 축)상의 값으로 변환하기위해 역 페스트 프리에 변환(iFFT)가 필요하다. 따라서 다음은 주파수 빈별로 SNR을 높인 신호를 시간 축으로 변환한 것을 나타낸다.
Figure 112010063038926-pat00017
Figure 112010063038926-pat00018
Figure 112010063038926-pat00019
이렇게 각 특정 점에 대해 SNR을 크게 한 신호를 이용하여 2개의 가변 문턱치를 사용하는 Decision Rule로부터 특정 점 검출을 수행한다. YQRS(n)로부터 R파와 Q파를 검출하며, YT(n)로부터 T파가 검출된다. 이들 특정 점을 이용하면 RR interval과 QT inverval 정보를 얻을 수 있다. YPVC(n)는 PVC가 발생 하였는지를 판단하는 기준이 된다. 이렇게 얻어진 정보들은 리듬 분석을 통해 사용자의 생체 정보를 얻을 수 있다.
부연설명하면, 특정 점 검출을 위해 SNR을 크게 한 신호의 최대 값을 특정 점이라 가정한다면, 다음 특정 점 검출을 위해서 2개의 가변 문턱 치를 사용하는데, 이들 가변 문턱 치들로서, 현재 특정 점 검출을 수행 한 최대 값의 70%와 30%로 설정하여, 특정 점 검출을 실시한다. 이때 70%로 설정한 문턱 치보다 큰 값을 얻게 되면 특정 점 검출이 되었다고 판단하며, 30%보다 큰 값을 얻게 되면 잡음에 의한 영향일 가능성이 있기 때문에 검출 위치에서 얻은 RR interval이 평균 RR interval의 95%~105% 이내에 존재하면 다음 특정 점이 검출 되었다고 판단한다.
또한, YQRS(n)는 QRS 검출을 위해 QRS 대역의 SNR을 크게 한 결과이며, YT(n)은 T end 위치를 얻기 위해서 T파 대역의 SNR을 크게 한 결과이다. 이때, 이산 웨이블릿 변환의 3, 4 그리고 5 대역을 취하게 되면 QRS 검출에 용이하다는 사실을 기반으로 본 발명에서는 이와 같은 특성을 갖는 이산 웨이블릿 변환의 임펄스 응답을 FFT한 WQRS(W)을 사전에 연산하여 테이블로 갖고 있는다. 입력 신호를 주파수 변환한 X(w)와 WQRS(W)를 곱하여 QRS 대역의 SNR을 높게 하여 다시 IFFT를 이용하여 시간 영역으로 변환하면 QRS 영역에서만 큰 값을 갖는 YQRS(n)을 얻는다. T파는 3~10Hz 대역에 분포하기 때문에 T파 영역에서 SNR을 높이기 위해 WT(W)는 3~10Hz 대역 신호만을 얻을 수 있도록 사전에 얻은 값으로 X(w)와 곱한 뒤에 IFFT를 수행 하여 T파 에서만 큰 값을 갖는 YT(n)을 얻는다.
도 10은 본 발명에서 생체 신호와 특징점(PVC 신호) 검출신호의 일예이다. 도 10은 생체 신호로서 심전도 신호(도 10에서 ECG signal)를 입력하여, 특징점 검출신호로서, PVC 신호(도 10에서 Filter Output)를 검출한 결과의 일예이다. 이산 웨이블릿 변환의 2, 3 그리고 4 번째 level만을 취하면 PVC가 발생한 부분에서 다음 도 10과 같이 큰 값을 갖게 된다. 이것으로부터 PVC의 발생 유무를 판단 할 수 있다. 따라서 이러한 주파수 대역을 취하는 이산 웨이블릿 변환의 임펄스 응답을 구하여 주파수 변환한 WPVC(W)을 사전에 구하여 주파수 변환한 생체 신호 X(w)와 곱하여 PVC 검출을 수행한다.
