KR20210001575A - 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법 - Google Patents

Abstract

본 발명은 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법에 관한 것이다. 본 발명에 따르면, 표적으로 송출 후 반사된 레이다 반사 신호를 프레임 단위로 수신하는 단계, 매 프레임 마다, 레이다 반사 신호에서 추출한 위상 신호를 FFT 처리하여 주파수 스펙트럼을 획득하는 단계, 주파수 스펙트럼 내에서 임계값 이상의 에너지를 갖는 주파수 성분들을 생체 신호 후보군으로 탐지하는 단계, 후보군 중 최대 에너지를 가진 주파수를 호흡수로 추정하여, 추정한 호흡수 및 호흡수와 관련된 주파수 성분들을 후보군에서 제거 후, 잔여 후보군들 중 에너지 크기 순으로 정렬된 상위 M개 주파수를 심박수 후보군으로 선정하는 단계, 제1 내지 제N 프레임 동안 수집된 N×M개 심박수 후보군을 주파수에 따라 복수의 주파수 그룹으로 군집화한 다음, 주파수 그룹 내 소속 샘플 수를 기반으로 각 주파수 그룹에 대한 가중치를 설계하는 단계, 및 제N+1 프레임에 대응하여 잔여 후보군들을 결정하고 잔여 후보군들 각각의 에너지 크기에 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 정렬 후, 최대 에너지를 가진 주파수를 제N+1 프레임에 대한 표적의 심박수로 탐지하는 단계를 포함한다.
본 발명에 따르면, 생체 신호 탐지 시 표적의 불필요한 움직임으로 인한 잡음 발생 환경에서도 심박수를 효과적으로 탐지하고 오탐지 확률을 최소화한다.

Description

잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법{Real-time cardiac rate detection apparatus in noisy environment and method thereof}

본 발명은 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 레이다를 이용한 비접촉식 생체 신호 측정 방식에 있어 표적의 불필요한 움직임으로 인해 레이다 신호에 잡음이 발생한 경우에도 표적의 심박수를 정확하게 탐지할 수 있는 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법에 관한 것이다.

최근 사물인터넷(IoT; Internet of Things) 스마트 홈 시스템이 주목받으면서, 비접촉식 생체신호 탐지와 관련된 레이다 기술 개발의 중요성이 증대되고 있다.

생체 신호는 폐와 심장에 의하여 발생하는 호흡수와 심박수(이하, 심박수)를 포함한다. 생체 신호 탐지를 위해 레이다 센서는 표적으로부터 반사되어 수신된 레이다 신호로부터 폐나 심장 등의 장기들에 의해 야기되는 피부(예: 흉부, 등 부위)의 미세 움직임을 감지한다.

이때, 미세 움직임은 수신된 레이다 신호 내에 주기적인 위상 변화를 야기한다. 그리고 이러한 위상 변화에는 호흡에 의한 변화, 심장에 의한 변화, 그리고 표적의 불필요한 움직임에 의한 변화가 선형적으로 결합되어 있다.

따라서, 수신된 레이다 신호의 위상 변화에 대해 주파수 스펙트럼 분석을 수행할 경우, 호흡수, 심박수, 그리고 표적의 불필요한 움직임에 의한 주파수가 함께 나타나게 된다.

여기서, 호흡에 의한 호흡수는 시간에 따라 비선형적으로 미세하게 변화하고, 이는 위상 변화의 주파수 스펙트럼 분석 과정에서 비선형성을 야기하기 때문에, 호흡수의 고조파(harmonic)들이 주파수 스펙트럼 내에 항상 존재하게 된다. 또한, 이러한 호흡수의 고조파들은 주파수 스펙트럼 내에서 심박수의 주파수와 빈번히 겹쳐서 나타나기 때문에, 심박수 탐지를 매우 어렵게 만드는 요인이 된다.

게다가, 생체 신호 탐지 측면에서 표적의 불필요한 움직임은 수신된 레이다 신호의 위상 변화 내에서 불필요한 잡음 성분으로 해석되며, 이는 생체 신호 중에서도 상대적으로 주파수 스펙트럼 내에서 에너지가 작은 심박수의 탐지를 매우 어렵게 만든다.

따라서, 표적의 움직임으로 인한 잡음 환경에서도 심박수를 효과적으로 탐지할 수 있는 레이다 신호 처리 기법이 반드시 필요하다.

본 발명의 배경이 되는 기술은 한국공개특허 제1916591호(2018.11.07 공고)에 개시되어 있다.

본 발명은, 표적의 움직임으로 인하여 레이다 반사 신호에 불필요한 잡음이 발생한 환경에서도 심박수를 보다 효과적으로 탐지할 수 있는 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법을 제공하는데 목적이 있다.

본 발명은, 심장 박동수 탐지 장치를 이용한 심장 박동수 탐지 방법에 있어서, 표적으로 송출 후 반사된 레이다 반사 신호를 프레임 단위로 수신하는 단계와, 매 프레임 마다, 상기 레이다 반사 신호에서 추출한 위상 신호를 FFT 처리하여 주파수 스펙트럼을 획득하는 단계와, 상기 주파수 스펙트럼 내에서 임계값 이상의 에너지를 갖는 주파수 성분들을 생체 신호 후보군으로 탐지하는 단계와, 상기 후보군 중 최대 에너지를 가진 주파수를 호흡수로 추정하여, 추정한 호흡수 및 호흡수와 관련된 주파수 성분들을 후보군에서 제거 후, 잔여 후보군들 중 에너지 크기 순으로 정렬된 상위 M개 주파수를 심박수 후보군으로 선정하는 단계와, 제1 내지 제N 프레임 동안 수집된 N×M개 심박수 후보군을 주파수에 따라 복수의 주파수 그룹으로 군집화한 다음, 상기 주파수 그룹 내 소속 샘플 수를 기반으로 각 주파수 그룹에 대한 가중치를 설계하는 단계, 및 제N+1 프레임에 대응하여 상기 잔여 후보군들이 결정되면 잔여 후보군들 각각의 에너지 크기에 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 다시 정렬 후, 정렬된 잔여 후보군들 중 최대 에너지를 가진 주파수를 제N+1 프레임에 대한 표적의 심박수로 탐지하는 단계를 포함하는 잡음 환경 내 실시간 심장 박동수 탐지 방법을 제공한다.

또한, 상기 생체 신호 후보군을 탐지하는 단계는, CA-CFAR(Cell Average CFAR) 탐지 기법을 기반으로 결정된 상기 임계값을 이용하여 상기 주파수 스펙트럼 내에서 상기 생체 신호 후보군을 탐지할 수 있다.

또한, 상기 심박수 후보군을 선정하는 단계는, 상기 추정한 호흡수를 중심 주파수로 하는 제1 대역과, 상기 호흡수의 정수배 주파수를 각각 중심 주파수로 하는 복수의 제2 대역을 결정하고, 상기 후보군 중에서 상기 제1 및 제2 대역에 속한 주파수를 모두 후보군에서 제거할 수 있다.

또한, 상기 제1 대역과 상기 제2 대역의 대역 폭은 동일 크기로 설정되고, 상기 대역 폭의 크기는 상기 추정된 호흡수의 30% 크기 이내에서 결정될 수 있다.

또한, 상기 군집화 단계는, K-mean 군집화 알고리즘을 이용하여 상기 N×M개 심박수 후보군을 주파수 크기에 따라 심박수 그룹, 상기 심박수 그룹 보다 낮은 주파수의 제1 잡음 그룹, 그리고 상기 심박수 그룹 보다 높은 주파수의 제2 잡음 그룹으로 군집화하고, 상기 심박수 그룹에 대해 '1'의 가중치를 설계하고, 상기 제1 및 제2 잡음 그룹 각각에 대해, 상기 심박수 그룹의 소속 샘플 수에 대비한 해당 잡음 그룹의 소속 샘플 수의 비율을 기초로 '1'보다 작은 가중치를 설계할 수 있다.

