KR20220008601A - Electronic device for obtaining biological signal and method thereof - Google Patents
Electronic device for obtaining biological signal and method thereof Download PDFInfo
- Publication number
- KR20220008601A KR20220008601A KR1020200086929A KR20200086929A KR20220008601A KR 20220008601 A KR20220008601 A KR 20220008601A KR 1020200086929 A KR1020200086929 A KR 1020200086929A KR 20200086929 A KR20200086929 A KR 20200086929A KR 20220008601 A KR20220008601 A KR 20220008601A
- Authority
- KR
- South Korea
- Prior art keywords
- window
- length
- biosignal
- processor
- fitting
- Prior art date
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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6844—Monitoring or controlling distance between sensor and tissue
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
본 발명의 다양한 실시예들은 생체 신호를 획득하는 전자 장치 및 그 운용 방법에 관한 것이다.Various embodiments of the present invention relate to an electronic device for acquiring a biosignal and a method for operating the same.
일반적으로 생체 신호(biological signal)는 인체에서 발생되고 측정될 수 있는 정보들을 의미하는 것으로, 뇌전도(electroencephalogram, EEG), 망막전도(electroretinogram, ERG), 안전도(electrooculography, EOG), 호흡(respiratory, RESP), 심전도(electrocardiogram, ECG), 위전도(electrlgastrography, EGG), 맥파(photoplethysmogram, PPG), 근전도(electromyogram, EMG), 신경전도(electroneurogram, ENG), 또는 피부전도도(galvanic Skin Response, GSR)를 포함할 수 있다.In general, biological signals refer to information that can be generated and measured in the human body, and includes electroencephalogram (EEG), electroretinogram (ERG), RESP), electrocardiogram (ECG), electrocardiogram (EGG), photoplethysmogram (PPG), electromyogram (EMG), electroneurogram (ENG), or galvanic skin response (GSR) may include
웨어러블 전자 장치의 대중화 및 생체 신호를 측정하기 위한 센서들의 소형화로 인하여 웨어러블 전자 장치를 이용하여 생체 신호를 획득할 수 있다. Due to the popularization of the wearable electronic device and the miniaturization of sensors for measuring the biosignal, a biosignal may be obtained using the wearable electronic device.
기존의 의료용 계측 시스템이 계측 환경이 매우 잘 제어된 상태에서 생체 신호를 획득하는 것과 달리 웨어러블 전자 장치는 일상적인 환경에서 생체 신호를 획득하므로, 웨어러블 전자 장치를 이용하여 획득한 사용자의 생체 신호는 사용자의 움직임으로 인한 잡음을 포함할 수 있다. Unlike conventional medical measurement systems that acquire biosignals in a state where the measurement environment is very well controlled, wearable electronic devices acquire biosignals in everyday environments. may include noise caused by the movement of
웨어러블 전자 장치를 이용하여 획득한 사용자의 생체 신호로부터 잡음을 제거한 유의미한 생체 신호를 획득하기 위하여 다양한 필터링 기법이 적용될 수 있다. 예를 들어, 생체 신호로부터 잡음을 제거하기 위해 전자 장치는 원하는 주파수 대역의 신호만을 추출하기 위한 대역통과 필터를 포함할 수 있다. 예를 들어, 대역 통과 필터는 기저선 드리프트(baseline drift)를 제거하기 위한 HPF(high pass filter) 및/또는 높은 주파수 대역의 잡음을 제거하기 위한 LPF(low pass filter)를 포함할 수 있다.Various filtering techniques may be applied in order to obtain a significant bio-signal obtained by removing noise from a user's bio-signal obtained using the wearable electronic device. For example, in order to remove noise from the biosignal, the electronic device may include a bandpass filter for extracting only a signal of a desired frequency band. For example, the band pass filter may include a high pass filter (HPF) for removing baseline drift and/or a low pass filter (LPF) for removing noise in a high frequency band.
대역통과필터에 생체 신호를 통과시키는 경우, 피험자의 움직임과 같은 요인으로 인해 발생한 잡음이 과도 응답으로 필터링된 신호(filtered signal)에 나타날 수 있다. 생체 신호에 포함된 과도 응답을 야기하는 잡음을 과도 응답성 잡음으로 참조할 수 있다.When the biosignal is passed through the bandpass filter, noise generated due to factors such as movement of a subject may appear in the filtered signal as a transient response. Noise causing a transient response included in the biosignal may be referred to as transient response noise.
생체 신호는 낮은 주파수 대역을 가지고 있으므로 낮은 차단주파수를 가지는 HPF를 이용하여 생체 신호를 필터링할 수 있다. 낮은 차단주파수의 HPF는 필터 응답(filter response)이 길기 때문에 스텝 잡음(step noise) 또는 임펄스 잡음(impulse noise)과 같은 과도 응답성 잡음에 취약할 수 있다. Since the biosignal has a low frequency band, it is possible to filter the biosignal using the HPF having a low cutoff frequency. Since the low cutoff frequency HPF has a long filter response, it may be vulnerable to transient response noise such as step noise or impulse noise.
LPF를 사용하여 빠르게 변화하는 신호는 무시하면서 전체적인 증감 양상을 필터링할 수 있다. 기저선의 변화는 매우 낮은 주파수 범위를 가지므로 안정적인 측정 환경에서는 간단한 필터링 방법으로도 기저선 신호의 복원이 가능할 수 있다. 하지만, 기저선의 주파수 범위가 잡음과 오버랩(overlap)되는 경우, 신호의 복원이 어려워질 수 있다. 예를 들어, 넓은 주파수 범위를 갖는 잡음(예: 스텝 잡음)은 높은 주파수 성분이 포함되어 있어 LPF의 제거 능력이 떨어질 수 있다. 또한, 유의미한 생체 신호는 트렌드(trend) 내에 존재하는 규칙적이고 작은 모양을 하고 있으므로 LPF 필터링과 같이 빠르게 변화하는 신호를 무시하면 유의미한 생체 신호의 획득이 어려워질 수 있다. 따라서, 필터링 기법에 따르면, 트렌드 추정 능력과 신호 복원 능력은 트레이드 오프(trade-off) 관계에 있을 수 있다. The LPF can be used to filter the overall ramp-up pattern while ignoring fast-changing signals. Since the baseline change has a very low frequency range, it may be possible to restore the baseline signal even with a simple filtering method in a stable measurement environment. However, when the frequency range of the baseline overlaps with the noise, it may be difficult to restore the signal. For example, noise having a wide frequency range (eg, step noise) contains high frequency components, so the ability of the LPF to reject it may be poor. In addition, since significant biosignals have regular and small shapes that exist within a trend, it may be difficult to obtain meaningful biosignals if a rapidly changing signal such as LPF filtering is ignored. Therefore, according to the filtering technique, the trend estimation capability and the signal restoration capability may have a trade-off relationship.
본 발명의 다양한 실시 예들에 따르면, 전자 장치는 트렌드 추정(trend estimation) 알고리즘에 기반한 필터링 방법을 사용할 수 있다.According to various embodiments of the present disclosure, the electronic device may use a filtering method based on a trend estimation algorithm.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 적어도 하나의 센서, 초기 윈도우(window)의 길이에 대한 정보 및 임계값에 대한 정보가 저장된 메모리; 및 상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함할 수 있다. 상기 프로세서는, 상기 적어도 하나의 센서를 이용하여 생체 신호를 획득하고, 상기 생체 신호의 복수의 시점들에 대하여 상기 초기 윈도우의 길이에 기반한 피팅을 순차적으로 수행하고, 상기 복수의 시점들 각각에 대하여 피팅 결과와 상기 생체 신호의 제1 차이값을 획득하고, 상기 제1 차이값이 상기 임계값 이상이면, 상기 초기 윈도우를 제1 윈도우로 조정한 뒤, 상기 제1 윈도우의 길이에 기반한 피팅을 다시 수행하고, 상기 제1 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하고, 상기 복수의 시점들에 대한 상기 트렌드 추정 값들에 기반하여 기저선 신호를 획득하고, 상기 생체 신호에서 상기 기저선 신호를 제거한 필터링된 신호를 획득하도록 설정될 수 있고 상기 제1 윈도우의 길이는 상기 초기 윈도우의 길이보다 작을 수 있다.An electronic device according to an embodiment disclosed in this document includes: a memory in which at least one sensor, information on a length of an initial window, and information on a threshold value are stored; and a processor operatively coupled to the at least one sensor and the memory. The processor obtains a biosignal using the at least one sensor, and sequentially performs fitting based on the length of the initial window for a plurality of time points of the biosignal, and for each of the plurality of time points A first difference value between a fitting result and the biosignal is obtained. If the first difference value is equal to or greater than the threshold value, the initial window is adjusted to the first window, and then fitting is performed again based on the length of the first window. and if the first difference value is less than the threshold value, a trend estimation value is determined, a baseline signal is obtained based on the trend estimation values for the plurality of time points, and the baseline signal is obtained from the biosignal. It may be set to obtain the removed filtered signal, and the length of the first window may be smaller than the length of the initial window.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 잡음과 생체 신호의 주파수 대역이 오버랩(overlap)되고 잡음의 발생 구간이 짧은 경우, 우세한 성능으로 잡음을 제거하면서 신호의 왜곡을 줄일 수 있는 필터링을 수행할 수 있다.According to the embodiments disclosed in this document, when the frequency band of the noise and the biosignal overlap and the noise generation period is short, the electronic device performs filtering capable of reducing signal distortion while removing noise with superior performance. can be done
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.In addition, various effects directly or indirectly identified through this document may be provided.