다음 수학식 8은 리듬 분석을 위해 전송하는 신호이다.
Figure 112010063038926-pat00020
수학식 8로부터 얻어진 생체 정보는 리듬 분석을 통해 다양한 생체 정보를 제공해 준다.
도 11은 본 발명에서 RR간격(RR interval)을 통한 운동리듬 분석방법의 일예이다.
RR간격은 시간으로 환산되며, 리듬 분석을 위해 BPM (Beat Per Minute, 분당 맥박수) 으로 변환한다.
BPM=60/RR간격시간 으로 얻을 수 있다.
RR간격 수신단계로, 현재 얻은 RR간격을 수신하며, RR간격의 평균값을 읽어들인다(S100). 즉, 도11에서, x는 현재 얻은 RR interval을 나타내는 BPM(x=현재 RR 간격의 BPM)이며, y는 이전 5번의 RR interval의 평균 값이다.
빈맥판단단계로, RR간격 수신단계에서 입력된 현재 얻은 RR간격의 BPM(x)이 100BPM (또는 120BPM, 0.5sec)보다 작은 지를 판단하여(S110), 현재 얻은 RR간격의 BPM(x)이 100BPM (또는 120BPM, 0.5sec)이상이면 빈맥으로 S190 단계로 간다.
서맥판단단계로, RR간격 수신단계에서 입력된 현재 얻은 RR간격의 BPM(x)이 100BPM (또는 120BPM, 0.5sec)보다 작다면, 60BPM (또는 32BPM, 1.87sec)보다 큰지를 판단하며(S120), 60BPM (또는 32BPM, 1.87sec)이하 이면 서맥으로 분류한다. 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여(S150), 이를 벗어나면 서맥이면서 부정맥으로 분류하며(S160), 이를 벗어나지 않았다면, 서맥으로 분류한다(S170).
빈맥 및 부정맥 판단단계로, 빈맥판단단계에서 현재 얻은 RR간격(x)이 100BPM (또는 120BPM, 0.5sec)이상으로 빈맥으로 분류되고, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여(S190), 이를 벗어나면 빈맥이면서 부정맥으로 분류하며(S210), 이를 벗어나지 않았다면, 빈맥으로 분류한다(S200).
부정맥판단단계로, 서맥판단단계에서 현재 얻은 RR간격(x)이 60(32BPM, 1.87sec)보다 크다면, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여(S190), 이를 벗어나면 부정맥으로 분류하며(S180), 이를 벗어나지 않았다면, 빈맥으로 분류한다(S140).
10: 신호검출부 20:신호전처리부 30:고역통과필터
40: 동잡음 제거부 60: 특징점 검출부 80:운동리듬 분석부
100:연산처리부 120: 출력부