또한, 상기 잡음 환경 내 실시간 심장 박동수 탐지 방법은, 제N+2 프레임부터는, 해당 프레임에서 결정된 잔여 후보군들 각각의 에너지 크기에 가중치를 적용하여 에너지 크기 순으로 다시 정렬하고, 정렬된 잔여 후보군들의 주파수 중 상위 M개 주파수와 직전 프레임에 검출된 심박수 간의 편차를 개별 연산하여, 최소 편차를 가진 주파수를 해당 프레임의 심박수 탐지 값으로 결정하는 단계를 더 포함할 수 있다.

또한, 상기 최소 편차가 기 설정된 기준 편차보다 높으면, 과거 P개의 프레임에서 탐지된 P개 심박수를 평균한 값을 상기 해당 프레임의 심박수 탐지 값으로 결정할 수 있다.

그리고, 본 발명은, 표적으로 송출 후 반사된 레이다 반사 신호를 프레임 단위로 수신하는 수신부와, 매 프레임 마다, 상기 레이다 반사 신호에서 추출한 위상 신호를 FFT 처리하여 주파수 스펙트럼을 획득하는 FFT 처리부와, 상기 주파수 스펙트럼 내에서 임계값 이상의 에너지를 갖는 주파수 성분들을 생체 신호 후보군으로 탐지하는 초기 탐지부와, 상기 후보군 중 최대 에너지를 가진 주파수를 호흡수로 추정하여, 추정한 호흡수 및 호흡수와 관련된 주파수 성분들을 후보군에서 제거하는 필터링부와, 상기 제거 후 잔여 후보군들 중 에너지 크기 순으로 정렬된 상위 M개 주파수를 심박수 후보군으로 선정하는 선정부와, 제1 내지 제N 프레임 동안 수집된 N×M개 심박수 후보군을 주파수에 따라 복수의 주파수 그룹으로 군집화한 다음, 상기 주파수 그룹 내 소속 샘플 수를 기반으로 각 주파수 그룹에 대한 가중치를 설계하는 클러스터링부, 및 제N+1 프레임에 대응하여 상기 잔여 후보군들이 결정되면 잔여 후보군들 각각의 에너지 크기에 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 다시 정렬 후, 정렬된 잔여 후보군들 중 최대 에너지를 가진 주파수를 제N+1 프레임에 대한 표적의 심박수로 탐지하는 심박수 탐지부를 포함하는 잡음 환경 내 실시간 심장 박동수 탐지 장치를 제공한다.

또한, 상기 초기 탐지부는, CA-CFAR(Cell Average CFAR) 탐지 기법을 기반으로 결정된 상기 임계값을 이용하여 상기 주파수 스펙트럼 내에서 상기 생체 신호 후보군을 탐지할 수 있다.

또한, 상기 필터링부는, 상기 추정한 호흡수를 중심 주파수로 하는 제1 대역과, 상기 호흡수의 정수배 주파수를 각각 중심 주파수로 하는 복수의 제2 대역을 결정하고, 상기 후보군 중에서 상기 제1 및 제2 대역에 속한 주파수를 모두 후보군에서 제거할 수 있다.

또한, 상기 클러스터링부는, K-mean 군집화 알고리즘을 이용하여 상기 N×M개 심박수 후보군을 주파수 크기에 따라 심박수 그룹, 상기 심박수 그룹 보다 낮은 주파수의 제1 잡음 그룹, 그리고 상기 심박수 그룹 보다 높은 주파수의 제2 잡음 그룹으로 군집화하고, 상기 심박수 그룹에 대해 '1'의 가중치를 설계하고, 상기 제1 및 제2 잡음 그룹 각각에 대해, 상기 심박수 그룹의 소속 샘플 수에 대비한 해당 잡음 그룹의 소속 샘플 수의 비율을 기초로 '1'보다 작은 가중치를 설계할 수 있다.

또한, 상기 심박수 탐지부는, 제N+2 프레임부터는, 해당 프레임에서 결정된 잔여 후보군들 각각의 에너지 크기에 가중치를 적용하여 에너지 크기 순으로 다시 정렬하고, 정렬된 잔여 후보군들의 주파수 중 상위 M개 주파수와 직전 프레임에 검출된 심박수 간의 편차를 개별 연산하여, 최소 편차를 가진 주파수를 해당 프레임의 심박수 탐지 값으로 결정할 수 있다.

또한, 상기 심박수 탐지부는, 상기 최소 편차가 기 설정된 기준 편차보다 높으면, 과거 P개의 프레임에서 탐지된 P개 심박수를 평균한 값을 상기 해당 프레임의 심박수 탐지 값으로 결정할 수 있다.

본 발명에 따르면, 레이다 반사 신호로부터 매 프레임 별 분석된 심박수 후보군의 통계적 특성과 시간에 따른 심박수의 속도 변화 특성을 기반으로 심박수를 실시간으로 정확하게 탐지할 수 있어 오탐지 확률을 최소화함은 물론 심박수 탐지 결과의 신뢰성을 높일 수 있다.

또한, 본 발명에 따르면, 실시간 발생하는 호흡수의 고조파 성분과 표적의 불필요한 움직임으로 인하여 표적의 심박수가 빈번하게 오탐지되는 문제를 해결할 수 있으며 잡음 환경에 강인한 심박수 탐지 성능을 제공할 수 있다.

도 1은 본 발명의 실시예에 적용되는 생체 신호 탐지 모델을 기하학적으로 나타낸 도면이다.
도 2는 도 1의 모델을 기반으로 하는 생체 신호 탐지 시뮬레이션 결과를 예시한 도면이다.
도 3은 본 발명의 실시예에 따른 실시간 심장 박동수 탐지 장치의 구성을 나타낸 도면이고,
도 4는 도 3을 이용한 실시간 심장 박동수 탐지 방법을 설명하는 도면이다.
도 5는 본 발명의 실시예에 따라 표적에 대응하여 획득한 위상 신호 및 그에 대한 주파수 스펙트럼을 예시한 도면이다.
도 6은 본 발명의 실시예에서 CA-CFAR을 기반으로 주파수 스펙트럼 내에서 생체 신호 후보군을 탐지하는 원리를 설명한 도면이다.
도 7은 도 4의 S440 단계를 설명하는 도면이다.
도 8은 도 4의 S450 단계를 설명하는 도면이다.
도 9는 본 발명의 실시예에서 복수의 프레임 별로 수집된 M개의 심박수 부호군을 에너지 크기 순으로 정렬한 모습을 나타낸 도면이다.
도 10은 도 9에서 매 프레임 마다 최대 에너지를 가진 주파수를 심박수로 탐지한 결과를 이상적 탐지 결과와 비교한 도면이다.
도 11은 도 4의 S460 및 S470 단계를 설명하는 도면이다.
도 12는 도 4의 S480 단계를 설명하는 도면이다.
도 13은 도 4의 S490 단계를 설명하는 도면이다.
도 16 및 도 17은 점산란원의 표적을 대상으로 수행한 심박수 측정 시뮬레이션 결과를 나타낸다.
도 18은 실제 피험자를 대상으로 수행한 레이다 기반의 심박수 측정 결과를 나타낸 도면이다.

그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.