도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도이다.
도 3은 일 실시예에 따른, 전자 장치의 필터링 동작을 간략히 도시한 것이다.
도 4는 일 실시예에 따른 필터링 방법과 비교예에 따른 필터링 방법을 비교한 것이다.
도 5는 일 실시예에 따른 전자 장치에서, 생체 신호에 대한 피팅을 수행하는 것을 도시한 것이다.
도 6은 일 실시예에 따른 전자 장치의 가변 윈도우 방식의 피팅 방법을 도시한 것이다.
도 7은 일 실시예에 따른, 전자 장치의 필터링 동작을 설명하는 흐름도이다.
도 8은 일 실시예에 따른, 전자 장치의 생체 신호의 복수의 시점들에 대한 순차적 피팅 방법을 나타낸 흐름도이다.
도 9는 일 실시예에 따른 필터링 방법을 통해 획득한 신호를 비교예에 따른 필터링 방법을 통해 획득한 신호와 비교한 것이다.
도 10은 일 실시예에 따른 필터링을 수행한 결과값을 도시한 것이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.1 is a block diagram of an electronic device in a network environment, according to various embodiments of the present disclosure;
2 is a block diagram illustrating a configuration of an electronic device according to an exemplary embodiment.
3 schematically illustrates a filtering operation of an electronic device, according to an embodiment.
4 is a comparison of a filtering method according to an exemplary embodiment and a filtering method according to a comparative example.
5 is a diagram illustrating fitting on a biosignal in an electronic device according to an exemplary embodiment.
6 is a diagram illustrating a method of fitting a variable window method of an electronic device according to an exemplary embodiment.
7 is a flowchart illustrating a filtering operation of an electronic device, according to an embodiment.
8 is a flowchart illustrating a sequential fitting method for a plurality of time points of a biosignal of an electronic device, according to an exemplary embodiment.
9 illustrates a comparison of a signal obtained through a filtering method according to an exemplary embodiment with a signal obtained through a filtering method according to a comparative example.
10 is a diagram illustrating a result value obtained by performing filtering according to an exemplary embodiment.
In connection with the description of the drawings, the same or similar reference numerals may be used for the same or similar components.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.1 is a block diagram of an electronic device 101 in a
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.The processor 120, for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 . According to an embodiment, the processor 120 is the main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor). For example, when the electronic device 101 includes the
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다. The
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다. The memory 130 may store various data used by at least one component of the electronic device 101 (eg, the processor 120 or the sensor module 176 ). The data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto. The memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다. The program 140 may be stored as software in the memory 130 , and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다. The
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.The
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. The
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.The audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다. The sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do. According to an embodiment, the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.The
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.The
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.The
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.The camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.The power management module 188 may manage power supplied to the electronic device 101 . According to an embodiment, the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.The battery 189 may supply power to at least one component of the electronic device 101 . According to one embodiment, battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다. The communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.The wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR). NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)). The wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example. The wireless communication module 192 includes various technologies for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna. The wireless communication module 192 may support various requirements specified in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ). According to an embodiment, the wireless communication module 192 may include a peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: downlink (DL) and uplink (UL) each 0.5 ms or less, or
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다. The
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.According to various embodiments, the
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.At least some of the components are connected to each other through a communication method between peripheral devices (eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)) and a signal ( eg commands or data) can be exchanged with each other.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다. According to an embodiment, the command or data may be transmitted or received between the electronic device 101 and the external
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.The electronic device according to various embodiments disclosed in this document may have various types of devices. The electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device. The electronic device according to the embodiment of the present document is not limited to the above-described devices.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.The various embodiments of this document and terms used therein are not intended to limit the technical features described in this document to specific embodiments, but it should be understood to include various modifications, equivalents, or substitutions of the embodiments. In connection with the description of the drawings, like reference numerals may be used for similar or related components. The singular form of the noun corresponding to the item may include one or more of the item, unless the relevant context clearly dictates otherwise. As used herein, "A or B", "at least one of A and B", "at least one of A or B", "A, B or C", "at least one of A, B and C", and "A , B, or C" each may include any one of the items listed together in the corresponding one of the phrases, or all possible combinations thereof. Terms such as "first", "second", or "first" or "second" may be used simply to distinguish the element from other elements in question, and may refer to elements in other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is "coupled" or "connected" to another (eg, second) component, with or without the terms "functionally" or "communicatively". When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다. The term “module” used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit. can be used as A module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions. For example, according to an embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.According to various embodiments of the present document, one or more instructions stored in a storage medium (eg, internal memory 136 or external memory 138) readable by a machine (eg, electronic device 101) may be implemented as software (eg, the program 140) including For example, a processor (eg, processor 120 ) of a device (eg, electronic device 101 ) may call at least one command among one or more commands stored from a storage medium and execute it. This makes it possible for the device to be operated to perform at least one function according to the called at least one command. The one or more instructions may include code generated by a compiler or code executable by an interpreter. The device-readable storage medium may be provided in the form of a non-transitory storage medium. Here, 'non-transitory' only means that the storage medium is a tangible device and does not include a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.According to one embodiment, the method according to various embodiments disclosed in this document may be provided as included in a computer program product. Computer program products may be traded between sellers and buyers as commodities. The computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play Store™) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly between smartphones (eg: smartphones) and online. In the case of online distribution, at least a part of the computer program product may be temporarily stored or temporarily generated in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.According to various embodiments, each component (eg, module or program) of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have. According to various embodiments, one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added. Alternatively or additionally, a plurality of components (eg, a module or a program) may be integrated into one component. In this case, the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. . According to various embodiments, operations performed by a module, program, or other component are executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. or one or more other operations may be added.
도 2는 일 실시예에 따른, 전자 장치의 구성을 도시한 블록도이다.2 is a block diagram illustrating a configuration of an electronic device according to an exemplary embodiment.
일 실시예에 따르면, 전자 장치(200)(예: 도 1의 전자 장치(101))는 프로세서(210), 메모리(220), 및/또는 적어도 하나의 센서(230)를 포함할 수 있다. 도 2의 블록도는 예시적인 것으로 전자 장치(200)는 도 2에 도시되지 않은 구성을 더 포함할 수 있다. 예를 들어, 전자 장치(200)는 디스플레이(예: 도 1의 디스플레이 모듈(160))를 더 포함할 수 있다. 전자 장치(200)는 예를 들어, 디스플레이를 통하여 생체 신호를 필터링한 결과 값을 출력할 수 있다.According to an embodiment, the electronic device 200 (eg, the electronic device 101 of FIG. 1 ) may include a processor 210 , a memory 220 , and/or at least one sensor 230 . The block diagram of FIG. 2 is exemplary, and the
일 실시예에 따르면, 프로세서(210)(예: 도 1의 프로세서(120))는 예를 들면, 소프트웨어(예: 도 1의 프로그램(140))를 실행하여 프로세서(210)에 연결된 전자 장치(200)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(210)는 다른 구성요소(예: 적어도 하나의 센서(230))로부터 수신된 명령 또는 데이터를 휘발성 메모리(예: 도 1의 휘발성 메모리(132))에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(예: 도 1의 비휘발성 메모리(134))에 저장할 수 있다. According to an embodiment, the processor 210 (eg, the processor 120 of FIG. 1 ) executes, for example, software (eg, the program 140 of FIG. 1 ) to the electronic device connected to the processor 210 ( 200) may control at least one other component (eg, a hardware or software component), and may perform various data processing or operations. According to one embodiment, as at least part of data processing or computation, the processor 210 stores commands or data received from other components (eg, the at least one sensor 230 ) into a volatile memory (eg, the volatile memory of FIG. 1 ). It may be stored in the memory 132 ), process commands or data stored in the volatile memory 132 , and store the result data in a non-volatile memory (eg, the non-volatile memory 134 of FIG. 1 ).