Claims (14)

  1. 운동 중 검출된 사용자의 생체 신호로부터 사용자의 상태를 연속적으로 분석하는 운동리듬 분석 장치에 있어서,
    심전도 전극부 및 가속도센서를 구비하여 심전도신호를 검출하고 검출된 심전도신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하는 신호 검출 및 전처리부;
    상기 신호 검출 및 전처리부로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여, 특정 점으로서 QRS파, T파, PVC(QRS 파와 T 파) 중 하나 이상을 검출하는 특징점 검출부;
    상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하여 이루어지며,
    상기 특징점 검출부는,
    입력된 심전도 신호를 블록 단위로 FFT를 수행한 것과 미리 FFT를 수행한 특정 점 검출 임펄스 응답(wavelet function)과의 주파수 빈 별로 곱한 결과를 역 FFT(IFFT)를 수행하도록 이루어지되,
    특징점 검출신호로서 QRS파를 검출한 결과신호를
    Figure 112013017945925-pat00035

    (여기서 YQRS(W)는 특징점 검출신호로서 QRS 신호를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WQRS(W)는 특징점 검출신호로서 QRS 신호를 검출하기 위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
    에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여지는 것을 특징으로 하는 운동리듬 분석장치.
  2. 운동 중 검출된 사용자의 생체 신호로부터 사용자의 상태를 연속적으로 분석하는 운동리듬 분석 장치에 있어서,
    심전도 전극부 및 가속도센서를 구비하여 심전도신호 및 가속도 신호를 검출하는 신호검출부;
    상기 신호검출부로부터 수신된 심전도신호 및 가속도 신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하되, 신호검출부로부터 검출된 심전도 신호에서 DC 성분을 제거하는 고역통과 필터를 구비하는 신호 전처리부;
    상기 신호 전처리부에서 심전도신호 및 가속도 신호를 수신하여, 심전도 신호를 주 입력 신호로, 가속센서로부터 수집되는 신호를 참조 신호로 하여, 적응 동잡음 제거 알고리즘에 의해 심전도신호에 포함된 동잡음 신호를 제거하는 동잡음 제거부;
    상기 동잡음 제거부로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여, 특정 점으로서 QRS파, T파, PVC(QRS 파와 T 파) 중 하나 이상을 검출하는 특징점 검출부;
    상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하여 이루어지며,
    상기 특징점 검출부는,
    입력된 심전도 신호를 블록 단위로 FFT를 수행한 것과 미리 FFT를 수행한 특정 점 검출 임펄스 응답(wavelet function)과의 주파수 빈 별로 곱한 결과를 역 FFT(IFFT)를 수행하도록 이루어지되,
    특징점 검출신호로서 QRS파를 검출한 결과신호를
    Figure 112013017945925-pat00036

    (여기서 YQRS(W)는 특징점 검출신호로서 QRS 신호를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WQRS(W)는 특징점 검출신호로서 QRS 신호를 검출하기 위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
    에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여지는 것을 특징으로 하는 운동리듬 분석장치.
  3. 운동 중 검출된 사용자의 생체 신호로부터 사용자의 상태를 연속적으로 분석하는 운동리듬 분석 장치에 있어서,
    심전도 전극부 및 가속도센서를 구비하여 심전도신호를 검출하고 검출된 심전도신호에서 잡음을 제거하고, 증폭하여, 디지탈신호로 변환하는 신호 검출 및 전처리부;
    상기 신호 검출 및 전처리부로부터 수신된 심전도 신호에서 DC 성분을 제거하는 고역통과 필터;
    상기 고역통과 필터에서 심전도신호 수신하며, 상기 신호 검출 및 전처리부로부터 가속도 신호를 수신하여, 심전도 신호를 주 입력 신호로, 가속센서로부터 수집되는 신호를 참조 신호로 하여, 적응 동잡음 제거 알고리즘에 의해 심전도신호에 포함된 동잡음 신호를 제거하는 동잡음 제거부;
    상기 동잡음 제거부로부터 수신된 심전도 신호로부터 심전도신호가 갖는 이산 웨이블릿 변환 분해레벨의 임펄스 응답을 이용하여, 특정 점으로서 QRS파, T파, PVC(QRS 파와 T 파) 중 하나 이상을 검출하는 특징점 검출부;
    상기 특징점 검출부에서 검출된 특정 점에서 운동리듬 분석을 통해 사용자 상태를 분석하는 운동리듬 분석부;를 포함하여 이루어지며,
    상기 특징점 검출부는,
    입력된 심전도 신호를 블록 단위로 FFT를 수행한 것과 미리 FFT를 수행한 특정 점 검출 임펄스 응답(wavelet function)과의 주파수 빈 별로 곱한 결과를 역 FFT(IFFT)를 수행하도록 이루어지되,
    특징점 검출신호로서 QRS파를 검출한 결과신호를
    Figure 112013017945925-pat00037

    (여기서 YQRS(W)는 특징점 검출신호로서 QRS 신호를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WQRS(W)는 특징점 검출신호로서 QRS 신호를 검출하기 위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
    에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여지는 것을 특징으로 하는 운동리듬 분석장치.
  4. 삭제
  5. 제2항 또는 제3항 중 어느 한 항에 있어서,
    상기 적응 동잡음 알고리즘은 NLMS(Normalized Least Mean Square) 알고리즘인 것을 특징으로 하는 운동리듬 분석장치.
  6. 제2항 또는 제3항 중 어느 한 항에 있어서,
    상기 고역 통과 필터는 차단 주파수가 1Hz인 것을 특징으로 하는 운동리듬 분석 장치.
  7. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 운동리듬 분석부로부터 분석된 결과를 수신하여 출력하는 출력부를 더 구비하는 것을 특징으로 하는 운동리듬 분석장치.
  8. 삭제
  9. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 특징점 검출부는, 특징점 검출신호로서 T파를 검출한 결과신호를
    Figure 112010063038926-pat00022