본 발명은 신호 분리 기반의 잡음 환경 내 실시간 생체 신호 탐지 장치 및 그 방법에 관한 것으로, 표적의 불필요한 움직임으로 인하여 레이다 반사 신호에 잡음이 부가된 경우에도 레이다 반사 신호로부터 심박수를 효과적으로 탐지할 수 있는 잡음 환경에 강인한 생체 신호 탐지 기법을 제안한다.

본 발명의 상세한 설명에 앞서 레이다 기반의 비접촉식 생체 신호 탐지 모델을 설명하면 다음과 같다.

도 1은 본 발명의 실시예에 적용되는 생체 신호 탐지 모델을 기하학적으로 나타낸 도면이다.

레이다 기반의 생체 신호 탐지 모델은 레이다 장치(Radar)와 표적(Target)을 포함한다. 레이다 장치(Tadar)는 송신 안테나를 통하여 레이다 신호(이하, 레이다 송신 신호)를 표적(예: 사람)으로 송출한 후, 표적으로부터 다시 반사되어 되돌아오는 레이다 신호(이하, 레이다 반사 신호)를 수신 안테나를 통하여 수신한다.

이때, 표적은 점산란원 구조이고, 레이다 위치 벡터는

, 레이다 시선 방향(RLOS; radar line-of-sight) 벡터는

로 가정한다.

도 1에서 흉곽 라인의 전후로 도시한 점선은 표적의 호흡이나 심장박동 등으로 인하여 발생되는 흉곽(피부면)의 전후 방향 움직임을 표현한 것이다.

표적의 움직임 변화(거리 변화) 요소는 크게 3 가지로 구분된다. 도 1에서 R_r(t)는 호흡으로 인해 나타나는 거리 변화, R_c(t)는 심장 박동으로 인해 나타나는 거리 변화, R_b(t)는 생체 신호 측정 중에 몸의 불필요한 움직임으로 인go 나타나는 거리 변화를 의미한다. 이들 각각은 시간에 따른 거리 변화 함수 형태로 표현된다.

도 1에서 d₀는 레이다와 표적 간 초기 거리(간격)을 나타내고, d_r은 호흡과 관련한 거리 변화 폭(호흡 변위)이고 d_c는 심박과 관련된 거리 변화 폭(심박 변위)을 의미한다. 일반적으로 호흡에 의한 거리 변화 폭 d_r(예: 0.05m ≤d_r≤ 0.01m)은 심장 박동에 의한 거리 변화 폭 d_c(예: 0.00005m ≤d_c≤ 0.0005m)보다 크다.

도 1에서 표적으로 송출된 레이다 송신 신호 S_T(t)는 수학식 1과 같이 정의된다.

여기서 A_T와 f_c는 각각 레이다 송신 신호의 진폭과 중심 주파수를 나타낸다.

표적으로부터 되돌아온 레이다 반사 신호 S_R(t)는 수학식 2로 정의된다.

여기서, A_R(t)는 레이다 반사 신호의 진폭 크기 신호, h(t)는 표적의 심박 운동에 따른 신호, R(t)는 호흡 운동에 따른 신호, B(t)는 생체 신호 측정 중 표적의 불필요한 움직임에 따른 신호, λ는 파장, n(t)는 잡음을 나타낸다.

설명의 편의상 수학식 2에서 기저 대역 신호 K(t) 부분만을 분리하여 표현하면 수학식 3과 같다.

레이다 반사 신호에서 호흡수나 심박수와 같은 생체 신호를 탐지하기 위해서는 수학식 3에 대한 위상 성분

을 추출해야 한다.

위상 성분을 추출하기 위해 사용되는 대표적인 방법은 arctangent demodulation이며, 위상 성분

을 추출한 결과는 아래의 수학식 4와 같다.

여기서, f_h는 심박의 기본 주파수, f_r는 호흡의 기본 주파수,

는 위상잡음을 나타낸다.

수학식 4를 보다 간략히 나타내면 수학식 5과 같이 정리될 수 있다.

여기서,

,

,

는 각각 심박, 호흡 및 원하지 않는 동작에 의한 위상 변화,

는 위상 잡음을 나타낸다.

본 발명의 실시예에서 생체 신호 탐지란, 수학식 4나 5에 나타낸 위상 성분을 푸리에 변환하여 스펙트럼 분석하는 것을 통해, 호흡의 기본 주파수 f_r(이하, 호흡수)와 심박의 기본 주파수 f_h(이하, 심박수)를 추정하는 것이다.

이때, 심박 활동의 빈도가 호흡 활동의 빈도보다 당연히 높기 때문에, 심박수(f_h)가 호흡수(f_r)보다 높은 주파수에 위치함은 자명하다. 예를 들면, 사람의 호흡수(f_r)는 심박수보다는 저주파 대역(예: 0 ≤ f_r0 < 0.83 Hz)에 위치하고 심박수(f_h)는 상대적으로 고주파 대역(예: 0.83 ≤ f_c0 < 1.83 Hz)에 위치한다.

그런데, 심박수 탐지를 위하여 수학식 4의 위상 성분을 스펙트럼 분석하여 보면, 호흡수 f_r의 고조파 성분들(예를 들어 2f_r , 3f_r 등)이 심박수와 유사한 주파수 대역에 존재하게 되어 심박수 f_h의 오탐지를 유발하는 문제점이 있다.

또한, 표적의 불필요한 움직임 및 잡음에 의한 요소들(즉, 수학식 5의

와

)은 생체 신호의 SNR(Signal to Noise Ratio)을 현저히 떨어뜨리는 요인이 된다.

상술한 문제점에 대한 직관적인 고찰을 위하여 7.29 GHz IR-UWB 레이다를 사용한 측정 데이터를 분석한 결과를 설명하면 다음과 같다.

도 2는 도 1의 모델을 기반으로 하는 생체 신호 탐지 시뮬레이션 결과를 예시한 도면이다.

여기서, 도 2의 (a)는 표적의 불필요한 움직임과 시스템 잡음에 의한 위상 잡음 요소(수학식 5의

와

)를 고려하지 않은 경우이며, (b)는 해당 위상 잡음 요소를 모두 고려한 경우이다.

그리고, 각 경우에 대한 좌측 그림은 수신한 레이다 반사 신호에서 추출한 위상 성분

이며, 우측 그림은 위상 성분을 다시 FFT(Fast Fourier Transform) 처리하여 얻은 주파수 스펙트럼 결과를 나타낸다.

도 2(a),(b)에 적용된 시험 조건 즉, 레이다의 중심 주파수 f_c, 표적의 심박 변위 d_h, 심박수 f_h(t), 호흡 변위 d_r, 호흡수 f_r(t)는 아래 표 1과 같다.

Carrier frequency fc	7.29 GHz
심박 변위 dh	0.0412 m
심박수 fh(t)	1.3 GHz
호흡 변위 dr	0.001m
호흡수 fr(t)	0.3 GHz

도 2(a)와 같이, 시스템 잡음이 없고 표적이 가만히 있는 환경에서는, 레이다 반사 신호에 위상 잡음이 추가되지 않아 생체 신호에 의한 위상 모호성은 발생하지 않았다(좌측 도면 참조). 그런데, 우측 스펙트럼 결과를 보면, 호흡수(Respiration rate; f_r)에 의한 고조파들(harmonics; 2f_r, 3f_r, 4f_r 등)이 심박수(Cardiac rate; f_h) 주변에 발생하는 것을 알 수 있다. 호흡수의 고조파들은 일반적으로 심박수의 탐지를 어렵게 하는 요인이 된다.