일 실시예에 따르면, 메모리(220)(예: 도 1의 메모리(130))는 전자 장치(200)의 적어도 하나의 구성요소(예: 프로세서(210) 또는 적어도 하나의 센서 (230))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 도 1의 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 일 실시예에 따르면, 메모리(220)는, 휘발성 메모리(예: 도 1의 휘발성 메모리(132)) 또는 비휘발성 메모리(예: 도 1의 비휘발성 메모리(134))를 포함할 수 있다. 일 실시예에 따르면, 메모리(220)에는 필터링 동작을 수행하기 위한 데이터가 저장될 수 있다. 예를 들어, 프로세서(210)는 메모리(220)에 필터링 동작을 수행하기 위한 파라미터 값들(예: 윈도우의 길이, 또는 임계값)을 저장할 수 있다.According to an embodiment, the memory 220 (eg, the memory 130 of FIG. 1 ) is stored in at least one component (eg, the processor 210 or the at least one sensor 230 ) of the
적어도 하나의 센서(230)(예: 도 1의 센서 모듈(176))는 전자 장치(200)의 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 적어도 하나의 센서(230)(예: ECG(electrocardiogram) 센서)는, 예를 들면, 생체 센서를 포함할 수 있다. At least one sensor 230 (eg, the sensor module 176 of FIG. 1 ) detects an external environmental state (eg, a user state) of the
일 실시예에 따르면, 프로세서(210)는 적어도 하나의 센서(230)를 이용하여 생체 신호를 획득할 수 있다. 예를 들면, 생체 신호는 뇌전도(electroencephalogram, EEG), 망막전도(electroretinogram, ERG), 안전도(electrooculography, EOG), 호흡(respiratory, RESP), 심전도(electrocardiogram, ECG), 위전도(electrlgastrography, EGG), 맥파(photoplethysmogram, PPG), 근전도(electromyogram, EMG), 신경전도(electroneurogram, ENG), 피부전도도(galvanic Skin Response, GSR) 중 적어도 하나와 관련된 신호를 포함할 수 있다.According to an embodiment, the processor 210 may acquire a biosignal using at least one sensor 230 . For example, the biosignal may be an electroencephalogram (EEG), an electroretinogram (ERG), an electrooculography (EOG), a respiratory (RESP), an electrocardiogram (ECG), or an electroretinogram (EGG). ), a pulse wave (photoplethysmogram, PPG), an electromyogram (EMG), an electroneurogram (ENG), and a galvanic skin response (GSR) related signal.
일 실시예에 따르면, 프로세서(210)는 메모리(220)에 저장된 데이터에 기반하여 생체 신호에 대한 필터링 동작을 수행할 수 있다. 일 실시예에 따르면, 프로세서(210)는 필터링 동작을 수행하여 생체 신호의 DC 성분이 제거된 신호를 획득할 수 있다.According to an embodiment, the processor 210 may perform a filtering operation on the biosignal based on data stored in the memory 220 . According to an embodiment, the processor 210 may obtain a signal from which the DC component of the biosignal is removed by performing a filtering operation.
도 3은 일 실시예에 따른, 전자 장치의 필터링 동작을 간략히 도시한 것이다. 3 schematically illustrates a filtering operation of an electronic device, according to an embodiment.
일 실시예에 따르면, 프로세서(예: 도 2의 프로세서(210))는 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230))를 이용하여 생체 신호(300)를 획득할 수 있다. 생체 신호(300)는 유의미한 생체 신호(342) 및 과도 응답성 잡음(344)을 포함할 수 있다. 일 실시예에 따르면, 생체 신호(300)에서 유의미한 생체 신호(342)는 생체 신호(300)의 AC(alternating current) 성분으로 이해될 수 있다. 예를 들어, 유의미한 생체 신호(342)는 규칙적이고 작게 변화하는 신호로 이해될 수 있다. 유의미한 생체 신호(342)를 제외한 나머지 신호 성분은 생체 신호의 DC(direct current) 성분으로 이해될 수 있다. 과도 응답성 잡음(344)은 급격하게 변화하는 낮은 주파수 대역의 스텝 잡음 또는 임펄스 잡음을 포함할 수 있다. 과도 응답성 잡음(344)을 포함하는 신호가 대역 통과 필터를 통과하는 경우, 필터링된 신호(filtered signal)는 과도 응답성 잡음(344)에 의해 야기된 과도 응답으로 인하여 왜곡될 수 있다. According to an embodiment, the processor (eg, the processor 210 of FIG. 2 ) may acquire the
일 실시예에 따르면, 프로세서(210)는 생체 신호(300)로부터 트렌드(trend)를 추정하여 기저선 신호(baseline, 350)를 획득할 수 있다(310). 프로세서(210)는 생체 신호(300)의 복수의 시점들에 대한 피팅 결과에 기반하여 트렌드 추정값을 결정하고, 트렌드 추정값에 기반하여 기저선 신호(350)를 획득할 수 있다. 기저선 신호(350)는 생체 신호(300)의 DC 성분으로 이해될 수 있다. 프로세서(210)는 도 5 내지 도 6에 따른 피팅을 수행하여 생체 신호(300)의 트렌드를 추정할 수 있다. 프로세서(210)는 트렌드를 추정하여 기저선 신호(baseline, 350)을 획득할 수 있다. 일 실시예에 따르면, 프로세서(210)가 생체 신호(300)로부터 기저선 신호(350)를 획득하는 것(310)은 생체 신호(300)의 DC 성분을 추출하는 것으로 이해될 수 있다. 프로세서(210)가 트렌드를 더 세밀하게 추정할수록, 프로세서(210)는 생체 신호(300)의 DC 성분과 더 유사한 기저선 신호(350)를 획득할 수 있다. 본 문서의 다양한 실시 예들에 따른, 피팅(fitting)은 트렌드를 더 세밀하게 추정하기 위한 것으로 이해될 수 있다.According to an embodiment, the processor 210 may obtain a
일 실시예에 따르면, 프로세서(210)는 생체 신호(300)에서 기저선 신호(350)를 제거할 수 있다(320). 프로세서(210)는 생체 신호(300)에서 기저선 신호(350)를 제거하여 필터링된 신호(360)를 획득할 수 있다(330). 프로세서(210)는 생체 신호(300)에서 기저선 신호(350)를 제거하여 생체 신호(300)에 포함된 DC 성분의 적어도 일부를 제거할 수 있다. 예를 들어, 프로세서(210)는 생체 신호(300)로부터 과도 응답성 잡음(344)을 제거할 수 있다. 따라서, 필터링된 신호(360)는 과도 응답에 의해 왜곡되지 않은 유의미한 생체 신호(342)를 포함할 수 있다. 유의미한 생체 신호(342)는 사용자의 현재 상태를 분석하기 위한 데이터로 사용될 수 있다.According to an embodiment, the processor 210 may remove the baseline signal 350 from the biosignal 300 ( 320 ). The processor 210 may obtain the filtered
도 4는 일 실시예에 따른 필터링 방법과 비교예에 따른 필터링 방법을 비교한 것이다. 블록도(400a)는 일 실시예에 따른 필터(410) 및 필터(410)를 거쳐 획득된 신호를 도시한 것이다. 블록도(400b)는 비교예에 따른 필터(420) 및 필터(420)를 거쳐 획득된 신호를 도시한 것이다.4 is a comparison of a filtering method according to an exemplary embodiment and a filtering method according to a comparative example. A block diagram 400a illustrates a
블록도(400a)를 참조하면, 일 실시예에 따르면, 프로세서(예: 도 2의 프로세서(210))는 일 실시예에 따른 필터(410)를 이용하여 생체 신호(예: 도 3의 300)로부터 필터링된 신호(360)를 획득할 수 있다. 일 실시예에 따른 필터(410)는 예를 들어, 본 문서에 개시된 다양한 실시예에 따른 필터링 방법 중 하나에 따른 필터링을 수행하는 것으로 이해될 수 있다. Referring to the block diagram 400a, according to an embodiment, a processor (eg, the processor 210 of FIG. 2 ) uses a
일 실시예에 따른 필터(410)는 생체 신호(300)에서 과도 응답성 잡음이 포함된 DC 성분을 제거할 수 있다. 일 실시예에 따르면, 필터(410)는 하드웨어 및/또는 소프트웨어적으로 구현될 수 있다. 예를 들어, 필터(410)는 ADC(analog digital converter)를 위한 하드웨어 필터를 포함할 수 있다. 예를 들어, 필터(410)는 소프트웨어적 알고리즘을 더 포함할 수 있다. 따라서, 프로세서(210)는 필터(410)를 이용하여 생체 신호(300)로부터 유의미한 생체 신호(예: 도 3의 유의미한 생체 신호(342))가 왜곡되지 않은 필터링된 신호(예: 도 3의 360)를 획득할 수 있다.The