    (여기서 YT(W)는 특징점 검출신호로서 T파를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WT(W)는 특징점 검출신호로서 T파를 검출하기위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
    에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여지는 것을 특징으로 하는 운동리듬 분석장치.
  10. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 특징점 검출부는, PVC를 검출한 결과신호를
    Figure 112010063038926-pat00023

    (여기서 YPVC(W)는 특징점 검출신호로서 PVC를 검출한 결과신호이며, X(W)는 입력 생체 신호로서 심전도 신호의 FFT를 취하여진 신호이며, WPVC(W)는 특징점 검출신호로서 PVC파를 검출하기 위한 임펄스 응답(웨이블렛 함수)으로, 미리 FFT 연산한 결과임)
    에 의해 얻어진 결과를 역 FFT(IFFT)를 수행함에 의해 구하여지는 것을 특징으로 하는 운동리듬 분석장치.
  11. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 특징점 검출부는, 현재 특정 점 검출을 수행 한 최대 값의 70%를 제1문턱치로 하고, 현재 특정 점 검출을 수행 한 최대 값의 30%를 제2문턱치로 하고,
    제1 문턱 치보다 큰 값을 얻게 되면 특정 점 검출이 되었다고 판단하며,
    제2문턱치보다 큰 값을 얻게 되면 검출 위치에서 얻은 RR 간격이 평균 RR 간격의 95%~105% 이내에 존재하는지를 판단하여 존재하면, 다음 특정 점이 검출 되었다고 판단하는 것을 특징으로 하는 운동리듬 분석 장치.
  12. 제1항 내지 제3항 중 어느 한 항에 있어서,
    운동리듬 분석부는,
    현재 얻은 RR간격으로 나타내지는 BPM(x)이 32BPM 이하라면, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여, 벗어났다면 서맥이면서 부정맥으로 분류하고, 벗어나지 않았다면 서맥으로 분류하도록 이루어진 것을 특징으로 하는 운동리듬 분석 장치.
  13. 제1항 내지 제3항 중 어느 한 항에 있어서,
    운동리듬 분석부는,
    현재 얻은 RR간격으로 나타내지는 BPM(x)이 120BPM 이상이라면, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여, 벗어나면 빈맥이면서 부정맥으로 분류하며, 벗어나지 않았다면, 빈맥으로 분류하도록 이루어진 것을 특징으로 하는 운동리듬 분석 장치.
  14. 제1항 내지 제3항 중 어느 한 항에 있어서,
    운동리듬 분석부는,
    현재 얻은 RR간격으로 나타내지는 BPM(x)이 120BPM보다 작으며, 32BPM보다 크다면, 현재 RR 간격 값이 이전 5점 RR interval 평균의 92%(제1문턱치)와 116%사이(제2문턱치)에서 벗어났는지를 판단하여, 벗어나면 부정맥으로 분류하며, 벗어나지 않았다면, 빈맥으로 분류하도록 이루어진 것을 특징으로 하는 운동리듬 분석 장치.
KR1020100094908A 2010-09-30 2010-09-30 이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석 KR101301304B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100094908A KR101301304B1 (ko) 2010-09-30 2010-09-30 이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100094908A KR101301304B1 (ko) 2010-09-30 2010-09-30 이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석

Publications (2)

Publication Number Publication Date
KR20120033411A KR20120033411A (ko) 2012-04-09
KR101301304B1 true KR101301304B1 (ko) 2013-08-28

Family

ID=46136172

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100094908A KR101301304B1 (ko) 2010-09-30 2010-09-30 이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석

Country Status (1)

Country Link
KR (1) KR101301304B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10448896B2 (en) 2014-07-14 2019-10-22 Samsung Electronics Co., Ltd. Method and apparatus for processing bio-signals using recursive estimation
WO2020105836A1 (ko) * 2018-11-20 2020-05-28 한국과학기술원 연속파 도플러 레이더 기반 고정확도 실시간 심장 박동 수 측정 방법 및 그 레이더 시스템