또한, 도 2(b)와 같이, 시스템 잡음이 존재하고 표적이 움직인 환경에서는, 위상 잡음이 추가되면서 위상 왜곡이 발생한다. 더욱이, 스펙트럼 결과를 보면, 위상 왜곡으로 인해 SNR이 매우 저하되어, 심박수(Cardiac rate; f_h)와 주변 잡음 간에 신호 구분이 거의 곤란해지고 이로 인해 스펙트럼에서 피크치 분석 만으로는 심박수의 추정이 매우 어려워진다.

이하의 본 발명의 실시예는 잡음 환경에 강인한 심박수 탐지 기법을 제안한다. 이러한 본 발명의 실시예는 표적의 움직임으로 인하여 불필요한 잡음이 발생된 환경에서도 레이다 반사 신호로부터 표적의 심박수를 정확하게 탐지함은 물론 탐지 오류율을 줄일 수 있는 레이다 신호 처리 기법을 제시한다.

따라서, 이하에서는 잡음 발생 환경에도 강인한 심박수 탐지 기법을 중점적으로 설명한다. 다만, 이하의 탐지 기법은 움직이는 표적 뿐만 아니라 움직임이 없는 표적에 대해서도 동일 원리로 적용됨은 자명하다.

도 3은 본 발명의 실시예에 따른 실시간 심장 박동수 탐지 장치의 구성을 나타낸 도면이고, 도 4는 도 3을 이용한 실시간 심장 박동수 탐지 방법을 설명하는 도면이다.

도 3 및 도 4를 참조하면, 본 발명의 실시예에 따른 실시간 심장 박동수 탐지 장치(100)는 수신부(110), FFT 처리부(120), 초기 탐지부(130), 필터링부(140), 선정부(150), 클러스터링부(160), 심박수 탐지부(170)를 포함한다.

먼저, 수신부(110)는 표적으로 송출 후 반사된 레이다 반사 신호를 프레임 단위로 수신한다(S410). 여기서 프레임이란 기 설정된 소정 단위의 시간 구간을 의미할 수 있다.

다음, FFT 처리부(120)는 매 프레임 마다, 레이다 반사 신호에서 위상 신호

를 추출하고, 위상 신호

를 FFT 처리하여 주파수 스펙트럼을 획득한다(S420). 여기서, 레이다 반사 신호로부터 위상 신호의 추출은 arctangent demodulation 기법을 이용할 수 있다.

도 5는 본 발명의 실시예에 따라 표적에 대응하여 획득한 위상 신호 및 그에 대한 주파수 스펙트럼을 예시한 도면이다.

도 5(a)는 레이다 반사 신호로부터 추출된 위상 신호

이며 시간에 따른 위상 변화를 확인할 수 있다. 생체 신호 측정 중에 표적의 원치 않는 동작(움직임)이 발생하거나 시스템 잡음이 존재하는 경우 원치 않는 위상 잡음이 부가되며 심박수 탐지를 어렵게 한다.

도 5(b)는 도 5(a)를 FFT 처리하여 얻은 주파수 스펙트럼을 나타낸다. 주파수 스펙트럼의 가로축은 주파수(단위: beats/min), 세로축은 주파수 강도(크기, 혹은 에너지)(단위: dB)를 나타낸다.

이하의 본 발명의 실시예에서 주파수는 beats/min 단위를 예시한다. 다만, 본 발명은 반드시 이에 한정되지 않으며, 기 공지된 다양한 주파수 단위를 사용할 수 있음은 물론이다.

참고로 도 5(b)에 나타낸 표적의 실제 호흡수(Original RR; f_r=20)와 심박수(Original CR; f_h=70) 지점은 표적이 직접 착용한 스마트 와치(Smart Watch)에서 측정된 호흡수와 심박수 값(참값)에 해당하는 것으로, 이는 본 실시예에 따른 주파수 스펙트럼 분석을 통하여 실제 탐지되어야 하는 목표 값에 해당한다.

본 발명의 실시예는 스마트 와치를 이용한 접촉식의 생체 신호 측정 방식이 아닌, 레이다 신호 기반의 비접촉식 생체 신호 탐지 기법에 해당하므로, 단순히 레이다 반사 신호를 처리하고 분석하는 것만으로도 스마트 와치로 측정한 것과 같이 생체 신호를 정확하게 탐색할 수 있어야 한다.

도 5(b)를 보면, 주파수 스펙트럼 내에서 가장 큰 에너지를 가지는 주파수(20 beats/min)가 호흡수임을 알 수 있다. 하지만, 심박수는 주변의 노이즈와 구분이 거의 어렵고 잡음 환경에서 탐지가 불가능한 것을 확인할 수 있다.

이하의 본 발명의 실시예는 스펙트럼에서 비교적 쉽게 탐지 가능한 호흡수 성분을 먼저 분리해낸 다음 심박수를 탐지한다.

이를 위해, 초기 탐지부(130)는 주파수 스펙트럼 내에서 임계값 이상의 에너지를 갖는 주파수 성분들을 생체 신호 후보군으로 탐지한다(S430).

이때, 초기 탐지부(130)는 CA-CFAR(Cell Average CFAR) 탐지 기법을 기반으로 전체 주파수 대역에 대해 임계값을 결정하고, 결정된 임계값을 기반으로 주파수 스펙트럼 내에서 생체 신호 후보군을 탐지한다.

CA-CFAR 탐지 기법은 위상 신호의 주파수 스펙트럼에 대한 일부 시험 셀 주변의 잡음 레벨을 추정하여 임계값을 계산한 후 임계값 보다 높은 크기의 주파수 성분들을 탐지하는 기술이다. 이러한 방법을 셀 별로 반복하면 주파수에 따라 가변하는 형태의 임계값(Variable threshold)을 얻을 수 있다.

도 6은 본 발명의 실시예에서 CA-CFAR을 기반으로 주파수 스펙트럼 내에서 생체 신호 후보군을 탐지하는 원리를 설명한 도면이다.

도 6에 표시한 점선은 해당 주파수 스펙트램에 ID CA-CFAR 기법을 적용하여 획득한 임계값에 해당하며 임계값이 주파수에 따라 가변하는 것을 알 수 있다. 여기서, 초기 탐지부(130)는 주파수 스펙트럼 내의 극점들 중에서 임계값 보다 큰 극점들 즉, 점선보다 위에 존재하는 극점들(동그라미 표시 지점 참조)을 생체 신호 후보군으로 탐지할 수 있다.

여기서, 도 6은 도 5(b)에서 가장 큰 에너지 크기를 가졌던 주파수(20 beats/min) 성분을 그래프에서 제거한 모습으로 해당 부분이 아래로 꺼진 것을 확인할 수 있다.

즉, 실제로 S430 단계에서 탐지된 생체 신호 후보군들 중 최대 에너지를 갖는 주파수는 20 beats/min이며, 이는 이후의 S440 단계에서 제거되는 호흡수 성분에 해당한다.

필터링부(140)는 S430 단계에서 탐지된 생체 신호 후보군 중 최대 에너지를 가진 주파수를 호흡수로 추정한 후, 추정한 호흡수는 물론 호흡수와 관련된 주파수 성분들(고조파 성분들)을 후보군에서 제거한다(S440).

이러한 S440 단계는 심박수 탐지 시 방해가 되지 않도록, 호흡수(f_r) 및 그에 대한 고조파 성분들(2f_r, 3f_r 등)을 후보군에서 사전에 필터링시키는 과정에 해당한다.

도 7은 도 4의 S440 단계를 설명하는 도면이다.