블록도(400b)를 참조하면, 일 실시예에 따르면, 프로세서(210)는 비교예에 따른 필터(420)를 이용하여 생체 신호(300)로부터 필터링된 신호(425)를 획득할 수 있다. 비교예에 따른 필터(420)는 예를 들어, 주파수 대역 통과 필터로 이해될 수 있다. 유의미한 생체 신호(342)는 비교예에 따른 필터(420)를 통과하는 경우, 과도 응답성 잡음에 의해 왜곡될 수 있다. 예를 들어, 생체 신호(300)가 스텝 잡음 또는 임펄스 잡음을 포함하는 경우, 과도 응답성 잡음으로 인하여 필터링된 신호(425)에 과도 응답(430)이 포함될 수 있다. 과도 응답이 나타나는 구간에서 유의미한 생체 신호(342)는 과도 응답에 의해 왜곡될 수 있다. Referring to the block diagram 400b , according to an embodiment, the processor 210 may obtain a
일 실시예에 따르면, 도 5 내지 도 6에 따라 프로세서(210)는 높은 성능으로 트렌드를 추정하여 과도 응답성 잡음을 제거하기 위한 피팅 방법을 사용할 수 있다. According to an embodiment, the processor 210 may use a fitting method for removing transient response noise by estimating a trend with high performance according to FIGS. 5 to 6 .
도 5는 일 실시예에 따른 전자 장치에서, 생체 신호에 대한 피팅을 수행하는 것을 도시한 것이다. 도 5에서 가로 축은 시간 영역(time domain)에서의 시간 축으로 참조될 수 있다. 도 5에서 세로 축은 생체 신호(전압, 전류)의 크기(magnitude) 축으로 참조될 수 있다.5 is a diagram illustrating fitting on a biosignal in an electronic device according to an exemplary embodiment. In FIG. 5 , the horizontal axis may be referred to as a time axis in a time domain. In FIG. 5 , a vertical axis may be referred to as a magnitude axis of a biosignal (voltage, current).
일 실시예에 따르면, 프로세서(예: 도 2 의 프로세서(210))는 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230))를 이용하여 생체 신호(500)를 획득할 수 있다. 예를 들어, 생체 신호(500)는 과도 응답성 잡음을 포함하는 신호로 이해될 수 있다. According to an embodiment, the processor (eg, the processor 210 of FIG. 2 ) may acquire the
프로세서(210)는 생체 신호(500)를 필터링하여 필터링된 신호(filtered signal)(예: 도 3의 필터링된 신호(360))를 획득할 수 있다. 일 실시예에 따른 필터링된 신호는 과도 응답이 없거나 매우 짧은 구간 동안 나타나는 신호로 이해될 수 있다. 따라서, 일 실시예에 따른 필터링된 신호는 과도 응답성 잡음으로 인한 유의미한 생체 신호(예: 도 3의 유의미한 생체 신호(342))의 왜곡이 감소될 수 있다.The processor 210 may obtain a filtered signal (eg, the filtered
일 실시예에 따르면, 프로세서(210)는 메모리(예: 도 2의 메모리(220))에 저장된 데이터에 기반하여 기준 시점을 결정할 수 있다. 기준 시점은 메모리(220)에 저장된 초기 윈도우의 길이 정보에 따라 달라질 수 있다. 예를 들어, 기준 시점은'초기 윈도우의 길이/2+1'로 설정될 수 있다. According to an embodiment, the processor 210 may determine a reference time based on data stored in a memory (eg, the memory 220 of FIG. 2 ). The reference time may vary according to length information of the initial window stored in the memory 220 . For example, the reference view may be set to 'length of the initial window/2+1'.
일 실시예에 따르면, 기준 시점 사이의 간격은 일정하게 또는 다양하게 설정될 수 있다. 예를 들어, 기준 시점 사이의 간격은 기저선의 변동 폭에 기반하여 다양하게 지정될 수 있다. 기저선의 변동 빈도가 작은 경우, 프로세서(210)는 기준 시점 사이의 간격을 길게 설정할 수 있다. 이 경우, 프로세서(210)는 적은 연산 및 빠른 속도로 필터링을 수행할 수 있다. 반대로, 기저선의 변동 빈도가 높은 경우, 프로세서(210)는 기준 시점 사이의 간격을 짧게 설정할 수 있다. 이 경우, 프로세서(210)는 높은 연산 및 느린 속도로 필터링을 수행할 수 있다. 기준 시점은 필터링이 진행됨에 따라 기존 기준 시점으로부터 지정된 시간 간격만큼 시간 축의 양의 방향으로 이동된 시점으로 변경될 수 있다. 예를 들어, 프로세서(210)는 기준 시점을 제1 시점(510)으로 결정할 수 있다. 프로세서(210)는 기준 시점에 대한 트렌드 추정값을 획득한 뒤, 기준 시점을 제2 시점(512)으로 변경할 수 있다. 트렌드 추정값에 대한 설명은 이하에서 설명한다. 또 다른 예로, 프로세서(210)는 제2 시점(예: 제2 시점(512))에 대한 트렌드 추정값을 획득한 뒤, 기준 시점을 제3 시점(514)으로 변경할 수 있다. According to an embodiment, the interval between the reference viewpoints may be set to be constant or variously. For example, the interval between the reference time points may be variously designated based on the variation width of the baseline. When the frequency of change of the baseline is small, the processor 210 may set the interval between the reference points to be long. In this case, the processor 210 may perform filtering with a small operation and a high speed. Conversely, when the frequency of change of the baseline is high, the processor 210 may set the interval between the reference points to be short. In this case, the processor 210 may perform filtering at a high operation and low speed. The reference viewpoint may be changed to a viewpoint moved in the positive direction of the time axis by a specified time interval from the existing reference viewpoint as filtering proceeds. For example, the processor 210 may determine the reference viewpoint as the
일 실시예에 따르면, 프로세서(210)는 기준 시점을 제1 시점(510)으로 결정할 수 있다. 프로세서(210)는 기준 시점을 중심으로 윈도우(520)의 길이에 대응하는 로우 데이터를 추출할 수 있다. 로우 데이터는 생체 신호(500)의 적어도 일부로 참조될 수 있다. 기준 시점에 대한 정보는 메모리(예: 도 2의 메모리(220))에 저장될 수 있다. According to an embodiment, the processor 210 may determine the reference viewpoint as the
일 실시예에 따르면, 초기 윈도우의 길이에 대한 정보는 전자 장치(예: 도 2의 전자 장치(200))의 메모리(220)에 저장될 수 있다. 일 실시예에 따르면, 초기 윈도우 길이는 안정적인 측정 환경에서, 생체 신호의 왜곡이 나타나지 않는 최소값으로 설정될 수 있고, 샘플링 레이트(sampling rate)에 따라 다르게 설정될 수 있다. According to an embodiment, information on the length of the initial window may be stored in the memory 220 of the electronic device (eg, the
일 실시예에 따르면, 프로세서(210)는 윈도우(520)의 길이에 대응하는 로우 데이터에 대하여 피팅(fitting)을 수행할 수 있다. 윈도우(520)의 길이는 초기 윈도우의 길이로 이해될 수 있으나, 프로세서(210)는 피팅 결과에 따라 지정된 조건을 만족할 때까지 윈도우(520)의 길이를 조절할 수 있다. 예를 들어, 지정된 조건은 생체 신호(500)와 피팅 결과의 차이값이 임계값 미만인 경우로 이해될 수 있다. 예를 들어, 과도 응답성 잡음으로 인해 차이값이 임계값 미만인 경우, 프로세서(210)는 윈도우(520)의 길이를 감소 시킬 수 있다. According to an embodiment, the processor 210 may perform fitting on raw data corresponding to the length of the
일 실시예에 따르면, 프로세서(210)는 지정된 조건을 만족할 때까지 피팅을 수행하여 트렌드 추정값을 획득할 수 있다. 예를 들어, 트렌드 추정값은 피팅 결과의 중앙값(530)으로 결정될 수 있다. According to an embodiment, the processor 210 may obtain a trend estimation value by performing fitting until a specified condition is satisfied. For example, the trend estimate may be determined as the median 530 of the fitting result.