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101510522B1 (ko) * 2013-07-17 2015-04-10 건국대학교 산학협력단 심전도 신호 분류 시스템
KR102414869B1 (ko) * 2018-02-06 2022-07-01 한국전자기술연구원 심장제세동기를 위한 트리 구조의 부정맥 검출 신호처리 방법 및 시스템
KR101902152B1 (ko) * 2018-04-11 2018-09-27 장재형 포스트 가드 통합 관리 시스템 및 그 방법
CN108720832B (zh) * 2018-05-30 2021-11-12 京东方科技集团股份有限公司 一种心电信号处理方法及装置
CN110974196A (zh) * 2019-12-13 2020-04-10 福州大学 一种运动状态下非接触式的呼吸和心率检测方法
KR102638562B1 (ko) * 2021-12-08 2024-02-20 한국항공대학교산학협력단 연속 웨이블릿 변환 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060117545A (ko) * 2005-05-11 2006-11-17 인하대학교 산학협력단 심전도 신호의 특징추출방법
KR20060129178A (ko) * 2003-09-12 2006-12-15 보디미디어 인코퍼레이티드 심장 관련 파라미터를 측정하기 위한 방법 및 장치
KR20070014251A (ko) * 2005-07-28 2007-02-01 연세대학교 산학협력단 동적 외란을 가진 이동 생체 신호의 전송과 아티팩트 보상시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060129178A (ko) * 2003-09-12 2006-12-15 보디미디어 인코퍼레이티드 심장 관련 파라미터를 측정하기 위한 방법 및 장치
KR20060117545A (ko) * 2005-05-11 2006-11-17 인하대학교 산학협력단 심전도 신호의 특징추출방법
KR20070014251A (ko) * 2005-07-28 2007-02-01 연세대학교 산학협력단 동적 외란을 가진 이동 생체 신호의 전송과 아티팩트 보상시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10448896B2 (en) 2014-07-14 2019-10-22 Samsung Electronics Co., Ltd. Method and apparatus for processing bio-signals using recursive estimation
WO2020105836A1 (ko) * 2018-11-20 2020-05-28 한국과학기술원 연속파 도플러 레이더 기반 고정확도 실시간 심장 박동 수 측정 방법 및 그 레이더 시스템

Also Published As

Publication number Publication date
KR20120033411A (ko) 2012-04-09

Similar Documents

Publication Publication Date Title
KR101301304B1 (ko) 이산 웨이블릿 변환을 이용한 운동 중 실시간 특정 점 검출 및 리듬 분석
Slimane et al. QRS complex detection using empirical mode decomposition
Seena et al. A review on feature extraction and denoising of ECG signal using wavelet transform
US6094592A (en) Methods and apparatus for estimating a physiological parameter using transforms
Sedghamiz BioSigKit: a Matlab toolbox and interface for analysis of biosignals
US8725238B2 (en) Electrocardiogram signal processing system
Sasikala et al. Robust r peak and qrs detection in electrocardiogram using wavelet transform
Romero PCA-based noise reduction in ambulatory ECGs
CN107303177B (zh) 一种心电图t波、p波的检测方法及系统
CN103932687B (zh) 一种脉象信号预处理方法和装置
KR20180012891A (ko) 생체신호 노이즈 제거방법
Xie et al. Combining adaptive filter and phase vocoder for heart rate monitoring using photoplethysmography during physical exercise
CN110420022B (zh) 一种基于双密度小波变换的p波检测方法
Cornelia et al. ECG signals processing using Wavelets
Karim et al. Analysis of empirical mode decomposition method of heart rate extraction from motion artifact corrupted PPG Signal
Chandra et al. A computationally efficient approach for ECG signal denoising and data compression
Tun et al. Analysis of computer aided identification system for ECG characteristic points
Gul et al. Detection of r-peaks using single-scale wavelet transform
JP2000296118A (ja) 生体信号解析方法および装置
Abdallah et al. ECG signal denoising based on wavelet transform and genetic algorithm
Zhang et al. Wavelet and Hilbert transforms based QRS complexes detection algorithm for wearable ECG devices in wireless body sensor networks
Khamhoo et al. Algorithm for QRS complex detection using discrete wavelet transformed
Yoon et al. Comparison of CWT with DWT for detecting QRS complex on wearable ECG recorder
Abdulbaqi et al. Feature extraction and classification of ECG signal based on the standard extended wavelet transform technique: Cardiology based telemedicine
Talele ECG feature extraction using wavelet based derivative approach

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160822

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170822

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190822

Year of fee payment: 7