도 7(a)는 호흡수에 해당한 주파수(f_r=20)를 중심으로 주변의 15~25 대역에 속한 주파수 성분들을 모두 후보군에서 제거하는 모습이다. 도 6에서 확인하였듯이 호흡수를 제거하더라도 그 주변에 임계 이상의 높은 에너지를 가진 후보군들이 여전히 존재하고 있으므로 이들도 함께 제거하도록 한다. 마찬가지로, 도 7(b)와 (c)는 호흡수에 대한 고조파 성분인 주파수 40와 60을 중심으로 주변의 35~45 대역 및 55~65 대역에 속한 주파수 성분들을 모두 후보군에서 제거하는 모습이다. 물론, 호흡수의 고조파란 호흡수의 정수배 주파수(2f_r, 3f_r 등)를 의미한다.

이와 같이, 필터링부(140)는 스펙트럼 내에서 호흡수를 가장 먼저 추정한 후에, 추정한 호흡수(f_r=20)를 중심 주파수로 하는 제1 대역(15~25 대역)과, 호흡수의 고조파(예: 40, 60 등)를 각각 중심 주파수로 하는 복수의 제2 대역(35~45 대역, 55~65 대역 등)을 결정함으로써, 도 7(c)와 같이 점선보다 위에 위치한 동그라미 표시된 모든 후보군 중에서 제1 및 제2 대역에 속한 주파수를 후보군에서 제외시킨다. 여기서, 제1 및 제2 대역의 대역 폭은 서로 동일하며, 대역 폭의 크기는 추정 호흡수의 30% 크기 이내(대역 폭 ≤ 0.3×f_r)에서 결정될 수 있다.

이후, 선정부(150)는 S440 단계를 통해 필터링 후에 남은 잔여 후보군들을 에너지 크기 순으로 정렬하여, 에너지가 높은 상위 M개 주파수를 심박수 후보군으로 최종 선정한다(S450). 이하에서는 설명의 편의상 M=3인 것을 가정하지만, M은 3보다 큰 값을 사용할 수도 있다. 또한 M은 신뢰도 및 시스템의 복잡도를 고려하여 3 내지 5의 값 중에서 선택될 수도 있다.

도 8은 도 4의 S450 단계를 설명하는 도면이다. 도 8으 참조하면, '×' 표시된 부분을 제외하고 남은 잔여 후보군 중 에너지가 높은 상위 3개의 주파수는 각각 70, 110, 130 beats/min임을 확인할 수 있다. 이에 따라, 선정부(150)는 70, 110, 130 beats/min을 심박수 후보군으로 선정한다.

상술한 과정을 N개의 프레임 동안 반복하면, 제1 내지 제N 프레임 동안에 총 N×M개의 심박수 후보군이 수집될 수 있다. 여기서, N=10, M=3인 경우에, 총 30개의 심박수 후보군이 수집될 수 있다.

도 9는 본 발명의 실시예에서 복수의 프레임 별로 수집된 M개의 심박수 부호군을 에너지 크기 순으로 정렬한 모습을 나타낸 도면이다. 도 9에 도시된 2차원 평면에서 가로축은 시간, 세로축은 심박수를 나타낸다.

먼저, 도 9(a)는 제1 프레임(T=1)에서 탐지된 3개의 심박수 후보군을 해당 2차원 평면에 매핑한 모습이며, ①, ②, ③은 에너지 크기 순서를 나타낸다. 즉, 앞서 도 8에서 에너지 크기 순서로 탐지된 상위 3개 주파수 70, 110, 130 beats/min에 대응하여 크기 식별 코드로 ① ② ③이 할당된 것을 알 수 있다. 그리고, 도 9(b)는 상술한 방식을 제5 프레임(T5)까지 수행한 결과를 예시한 것이다.

도 10은 도 9에서 매 프레임 마다 최대 에너지를 가진 주파수를 심박수로 탐지한 결과를 이상적 탐지 결과와 비교한 도면이다.

이상적인 경우에는 도 10(b)와 같이 실제 심박수와 유사한 결과가 실시간으로 도출되어야 하지만, 도 10(a)와 같이 매 프레임마다 가장 큰 에너지를 가진 ①번 주파수를 심박수로 탐지할 경우 심박수 오탐지가 빈번히 나타나고 실제 심박수(70 beats/min)와도 큰 오차를 가지게 된다.

도 10(a)의 문제점을 보완하기 위해, 클러스터링부(160)는 제1 내지 제N 프레임에 걸쳐 획득된 심박수 후보군들을 주파수 값에 따라 여러 개의 그룹으로 클러스터링하고, 클러스터링 결과를 기초로 각 그룹에 대해 가중치를 설계한다. 각각의 가중치는 향후에 탐지되는 후보군의 에너지 크기를 조정하는데 사용된다.

구체적으로, 클러스터링부(160)는 제1 내지 제N 프레임 동안 수집된 N×M개 심박수 후보군을 주파수에 따라 복수의 주파수 그룹으로 군집화한 다음(S460), 주파수 그룹 내 소속 샘플 수를 기반으로 각 주파수 그룹에 대한 가중치를 설계한다(S470).

여기서, 제1 내지 제N 프레임에서 획득된 심박수 후보군 데이터들은 클러스터링에 기반한 통계적 특성을 얻기 위한 데이터에 해당하는데, 사용되는 프레임 개수는 조절될 수 있다.

S460 단계에서 클러스터링부(160)는 K-mean 군집화 알고리즘을 적용하여 N×M개 심박수 후보군을 주파수 크기에 따라 복수의 그룹으로 군집화할 수 있다.

도 11은 도 4의 S460 및 S470 단계를 설명하는 도면이다.

도 11의 우측 하단 그림은 상단 그림에서 10개 프레임(T=1~10) 동안 획득된 30개의 심박수 후보군을 K-mean 군집화 알고리즘(K=3)을 통해 3개의 그룹으로 그룹핑한 결과를 요약한 것이다. 물론, 그룹 개수는 반드시 3개로 한정되지 않는다.

이러한 도 11은 클러스터링 결과, 가장 소속 샘플 수가 많은 50~100 beats/min 범위에 해당하는 '심박수 그룹'과, 그보다 낮은 0~50 beats/min 범위의 '제1 잡음 그룹'과, 그보다 높은 100~150 beats/min 범위의 '제2 잡음 그룹'으로 구분된 것을 예시하고 있다. 가장 많은 샘플이 존재하는 영역은 타겟의 실제 심박수 값이 주로 분포하는 영역에 해당할 확률이 높기 때문에 이를 심박수 그룹으로 명명한다.

여기서, 총 30개 샘플 중에서 심박수 그룹에 소속된 샘플 수는 15개, 제1 잡음 그룹에 소속된 샘플 수는 11개, 제2 잡음 그룹에 소속되 샘플 수는 4개인 것을 알 수 있다. 클러스터링부(160)는 가장 많은 샘플 수를 갖는 심박수 그룹 내 샘플 수를 기초로 각 그룹의 가중치를 결정한다.

즉, 도 11에 나타낸 것과 같이, 클러스터링부(160)는 심박수 그룹에 대해 '1'(=15/15)의 가중치를 설계한다. 그리고 제1 및 제2 잡음 그룹 각각에 대해, 심박수 그룹의 소속 샘플 수에 대비한 해당 잡음 그룹의 소속 샘플 수의 비율을 기초로 '1'보다 작은 가중치를 설계한다.

이에 따라, 제1 잡음 그룹에 속한 주파수에 대해서는 '0.7333'(=11/15)의 가중치가 적용되고, 제2 잡음 그룹에 속한 주파수에는 '0.2667'(=4/15)의 가중치가 적용되어, 해당 주파수의 에너지 크기가 억업될 수 있다.