일 실시예에 따르면, 프로세서(210)는 트렌드 추정 값을 획득한 뒤, 기준 시점을 제2 시점(512)으로 변경할 수 있다. 프로세서(210)는 기준 시점을 중심으로 윈도우(522)의 길이에 대응하는 로우 데이터를 추출하여 피팅을 수행할 수 있다. 일 실시예에 따르면, 윈도우(522)의 길이는 초기 윈도우의 길이로 이해될 수 있다. 다른 실시예에 따르면, 프로세서(210)는 연산 속도를 높이기 위하여, 제1 기준 시점(510)에서 사용한 변경된 윈도우의 길이에 기반하여 윈도우(522)의 길이를 설정할 수도 있다. 예를 들어, 윈도우(522)의 길이는 제1 기준 시점(510)에 대하여 조정된 윈도우(520)의 길이를 기준으로 한 주변값 중 높은 값으로 참조될 수 있다. 윈도우의 길이 감소 및 피팅 방법에 대한 자세한 설명은 도 6에 대한 설명에 의해 참조될 수 있다. 일 실시예에 따르면, 프로세서(210)는 트렌드 추정값을 획득하기 위하여 지정된 조건을 만족할 때까지 윈도우(522)의 길이를 조절할 수 있다. 프로세서(210)는 피팅을 수행하여 트렌드 추정값을 획득할 수 있다. 프로세서(210)는 피팅 결과의 중앙값(532)을 트렌드 추정 값으로 획득할 수 있다.According to an embodiment, the processor 210 may change the reference time point to the
일 실시예에 따르면, 프로세서(210)는 트렌드 추정 값을 획득한 뒤, 기준 시점을 제3 시점(514)으로 변경할 수 있다. 프로세서(210)는 기준 시점을 중심으로 윈도우(524)의 길이에 대응하는 로우 데이터를 추출하여 피팅을 수행할 수 있다. 프로세서(210)는 트렌드 추정값을 획득하기 위하여 지정된 조건을 만족할 때까지 윈도우(524)의 길이를 조절할 수 있다. 프로세서(210)는 피팅을 수행하여 트렌드 추정값을 획득할 수 있다. 프로세서(210)는 피팅 결과의 중앙값(534)을 트렌드 추정 값으로 획득할 수 있다. According to an embodiment, the processor 210 may change the reference time point to the
일 실시예에 따르면, 프로세서(210)는 각각의 기준 시점에 대한 트렌드 추정 값들에 기반하여 기저선 신호(baseline, 540)를 획득할 수 있다. 프로세서(210)는 생체 신호(500)에서 기저선 신호(540)를 제거하여 필터링된 신호(예: 도 3의 필터링된 신호(360))를 획득할 수 있다. According to an embodiment, the processor 210 may acquire a
도 6은 일 실시예에 따른 전자 장치의 가변 윈도우 방식의 피팅 방법을 도시한 것이다. 참조 번호 600a는 제1 윈도우(630)의 길이에 기반하여, 참조 번호 600b는 제2 윈도우(632)의 길이에 기반하여, 참조 번호 600c는 제3 윈도우(634)의 길이에 기반하여 피팅(fitting)을 수행할 수 있다. 일 실시예에 따르면, 프로세서(예: 도 2의 프로세서(210))는 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230))를 이용하여 생체 신호(605)(예: 도 5의 500)를 획득할 수 있다. 도 6에서 가로 축은 시간 영역(time domain)에서의 시간 축으로 참조될 수 있다.6 is a diagram illustrating a method of fitting a variable window method of an electronic device according to an exemplary embodiment.
600a에서 프로세서(210)는 기준 시점(예: 도 5의 제1 시점(510))을 중심으로 제1 윈도우(630)의 길이에 대응하는 제1 로우 데이터(620)를 추출할 수 있다. 프로세서(210)는 제1 로우 데이터(620)에 대하여 피팅을 수행할 수 있다. 예를 들어, 피팅은 리니어 커브 피팅(linear curve fitting) 방법을 포함할 수 있다. 프로세서(210)는 피팅을 수행하여 제1 피팅 결과(640)를 획득할 수 있다. 일 실시예에 따르면, 프로세서(210)는 제1 피팅 결과(640)와 제 1 로우 데이터(620)의 차이를 계산하여 잔여값을 획득할 수 있다. 예를 들어, 잔여값의 일 예로써, 참조 번호 660을 참조할 수 있다. 프로세서(210)는 잔여값들에 대한 RMS(root mean square) 값을 계산하여 제1 차이값을 획득할 수 있다. In 600a, the processor 210 may extract the first
일 실시예에 따르면, 프로세서(210)는 제1 차이값과 임계값을 비교할 수 있다. 예를 들어, 임계값은 생체 신호(500)의 RMS 값에 여유분(margin)을 더한 값으로 참조될 수 있다. 일 실시예에 따르면, 제1 차이값이 임계값 미만인 경우, 제1 피팅 결과(640)와 제1 로우 데이터(620)의 유사도가 높은 것으로 이해될 수 있다. 이 경우, 프로세서(210)는 제1 피팅 결과(640)의 중앙값(650)을 트렌드 추정 값으로 결정할 수 있다. 프로세서(210)는 트렌드 추정 값을 획득한 뒤, 기준 시점을 제2 시점(예: 도 5의 512)로 변경할 수 있다. According to an embodiment, the processor 210 may compare the first difference value with the threshold value. For example, the threshold value may be referred to as a value obtained by adding a margin to the RMS value of the
제1 차이값이 임계값 이상인 경우, 제1 피팅 결과(640)와 제1 로우 데이터(620)의 유사도가 낮은 것으로 이해될 수 있다. 예를 들어, 참조 번호 600a에서 제1 로우 데이터(620)는 파워(전력)가 센 과도 응답성 잡음을 포함할 수 있다. 따라서, 제1 로우 데이터(620)의 DC 성분은 과도 응답성 잡음으로 인하여 급격하게 변하는 구간을 포함하고, 제1 피팅 결과(640)는 제1 로우 데이터(620)의 DC 성분을 충분히 반영하지 못할 수 있다. 일 실시예에 따르면, 제1 차이값이 임계값 미만인 경우는 피팅 결과가 제1 로우 데이터(620)의 DC 성분을 충분히 반영하는 경우로 참조될 수 있다. 일 실시 예에 따르면, 프로세서(210)는 생체 신호(605)의 트렌드를 다시 추정하기 위하여 제1 윈도우(630)의 길이를 감소시키고 제2 윈도우(632)의 길이에 기반하여 기준 시점(예: 제1 시점(610))에 대한 피팅을 다시 수행할 수 있다. When the first difference value is equal to or greater than the threshold value, it may be understood that the similarity between the first
참조 번호 600b에서, 프로세서(210)는 기준 시점(610)을 중심으로 제2 윈도우(632) 길이에 대응하는 제2 로우 데이터(622)를 추출할 수 있다. 제2 윈도우(632)의 길이는 제1 윈도우(630)의 길이에 비해 짧을 수 있다. 예를 들어, 제2 윈도우(632)의 길이는 제1 윈도우(630)의 길이의 1/2일 수 있다. 1/2배로 감소하는 것은 예시적인 것으로, 제2 윈도우(632)의 길이는 제1 윈도우(630)의 길이의 1/n(n은 상수)일 수 있다. 프로세서(210)는 제2 로우 데이터(622)에 대하여 피팅을 수행할 수 있다. 프로세서(210)는 피팅을 수행하여 제2 피팅 결과(642)를 획득할 수 있다. 일 실시예에 따르면, 프로세서(210)는 제2 피팅 결과(642)와 제2 로우 데이터(622)의 차이를 계산하여 잔여값을 획득할 수 있다. 예를 들어, 잔여값의 일 예로써, 참조 번호 662를 참조할 수 있다. 프로세서(210)는 잔여값들에 대한 RMS 값을 계산하여 제2 차이값을 획득할 수 있다. 일 실시예에 따르면, 프로세서(210)는 제2 차이값과 임계값을 비교할 수 있다. 일 실시예에 따르면, 제2 윈도우(632)에는 과도 응답성 잡음의 적어도 일부가 포함될 수 있다. 따라서, 제2 로우 데이터(622)의 DC 성분은 과도 응답성 잡음으로 인하여 급격히 변하는 구간을 포함하고, 제2 피팅 결과(642)는 제2 로우 데이터(622)의 DC 성분을 충분히 반영하지 못할 수 있다. 일 실시예에 따르면, 제2 차이값이 임계값 미만인 경우를 피팅 결과가 제2 로우 데이터(622)의 DC 성분을 충분히 반영하는 경우로 참조될 수 있다. 일 실시 예에 따르면, 프로세서(210)는 생체 신호(605)의 트렌드를 추정하기 위하여 제2 윈도우(632)의 길이를 감소시키고 제3 윈도우(634)의 길이에 기반하여 기준 시점(예: 제1 시점(610))에 대한 피팅을 다시 수행할 수 있다.Referring to reference numeral 600b, the processor 210 may extract second