여기서 물론, 표적 각각마다 심박수 특성이 상이할 수 있기 때문에, 클러스터링되는 각 그룹의 주파수 범위 및 그에 적용되는 가중치 역시 표적마다 달라질 수 있다. 따라서 본 발명의 실시예를 이용하면 표적의 특성에 맞는 최적의 통계적 특성을 도출할 수 있다.

이후, 제N+1 프레임에서는 이전의 제1 내지 제N 프레임에서 획득된 통계적 특성을 기반으로 타겟의 심박수 탐지를 수행한다.

구체적으로, 심박수 탐지부(170)는 제N+1 프레임(T=11)에 대응하여 잔여 후보군들을 결정한 후, 결정된 잔여 후보군들 각각의 에너지 크기에 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 다시 정렬 후, 정렬된 잔여 후보군들 중 최대 에너지를 가진 주파수를 제N+1 프레임(T=11)에 대한 표적의 심박수로 탐지한다.(S480).

즉, 11번째 프레임에 대응하여 획득된 주파수 스펙트럼에서 도 7과 동일한 방법을 사용하여 호흡수 및 고조파와 관련된 주파수 성분을 제거하여 제거 후 남은 잔여 후보군들을 결정한다. 그리고, 잔여 후보군들 각각의 에너지 크기를 가중치를 이용하여 수정한 다음, 수정된 에너지 중에서 최대 에너지 크기를 가진 후보군을 제N+1 프레임의 심박수로 결정한다.

만일, T=11번째 프레임에 대응하여 결정된 잔여 후보군이 총 8개이면, 8개의 잔여 후보군 각각의 에너지 크기에 대해 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 정렬한 다음, 가장 큰 에너지를 가진 주파수를 탐색하면 된다.

도 12는 도 4의 S480 단계를 설명하는 도면이다. 여기서 도 12는 설명의 편의상 T=11번째 프레임에 대응하여 결정된 잔여 후보군이 3개인 경우를 예시한 것이다.

도 12는 11번째 프레임(T=11)에서 획득한 3개의 잔여 후보군의 에너지 크기에 대해 각각의 가중치를 곱하여 순서를 재배치한 결과, ①번과 ②번 간의 에너지 크기가 역전된 경우를 도시하고 있다.

예를 들어, ②번 주파수는 심박수 그룹에 속하므로 에너지 크기가 그대로 유지되지만 ①번 주파수는 제1 잡음 그룹에 속하는 주파수이므로 에너지 크기에 '0.7333'의 가중치가 곱해져 크기가 감소되어, ②번 주파수의 에너지 크기보다 낮아지게 된다. ③번 주파수는 제2 잡음 그룹에 속하므로 에너지 크기에 '0.2667'의 가중치가 곱해지면서 에너지가 크게 억압된다.

그 결과 기존 ①번은 ②번으로, 기존에 ②번은 ①번으로 순위가 갱신되고, ③번은 그대로 유지된다.

심박수 탐지부(170)는 가중치 적용에 따라 ② 순위에서 ① 순위로 갱신된 해당 주파수를 11번째 프레임(T=11)에서의 타겟의 심박수 값으로 탐지한다. 이는 도 12에서 점선으로 표시된 실제 타겟의 심박수(70 beats/min)와 거의 일치한다.

여기서, 가중치 적용 전에 가장 큰 에너지를 가졌던 기존의 ①번 주파수는 약 20 beats/min 인데 이는 실제 심박수와 편차가 매우 큰 것을 알 수 있다. 상술한 본 발명의 기법을 이용할 경우 가중치 적용 전에 두 번째로 큰 에너지를 가졌던 ②번 주파수를 심박수 값으로 탐지할 수 있으며 이를 통해 심박수 탐지 오차를 줄일 수 있다.

다음, 심박수 탐지부(170)는 이후의 제N+2 프레임(T=12)부터는, 해당 프레임에서 잔여 후보군들이 결정되면, 결정된 잔여 후보군들의 에너지 크기에 대해 앞서와 동일한 방식으로 각각의 가중치를 곱한 후에 에너지 크기 순으로 다시 정렬하고, 정렬된 잔여 후보군들의 주파수 중 상위 M개 주파수(예: M=3)를 선택한다.

그리고, 선택한 상위 M개 주파수와 직전 프레임에 검출된 심박수 간의 편차(속도 변화)를 연산하여, M개 주파수 중에서 최소 편차를 가진 주파수를 해당 프레임의 심박수 탐지 값으로 결정한다(S490).

도 13은 도 4의 S490 단계를 설명하는 도면이다.

도 13은 12번째 내지 15번째 프레임(T=12 내지 15)에서 S490단계를 이용하여 각각 선택한 상위 3개의 주파수를 도시한 것이다. 매 프레임에서 ①,②,③은 상위 3개 주파수에 대한 에너지 크기 순위를 나타낸다.

우선, 도 13(a)를 참조하면, T=11에서 심박수가 정확하게 70(T=11의 ① 참조)으로 탐지되었다고 가정할 경우, 심박수 탐지부(170)는 12번째 프레임(T=12)에서 선택된 상위 3개의 주파수(T=12의 ①,②,③)와 직전의 11번째 프레임(T=11)에 검출된 ①번 주파수 간의 편차를 구한다. 이때, T=12의 ①,②,③ 중에서 ③이 최소 편차를 가지므로 ③번 주파수(71 beats/min)를 T=12에서의 탐지 값으로 결정한다.

이때, 편차는 단순히 주파수 간 편차(예를 들어, 70과 71 간의 편차)를 의미할 수도 있고, 주파수 간 편차를 단위 시간(ΔT)으로 나눈 값 즉, 시간에 따른 주파수의 속도 변화를 의미할 수 있다. 즉, 이전 프레임에서 결정된 심박수 탐지 값(70 beats/min)을 기준으로 주파수 편차(속도 변화)가 가장 낮은 ③번 주파수(71 beats/min)가 탐지 값으로 결정된다.

이때, 단위 시간은 프레임 간격을 의미할 수 있으며, 실질적으로 ΔT는 동일하므로 주파수 간 편차만으로도 속도 편차(시간에 다른 주파수 변화 속도)를 구한 것과 유사한 효과를 얻을 수 있다.

이와 같은 방법을 이후 프레임에서도 반복하면 도 13(b)와 같은 결과를 얻을 수 있다. 다만, T=14에서 동일 방법을 적용한 결과, T=13에서 탐지된 심박수 값( ②번 주파수)을 기준으로 편차가 최소인 주파수는 T=14의 ②번 주파수(108 beats/min)에 해당한다. 하지만, 이는 실제 심박수로부터 크게 벗어난 값으로 신뢰할 수 없는 값에 해당한다. 즉, T=13에서는 3개의 주파수 값 모두 속도 변화(주파수 편차)가 기준 속도(기준 값) 보다 큰 경우에 해당하며 이들은 오탐지 값에 해당한다.

이와 같이, 해당 프레임에서 이전 프레임과 비교하여 구한 최소 편차가 기 설정된 기준 편차보다 높으면, 해당 프레임에서 선택된 상위 3개의 주파수를 모두 소거하고, 도 13(c)와 같이 과거 P개(예를 들어, 3개)의 프레임에서 탐지된 P개 심박수를 평균한 값을 해당 프레임의 심박수 탐지 값으로 대체한다. 즉, T=11~13에서 탐지된 심박수 값 70, 71, 68을 평균한 69.6을 T=14에 대한 심박수 탐지 값으로 결정한다.

그리고, 이후의 T=15에서는 이전의 T=14에서 결정된 심박수 탐지 값(69.6 beats/min)을 기준으로 주파수 편차(속도 변화)가 가장 낮은 ③번 주파수(71 beats/min)가 탐지 값으로 결정된다.

물론, 본 발명의 실시예는 퍼지 시스템을 이용하여 각 프레임 별 상위 3개 후보군 중 하나를 최종 심박수로 결정할 수도 있다. 구체적으로, 해당 프레임에서 얻은 상위 3개 후보군에 대한 속도 변화를 추정하여, 이를 퍼지 시스템의 입력으로 사용한 후, 전문가 기반의 법칙을 통해 속도변화가 극심한 후보군을 오탐지 결과로 판단하여, 최적의 심장 박동수를 결정할 수도 있다.

도 14 및 도 15는 도 13(a)의 T=12에서 퍼지 시스템을 적용하여 3개 주파수 중 신뢰도 높은 하나의 주파수를 심박수로 결정하는 원리를 나타낸 도면이다.

먼저, 도 14는 T=11의 ①번 주파수(70 beats/min)에 대한 T=12의 ①,②,③번 주파수(116, 95, 71 beats/min))의 편차(예를 들어, 속도 편차)를 구한 결과를 퍼지 시스템의 입력으로 사용한 결과를 나타낸다.

소속 함수 F1을 통해서는 T=12의 ①번 주파수(116 beats/min)의 속도 편차(Velocity of CRD1(i))를 대입한 결과(동그라미 지점)를 확인할 수 있다. 같은 방식으로 소속 함수 F2에서는 T=12의 ②번 주파수의 속도 편차(Velocity of CRD2(i))를 대입한 결과를 확인할 수 있고, 소속 함수 F3에서는 ③번 주파수의 속도 편차(Velocity of CRD3(i))를 대입한 결과를 확인할 수 있다.

각 경우에서 동그라미 지점의 세로축 값(신뢰도)을 보면, F1=1, F2=0.6, F3=0.1이 나온 것을 알 수 있다. 이때, F1=1은 0.8<F1≤1 구간에 속하고 F2=0.6는 0.2<F2≤0.8 구간에 속한다.

따라서, 도 15에서 이 두 구간이 만나는 지점(3행/2열)의 내용에서, F3 값이 속한 구간에 따른 신뢰성 정도를 확인할 수 있는데, 실제로 F3=0.1로 도출되었고 이는 0≤F3≤0.2의 구간에 속하므로 ③번 주파수와 관련된 F3을 가장 신뢰할 수 있음을 알 수 있다.

도 14에 도시된 퍼지 시스템은 속도 편차가 낮을수록 퍼지 함수의 결과 값이 0에 가깝게 나오고 속도 편차가 놓을수록 결과 값이 1에 가깝게 나오도록 구성된 것으로, 도 15를 통하여 속도 편차가 낮은 값을 가장 신뢰하는 값으로 도출하는 것을 알 수 있다.

물론, 도 15에서 F1과 F2가 모두 0.8과 1 사이의 값이고, F3가 0.2보다 큰 경우에는 모든 값들을 신뢰할 수 있음을 의미한다. 이 경우에는 과거 P개의 심박수 탐지 값의 평균을 이용하여 현재 프레임의 심박수를 추정하면 된다.

도 16 및 도 17은 점산란원의 표적을 대상으로 수행한 심박수 측정 시뮬레이션 결과를 나타낸다.

이러한 도 16과 도 17은 표적의 움직임 등으로 인하여 위상 잡음이 포함된 잡음 환경에서 시뮬레이션을 통해 획득한 심박수를 나타낸다. 여기서 도 16는 표적의 심박수가 70으로 설정된 경우이고 도 17는 심박수가 50으로 설정된 경우에 대한 시뮬레이션 결과이다.

여기서, 기존의 기법(Conventional method)은 단순히 FFT 결과로부터 특정 관심 대역(저주파 대역과 고주파 대역)을 나누어서, 저주파 대역 내에서 가장 피크 에너지의 주파수를 호흡수로 검출하고 고주파 대역에서 가장 피크 에너지의 주파수를 심박수로 검출하는 기법을 나타낸다.

도 16 및 도 17을 참조하면, 단순히 FFT 결과로부터 소정 대역에서 피크 에너지의 주파수를 검출하는 기존 기법은 본 발명의 기법을 이용하는 경우보다 에러가 훨씬 크게 발생한 것을 알 수 있다. 또한, 도 17을 보면, 기존의 기법은 낮은 심박수(50 beats/min)의 표적에 대해서는 검출 오류가 훨씬 높아지는 반면, 본 발명의 기법은 표적의 기본 심박수가 낮더라도 정확한 심박수 검출이 가능함을 알 수 있다.

도 18은 실제 피험자를 대상으로 수행한 레이다 기반의 심박수 측정 결과를 나타낸 도면이다. 도 18의 결과로부터 실제 사람을 표적으로 하여 테스트한 결과, 종래의 기법을 이용한 심박수 탐지 결과는 실제 스마트 와치로 측정한 심박수(참값)보다 훨씬 낮은 주파수로 도출되었고 탐지 오차가 큰 것을 알 수 있다. 하지만, 본 발명의 기법을 이용한 심박수 탐지 결과는 실제 스마트 와치를 통해 측정한 심박수(참값)를 거의 추종하는 것을 확인할 수 있다.

이상과 같은 본 발명에 따르면, 레이다 반사 신호로부터 매 프레임 별 분석된 심박수 후보군의 통계적 특성과 심박수의 속도 변화 특성을 기반으로 심박수를 실시간으로 정확하게 탐지할 수 있어 오탐지 확률을 최소화함은 물론 심박수 탐지 결과의 신뢰성을 높일 수 있다.

또한, 본 발명은 생체 신호 탐지 시 표적의 불필요한 움직임 등으로 인한 잡음 발생 환경에서도 심박수를 실시간 효과적으로 탐지할 수 있다.

물론, 이러한 본 발명의 기법은 IoT 스마트 홈 시스템에 적용되어, 비접촉식 심장 박동수 추정을 가능하게 한다. 특히, 본 발명은 레이다 시스템을 기반으로 하는 실내 재실자 탐지, 활동량 분석 등과 함께 적용될 수 있다. 게다가, 차량내 운전자 헬스 케어에도 사용될 수 있으며, 광범위하게는 드론 기반의 생체 신호 탐지에도 적용될 수 있다.

본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.

100: 심장 박동수 탐지 장치 110: 수신부
120: FFT 처리부 130: 초기 탐지부
140: 필터링부 150: 선정부
160: 클러스터링부 170: 심박수 탐지부

Claims (14)