참조 번호 600c에서, 프로세서(210)는 기준 시점(610)을 중심으로 제3 윈도우(634) 길이에 대응하는 제3 로우 데이터(624)를 추출할 수 있다. 제3 윈도우(634)의 길이는 제2 윈도우(632)의 길이에 비해 짧을 수 있다. 프로세서(210)는 제3 로우 데이터(624)에 대하여 피팅을 수행할 수 있다. 프로세서(210)는 피팅을 수행하여 제3 피팅 결과(644)를 획득할 수 있다. 예를 들어, 잔여값의 일 예로써, 참조 번호 664를 참조할 수 있다. 프로세서(210)는 제3 피팅 결과(644)와 제3 로우 데이터(624)의 차이를 계산하여 잔여값을 획득할 수 있다. 프로세서(210)는 잔여값들에 대한 RMS 값을 계산하여 제3 차이값을 획득할 수 있다.At
일 실시예에 따르면, 프로세서(210)는 제3 차이값과 임계값을 비교할 수 있다. 참조 번호 600c를 참조하면, 제3 로우 데이터(624)는 과도 응답성 잡음이 포함되지 않거나 거의 포함되지 않을 수 있다. 예를 들어, 참조 번호 600c는 제3 차이값이 임계값 미만일 수 있다. 프로세서(210)는 제3 피팅 결과(644)의 중앙값(654)을 트렌드 추정 값으로 결정할 수 있다. According to an embodiment, the processor 210 may compare the third difference value and the threshold value. Referring to reference numeral 600c, the third
일 실시예에 따르면, 도 6의 피팅은 프로세서(210)가 기준 시점(610)에 대한 트렌드 추정 값을 획득한 뒤, 다른 기준 시점들에 대하여 반복적으로 수행될 수 있다. 프로세서(210)는 각각의 기준 시점에서 획득한 트렌드 추정 값들에 기반하여 기저선 신호(예: 도 5의 기저선 신호(540))를 획득할 수 있다.According to an embodiment, the fitting of FIG. 6 may be repeatedly performed with respect to other reference points after the processor 210 obtains a trend estimation value for the
일 실시예에 따르면, 프로세서(210)는 사용자의 특성에 기반하여 윈도우(예: 제1 윈도우(630))의 길이를 감소시킬 수 있다. 예를 들어, 과도응답성 잡음은 사용자의 주변 환경(예: 온도, 습도) 및/또는 사용자의 신체 특성(땀, 피부)에 기반하여 발생할 수 있다. 프로세서(210)는 사용자에 따른 과도응답성 잡음의 발생 빈도를 모니터링할 수 있다. 프로세서(210)는 과도응답이 적게 발생하는 사용자인 경우, 윈도우의 길이를 과도응답이 크게 발생하는 사람의 경우보다 많이 감소시킬 수 있다. 윈도우의 길이 감소 정도를 사용자에게 최적화시킴으로써, 프로세서(210)는 반복된 필터링으로 인한 소모 전류를 감소시킬 수 있다. 다른 실시예에 따르면, 프로세서(210)는 과도응답성 잡음의 발생 빈도가 높은 사용자의 경우, 윈도우(예: 제1 윈도우(630))의 길이를 지정된 길이로 감소시킬 수 있다. 지정된 길이는 메모리(예: 도 2의 메모리(220))에 저장된 과거 피팅 결과에 기반하여 결정될 수 있다.According to an embodiment, the processor 210 may decrease the length of the window (eg, the first window 630 ) based on the characteristics of the user. For example, the transient response noise may be generated based on the user's surrounding environment (eg, temperature, humidity) and/or the user's body characteristics (sweat, skin). The processor 210 may monitor the occurrence frequency of the transient noise according to the user. The processor 210 may reduce the window length in the case of a user with a small transient response than in the case of a user with a large transient response. By optimizing the degree of reduction in the length of the window to the user, the processor 210 may reduce current consumption due to repeated filtering. According to another embodiment, the processor 210 may reduce the length of the window (eg, the first window 630 ) to a specified length in the case of a user having a high frequency of occurrence of transient noise. The specified length may be determined based on a past fitting result stored in a memory (eg, the memory 220 of FIG. 2 ).
일 실시예에 따르면, 도 6에서와 달리, 프로세서(210)는 소모 전력 감소를 위하여 지정된 조건에서 윈도우의 길이를 늘릴 수 있다. 예를 들어, 트렌드 추정값의 변동이 적어 생체 신호(예: 도 5의 생체 신호(500))의 DC 성분의 큰 변동이 없는 경우, 프로세서(210)는 생체 신호(500)가 안정적이라고 판단하여 윈도우의 길이를 늘릴 수 있다. 이 경우, 기저선 신호는 윈도우의 길이가 짧은 경우에 비하여 생체 신호(500)의 DC 성분을 정확하게 반영할 수 없으나, 필터링으로 인한 소모 전력가 감소될 수 있다. 예를 들어, 프로세서(210)는 윈도우의 길이가 일정한 시간이 경과하면 늘어나도록 설정할 수 있다. 다른 예를 들어, 프로세서(210)는 생체 신호(500)를 안정적인 신호로 판단하는 경우, 윈도우의 길이를 늘릴 수 있다. According to an embodiment, unlike in FIG. 6 , the processor 210 may increase the length of the window under a specified condition to reduce power consumption. For example, if there is no significant change in the DC component of the bio-signal (eg, the bio-signal 500 of FIG. 5 ) due to small fluctuations in the trend estimation value, the processor 210 determines that the bio-signal 500 is stable and determines the window can increase the length of In this case, the baseline signal cannot accurately reflect the DC component of the
도 7은 일 실시예에 따른, 전자 장치의 필터링 동작을 설명하는 흐름도이다. 7 is a flowchart illustrating a filtering operation of an electronic device, according to an embodiment.
동작 700을 참조하면, 프로세서(예: 도 2의 프로세서(210))는 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230))를 이용하여 생체 신호(예: 도 3의 생체 신호(300))를 획득할 수 있다. 생체 신호의 로우 데이터는 피험자의 움직임으로 인한 잡음(예: 도 3의 과도 응답성 잡음(344))을 포함할 수 있다. 프로세서(210)는 동작 710 내지 동작 740에서 잡음을 제거하기 위한 필터링 동작을 수행할 수 있다. 예를 들어, 피험자는 전자 장치(예: 도 2의 전자 장치(200))를 사용하는 사용자일 수 있다.Referring to
동작 710에서, 프로세서(210)는 복수의 시점들(예: 도 5의 제1 기준 시점(510), 제2 기준 시점(512), 또는 제3 기준 시점(514))에 대하여 초기 윈도우의 길이에 기반한 피팅을 순차적으로 수행할 수 있다. 예를 들어, 초기 윈도우의 길이에 대한 정보는 전자 장치(200)의 메모리(예: 도 2의 메모리(220))에 저장될 수 있다. In
동작 720에서, 프로세서(210)는 생체 신호 (예: 도 5의 생체 신호(500))의 복수의 시점들 각각에 대하여 피팅 결과와 생체 신호의 차이값을 획득할 수 있다. 예를 들어, 프로세서(210)는 피팅 결과와 생체 신호의 차이를 계산하여 잔여값을 획득하고 잔여값들에 대한 RMS 값을 계산하여 제1 차이값을 획득할 수 있다. In
동작 730에서, 프로세서(210)는 제1 차이값을 임계값과 비교할 수 있다.In
제1 차이값이 임계값 이상인 경우(동작 730-YES), 프로세서(210)는 동작 740에서 초기 윈도우를 제1 윈도우로 조정한 뒤, 제1 윈도우에 기반한 피팅을 다시 수행할 수 있다. 제1 윈도우는 초기 윈도우보다 짧을 수 있다. 도 7에서 프로세서(210)는 동작 720으로 돌아가, 제1 윈도우의 길이에 기반한 피팅 결과와 생체 신호의 차이값을 획득하여 임계값과 비교하고, 차이값이 임계값 이상이면 윈도우의 길이를 조정하는 동작을 반복할 수 있다. When the first difference value is equal to or greater than the threshold value (operation 730 - YES), the processor 210 may adjust the initial window to the first window in
제1 차이값이 임계값 미만인 경우(730-NO), 프로세서(210)는 동작 750에서 트렌드 추정값을 결정할 수 있다. 예를 들어, 프로세서(210)는 복수의 시점들 각각에 대한 피팅 결과의 중앙 값을 트렌드 추정값으로 결정할 수 있다.If the first difference value is less than the threshold value (730-NO), the processor 210 may determine a trend estimation value in
동작 760에서, 프로세서(210)는 복수의 시점들에 대한 트렌드 추정값들에 기반하여 기저선 신호를 결정할 수 있다. 일 실시예에 따르면, 기저선 신호는 트렌드 추정값들을 연결하여 획득할 수 있다. 기저선 신호는 생체 신호의 DC 성분에 대응하는 신호를 추출한 것으로 이해될 수 있다. In
동작 770에서, 프로세서(210)는 생체 신호에서 기저선 신호를 제거하여 필터링된 신호를 획득할 수 있다. 필터링된 신호는 생체 신호의 DC 성분이 제거되고, AC 성분이 보전된 신호로 이해될 수 있다. 생체 신호에서 기저선 신호를 제거하는 동작에서 과도 응답성 잡음이 함께 제거될 수 있다. 따라서, 필터링된 신호의 유의미한 생체 신호(예: 도 3의 342)는 과도 응답에 의해 왜곡되지 않거나 과도 응답에 의한 왜곡 구간이 짧게 나타날 수 있다. 일 실시예에 따르면, 유의미한 생체 신호와 오버랩되지 않는 주파수 대역의 고주파 잡음 제거를 위하여 프로세서(210)는 필터링된 신호를 LPF(low pass filter)에 통과시킬 수 있다.In
도 8은 일 실시예에 따른, 전자 장치의 생체 신호의 복수의 시점들에 대한 순차적 피팅 방법을 나타낸 흐름도이다.8 is a flowchart illustrating a sequential fitting method for a plurality of time points of a biosignal of an electronic device, according to an exemplary embodiment.
동작 800을 참조하면, 프로세서(예: 도 2의 프로세서(210))는 기준 시점을 중심으로 윈도우의 길이에 대응하는 생체 신호의 적어도 일부(예: 도 6의 제1 로우 데이터(620))를 추출할 수 있다. 예를 들어, 초기 윈도우의 길이에 대한 정보는 전자 장치(예: 도 2의 전자 장치(200))의 메모리(예: 도 2의 메모리(220))에 저장될 수 있다. Referring to
동작 810에서, 프로세서(210)는 추출된 생체 신호의 적어도 일부에 대하여 피팅을 수행할 수 있다. 예를 들어, 피팅은 리니어 커브 피팅(linear curve fitting) 방법으로 수행될 수 있다. 일 실시예에 따르면, 프로세서(210)는 피팅을 통하여 생체 신호의 적어도 일부에 대한 피팅 결과를 획득할 수 있다.In
동작 820에서, 프로세서(210)는 피팅 결과와 생체 신호의 적어도 일부의 차이값를 획득할 수 있다. 일 실시예에 따르면 프로세서(210)는 피팅 결과와 생체 신호의 적어도 일부의 차이를 계산하여 잔여값을 획득할 수 있다. 프로세서(210)는 잔여값들에 대한 RMS 값을 계산하여 차이값을 획득할 수 있다.In
동작 830에서, 프로세서(210)는 차이값이 임계값 이상인지 결정할 수 있다. 임계값에 대한 정보는 메모리(220)에 저장될 수 있다. 예를 들어, 임계값은 안정적인 측정 환경에서 획득한 피험자의 생체 신호에 기반하여 결정될 수 있다. 임계값은 피험자에 따라 다르게 결정될 수 있다. 다른 예로, 윈도우의 길이는 안정적인 측정 환경에서 과도 응답성 잡음으로 인하여 생체 신호의 왜곡이 나타나지 않는 값으로 결정될 수 있다. 프로세서(210)는 차이값이 임계값 미만인 경우, 동작 840으로 진행할 수 있다(830-NO). 프로세서(210)는 차이값이 임계값 이상인 경우, 동작 850으로 진행할 수 있다(830-YES).In
동작 850에서, 프로세서(210)는 윈도우의 길이가 최소 길이인지 판단할 수 있다. 예를 들어, 동작 860에서 윈도우의 길이가 반복적으로 감소되어 최소 길이가 되었음에도 불구하고, 여전히 피팅 결과와 생체 신호의 적어도 일부의 차이값이 임계값 이상일 수 있다. 이 경우, 프로세서(210)는 더 이상 윈도우의 길이를 감소시킬 수 없다. 예를 들어, 윈도우의 최소 길이에 대한 정보는 메모리(220)에 저장될 수 있다. 이 경우, 윈도우의 길이를 더 이상 감소시킬 수 없으므로 프로세서(210)는 동작 840으로 진행하여 트렌드 추정값을 획득할 수 있다(850-YES). 윈도우의 길이를 더 감소시키는 것이 가능한 경우, 동작 860으로 진행할 수 있다(850-NO).In
동작 860에서, 프로세서(210)는 윈도우의 길이를 감소시킬 수 있다. 예를 들어, 감소된 윈도우의 길이는 기존 윈도우의 길이의 1/2일 수 있다. 또 다른 예로, 감소된 윈도우의 길이는 기존 윈도우의 길이의 1/n(n은 상수)일 수 있다. 상수 n에 대한 정보는 메모리(220)에 저장될 수 있다. 일 실시 예에서, 프로세서(210)는 연산량의 감소를 위해 상수 n의 크기를 조절할 수 있다. 예를 들어, 프로세서(210)는 과도 응답성 잡음의 크기가 큰 경우, 윈도우의 길이를 기존 윈도우의 길이의 1/4로 감소시킬 수 있다. 과도 응답성 잡음의 크기가 일정 수준 이상인 경우를 연산량의 감소가 필요한 경우로 이해될 수 있다. In
일 실시예에 따르면, 프로세서(210)는 윈도우의 길이를 감소시키고, 동작 800으로 돌아가 감소된 윈도우의 길이에 기반하여 동작 800 내지 동작 830을 다시 수행할 수 있다.According to an embodiment, the processor 210 may decrease the length of the window and return to
동작 840에서, 프로세서(210)는 트렌드 추정값을 결정할 수 있다. 예를 들어, 프로세서(210)는 피팅 결과의 중앙 값을 트렌드 추정 값으로 결정할 수 있다. In
동작 870에서, 프로세서(210)는 트렌드 추정값을 결정한 뒤, 기준 시점을 기존 기준 시점으로부터 지정된 시간 간격만큼 이동된 시점으로 변경할 수 있다. 프로세서(210)는 변경된 기준 시점에 대하여 도 8의 피팅을 수행할 수 있다. In
일 실시예에 따르면, 프로세서(210)는 생체 신호의 복수의 시점들 각각에 대하여 도 8의 동작을 순차적으로 수행하여 트렌드 추정 값들을 획득한 뒤, 트렌드 추정 값들에 기반하여 기저선 신호를 획득할 수 있다.According to an embodiment, the processor 210 may obtain trend estimation values by sequentially performing the operation of FIG. 8 for each of a plurality of time points of the biosignal, and then acquire a baseline signal based on the trend estimation values. have.