1. 심장 박동수 탐지 장치를 이용한 심장 박동수 탐지 방법에 있어서,
   표적으로 송출 후 반사된 레이다 반사 신호를 프레임 단위로 수신하는 단계;
   매 프레임 마다, 상기 레이다 반사 신호에서 추출한 위상 신호를 FFT 처리하여 주파수 스펙트럼을 획득하는 단계;
   상기 주파수 스펙트럼 내에서 임계값 이상의 에너지를 갖는 주파수 성분들을 생체 신호 후보군으로 탐지하는 단계;
   상기 후보군 중 최대 에너지를 가진 주파수를 호흡수로 추정하고 추정한 호흡수 및 호흡수와 관련된 주파수 성분들을 후보군에서 제거 후, 잔여 후보군들 중 에너지 크기 순으로 정렬된 상위 M개 주파수를 심박수 후보군으로 선정하는 단계;
   제1 내지 제N 프레임 동안 수집된 N×M개 심박수 후보군을 주파수에 따라 복수의 주파수 그룹으로 군집화한 다음, 상기 주파수 그룹 내 소속 샘플 수를 기반으로 각 주파수 그룹에 대한 가중치를 설계하는 단계; 및
   제N+1 프레임에 대응하여 상기 잔여 후보군들이 결정되면 잔여 후보군들 각각의 에너지 크기에 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 다시 정렬 후, 정렬된 잔여 후보군들 중 최대 에너지를 가진 주파수를 제N+1 프레임에 대한 표적의 심박수로 탐지하는 단계를 포함하는 실시간 심장 박동수 탐지 방법.
2. 청구항 1에 있어서
   상기 생체 신호 후보군을 탐지하는 단계는,
   CA-CFAR(Cell Average CFAR) 탐지 기법을 기반으로 결정된 상기 임계값을 이용하여 상기 주파수 스펙트럼 내에서 상기 생체 신호 후보군을 탐지하는 실시간 심장 박동수 탐지 방법.
3. 청구항 1에 있어서,
   상기 심박수 후보군을 선정하는 단계는,
   상기 추정한 호흡수를 중심 주파수로 하는 제1 대역과, 상기 호흡수의 정수배 주파수를 각각 중심 주파수로 하는 복수의 제2 대역을 결정하고, 상기 후보군 중에서 상기 제1 및 제2 대역에 속한 주파수를 모두 후보군에서 제거하는 실시간 심장 박동수 탐지 방법.
4. 청구항 3에 있어서,
   상기 제1 대역과 상기 제2 대역의 대역 폭은 동일 크기로 설정되고,
   상기 대역 폭의 크기는 상기 추정된 호흡수의 30% 크기 이내에서 결정되는 실시간 심장 박동수 탐지 방법.
5. 청구항 1에 있어서,
   상기 군집화 단계는,
   K-mean 군집화 알고리즘을 이용하여 상기 N×M개 심박수 후보군을 주파수 크기에 따라 심박수 그룹, 상기 심박수 그룹 보다 낮은 주파수의 제1 잡음 그룹, 그리고 상기 심박수 그룹 보다 높은 주파수의 제2 잡음 그룹으로 군집화하고,
   상기 심박수 그룹에 대해 '1'의 가중치를 설계하고,
   상기 제1 및 제2 잡음 그룹 각각에 대해, 상기 심박수 그룹의 소속 샘플 수에 대비한 해당 잡음 그룹의 소속 샘플 수의 비율을 기초로 '1'보다 작은 가중치를 설계하는 실시간 심장 박동수 탐지 방법.
6. 청구항 1에 있어서,
   제N+2 프레임부터는, 해당 프레임에서 결정된 잔여 후보군들 각각의 에너지 크기에 가중치를 적용하여 에너지 크기 순으로 다시 정렬하고, 정렬된 잔여 후보군들의 주파수 중 상위 M개 주파수와 직전 프레임에 검출된 심박수 간의 편차를 개별 연산하여, 최소 편차를 가진 주파수를 해당 프레임의 심박수 탐지 값으로 결정하는 단계를 더 포함하는 실시간 심장 박동수 탐지 방법.
7. 청구항 6에 있어서,
   최소 편차가 기 설정된 기준 편차보다 높으면, 과거 P개의 프레임에서 탐지된 P개 심박수를 평균한 값을 상기 해당 프레임의 심박수 탐지 값으로 결정하는 실시간 심장 박동수 탐지 방법.
8. 표적으로 송출 후 반사된 레이다 반사 신호를 프레임 단위로 수신하는 수신부;
   매 프레임 마다, 상기 레이다 반사 신호에서 추출한 위상 신호를 FFT 처리하여 주파수 스펙트럼을 획득하는 FFT 처리부;
   상기 주파수 스펙트럼 내에서 임계값 이상의 에너지를 갖는 주파수 성분들을 생체 신호 후보군으로 탐지하는 초기 탐지부;
   상기 후보군 중 최대 에너지를 가진 주파수를 호흡수로 추정하여, 추정한 호흡수 및 호흡수와 관련된 주파수 성분들을 후보군에서 제거하는 필터링부;
   제거 후 잔여 후보군들 중 에너지 크기 순으로 정렬된 상위 M개 주파수를 심박수 후보군으로 선정하는 선정부;
   제1 내지 제N 프레임 동안 수집된 N×M개 심박수 후보군을 주파수에 따라 복수의 주파수 그룹으로 군집화한 다음, 상기 주파수 그룹 내 소속 샘플 수를 기반으로 각 주파수 그룹에 대한 가중치를 설계하는 클러스터링부; 및
   제N+1 프레임에 대응하여 상기 잔여 후보군들이 결정되면 잔여 후보군들 각각의 에너지 크기에 해당 후보군이 속한 주파수 그룹의 가중치를 곱하여 에너지 크기 순으로 다시 정렬 후, 정렬된 잔여 후보군들 중 최대 에너지를 가진 주파수를 제N+1 프레임에 대한 표적의 심박수로 탐지하는 심박수 탐지부를 포함하는 실시간 심장 박동수 탐지 장치.
9. 청구항 8에 있어서
   상기 초기 탐지부는,
   CA-CFAR(Cell Average CFAR) 탐지 기법을 기반으로 결정된 상기 임계값을 이용하여 상기 주파수 스펙트럼 내에서 상기 생체 신호 후보군을 탐지하는 실시간 심장 박동수 탐지 장치.
10. 청구항 8에 있어서,
    상기 필터링부는,
    상기 추정한 호흡수를 중심 주파수로 하는 제1 대역과, 상기 호흡수의 정수배 주파수를 각각 중심 주파수로 하는 복수의 제2 대역을 결정하고, 상기 후보군 중에서 상기 제1 및 제2 대역에 속한 주파수를 모두 후보군에서 제거하는 실시간 심장 박동수 탐지 장치.
11. 청구항 10에 있어서,
    상기 제1 대역과 상기 제2 대역의 대역 폭은 동일 크기로 설정되고,
    상기 대역 폭의 크기는 상기 추정된 호흡수의 30% 크기 이내에서 결정되는 실시간 심장 박동수 탐지 장치.
12. 청구항 8에 있어서,
    상기 클러스터링부는,
    K-mean 군집화 알고리즘을 이용하여 상기 N×M개 심박수 후보군을 주파수 크기에 따라 심박수 그룹, 상기 심박수 그룹 보다 낮은 주파수의 제1 잡음 그룹, 그리고 상기 심박수 그룹 보다 높은 주파수의 제2 잡음 그룹으로 군집화하고,
    상기 심박수 그룹에 대해 '1'의 가중치를 설계하고,
    상기 제1 및 제2 잡음 그룹 각각에 대해, 상기 심박수 그룹의 소속 샘플 수에 대비한 해당 잡음 그룹의 소속 샘플 수의 비율을 기초로 '1'보다 작은 가중치를 설계하는 실시간 심장 박동수 탐지 장치.
13. 청구항 8에 있어서,
    상기 심박수 탐지부는,
    제N+2 프레임부터는, 해당 프레임에서 결정된 잔여 후보군들 각각의 에너지 크기에 가중치를 적용하여 에너지 크기 순으로 다시 정렬하고, 정렬된 잔여 후보군들의 주파수 중 상위 M개 주파수와 직전 프레임에 검출된 심박수 간의 편차를 개별 연산하여, 최소 편차를 가진 주파수를 해당 프레임의 심박수 탐지 값으로 결정하는 실시간 심장 박동수 탐지 장치.
14. 청구항 13에 있어서,
    상기 심박수 탐지부는,
    상기 최소 편차가 기 설정된 기준 편차보다 높으면, 과거 P개의 프레임에서 탐지된 P개 심박수를 평균한 값을 상기 해당 심박수 탐지 값으로 결정하는 실시간 심장 박동수 탐지 장치.

Images