일 실시예에 따르면, 프로세서(210)는 피팅 결과에 기반하여 생체 신호의 어느 구간에서 과도 응답성 잡음이 발생하였는지에 대한 정보를 획득할 수 있다. 예를 들어, 프로세서(210)는 윈도우의 길이가 감소되는 시점을 과도 응답성 잡음의 발생 구간에 대한 정보로 획득할 수 있다. 예를 들어, 프로세서(210)는 윈도우의 길이가 감소된 정도와 연계하여 과도 응답성 잡음의 크기와 관련된 정보를 획득할 수 있다.According to an embodiment, the processor 210 may acquire information on which section of the biosignal in which the transient response noise is generated based on the fitting result. For example, the processor 210 may obtain the timing when the length of the window is reduced as information about the generation period of the transient response noise. For example, the processor 210 may obtain information related to the magnitude of the transient response noise in association with the degree to which the length of the window is reduced.
도 9는 일 실시예에 따른 필터링 방법을 통해 획득한 신호를 비교예에 따른 필터링 방법을 통해 획득한 신호와 비교한 것이다. 900a는 프로세서(예: 도 2의 프로세서(210))가 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230))를 이용하여 획득한 생체 신호를 도시한 것이다. 예를 들어, 적어도 하나의 센서(230)는 ECG(electrocardiogram) 센서를 포함할 수 있다. 900b는 프로세서(210)가 주파수 대역 통과 필터에 생체 신호를 통과시켜 획득한 신호를 도시한 것이다. 900c는 프로세서(210)가 도 7 내지 도 8에 따른 필터에 생체 신호를 통과시켜 획득한 필터링된 신호(예: 도 3의 필터링된 신호(360))를 도시한 것이다. 도 9에서 가로 축은 시간 영역(time domain)에서의 시간 축으로 참조될 수 있다.9 illustrates a comparison of a signal obtained through a filtering method according to an exemplary embodiment with a signal obtained through a filtering method according to a comparative example. 900a illustrates a biosignal obtained by a processor (eg, the processor 210 of FIG. 2 ) using at least one sensor (eg, the at least one sensor 230 of FIG. 2 ). For example, the at least one sensor 230 may include an electrocardiogram (ECG) sensor. 900b illustrates a signal obtained by the processor 210 passing the biosignal through the frequency band pass filter. 900c illustrates a filtered signal (eg, the filtered
900a를 참조하면, 프로세서(210)가 획득한 생체 신호는 과도 응답성 잡음을 포함할 수 있다. 복수의 시점(910)은 과도 응답성 잡음이 나타나는 시점을 나타낸 것이다. Referring to 900a, the biosignal obtained by the processor 210 may include transient response noise. The plurality of
900b를 참조하면, 900a의 복수의 시점(910)의 과도 응답성 잡음은 주파수 대역 통과 필터를 통과하는 경우, 과도 응답(920)을 야기할 수 있다. 복수의 시점(910) 근방의 생체 신호가 과도 응답(920)에 의해 왜곡될 수 있다.Referring to 900b, when the transient response noise of the plurality of
900c를 참조하면, 900a의 복수의 시점(910)의 과도 응답성 잡음은 본 발명의 다양한 실시 예들에 따른 도 7 내지 도 8에 따른 필터를 통과하는 경우, 과도 응답(930)으로 나타날 수 있다. 900c에서 과도 응답(930)은 900b의 과도 응답(920)에 비해, 매우 짧은 구간에서 나타나거나, 아예 나타나지 않을 수도 있다. 따라서, 복수의 시점(910) 근방의 생체 신호는 과도 응답(930)에 의한 신호 품질의 저하를 감소시킬 수 있다. Referring to 900c, when the transient response noise of the plurality of
일 실시예에 따르면, 900b에서 나타나는 과도 응답 신호는 파형이 크고 시간 구간이 커서 원신호를 추정하기 어려울 수 있다. 그러나, 900c에서 나타나는 과도 응답 신호는 임펄스(impulse) 신호이므로 과도 응답 신호를 쉽게 식별하거나 필터링할 수 있다. 또한, 900c의 과도 응답 신호는 짧은 구간에서 나타나므로 전체적인 생체 신호의 단절을 야기하지 않을 수 있다. 따라서, 프로세서(210)는 도 7 내지 도 8에 따른 필터를 이용하여 생체 신호로부터 더 높은 품질의 필터링된 신호를 획득할 수 있다.According to an embodiment, it may be difficult to estimate the original signal because the transient response signal shown in 900b has a large waveform and a large time interval. However, since the transient response signal shown in 900c is an impulse signal, it is possible to easily identify or filter the transient response signal. In addition, since the transient response signal of 900c appears in a short period, it may not cause a break in the overall bio-signal. Accordingly, the processor 210 may obtain a higher quality filtered signal from the biosignal by using the filter according to FIGS. 7 to 8 .
일 실시예에 따르면, 도 7 내지 도 8에 따른 필터링은 지정된 이벤트에 기반하여 실시될 수 있다. 예를 들어, 지정된 이벤트는 사용자가 전자 장치(200)의 물리 버튼을 조작하는 경우로 참조될 수 있다. 다른 예를 들어, 지정된 이벤트는 프로세서(210)가 사용자의 움직임을 감지하는 경우로 참조될 수 있다. 프로세서(210)는 예를 들어, 가속도 센서 및/또는 자이로 센서를 이용하여 사용자의 움직임을 감지할 수 있다. 과도 응답성 잡음은 지정된 이벤트에 의해 발생될 수 있다. 프로세서(210)는 지정된 이벤트가 발생한 것을 감지하고 이에 기반하여 필터링을 수행할 수 있다.According to an embodiment, the filtering according to FIGS. 7 to 8 may be performed based on a specified event. For example, the specified event may be referred to as a case in which the user manipulates a physical button of the
도 10은 일 실시예에 따른 필터링을 수행한 결과값을 도시한 것이다. 도 10의 결과값에 대한 설명은 도 7 내지 도 8의 필터링 방법에 대한 설명에 의해 참조될 수 있다. 1000a는 프로세서(예: 도 2의 프로세서(210))가 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230))를 이용하여 획득한 생체 신호(1010)와 일 실시예에 따른 피팅 방법을 이용하여 획득한 기저선 신호(1015)를 함께 도시한 것이다. 1000b는 생체 신호(1010)에서 기저선 신호를 제거하고 획득한 필터링된 신호(예: 도 3의 필터링된 신호(360))를 도시한 것이다. 1000c는 프로세서(210)가 복수의 시점들 각각에 대하여 트렌드 추정 값을 획득할 때의 윈도우의 길이를 도시한 것이다. 1000d는 복수의 시점들 각각에 대하여 획득한 최종 차이값을 도시한 것이다. 도 10에서 가로 축은 시간 영역(time domain)에서의 시간 축을 샘플링(sampling)하여 나타낸 것이다. 도 10에서의 샘플 레이트(sample rate)는 250HZ로 참조될 수 있다.10 is a diagram illustrating a result value obtained by performing filtering according to an exemplary embodiment. The description of the result value of FIG. 10 may be referred to by the description of the filtering method of FIGS. 7 to 8 . 1000a is a fitting according to an embodiment with the
1000a에서 프로세서(210)가 획득한 생체 신호(1010)는 과도 응답성 잡음을 포함할 수 있다. 프로세서(210)는 도 7 내지 8에 따른 피팅을 수행하여 기저선 신호(1015)를 획득할 수 있다. 기저선 신호(1015)는 생체 신호(1010)의 DC 성분을 추출한 것으로 이해될 수 있다.The
1000b에서 프로세서(210)는 생체 신호(1010)에서 기저선 신호(1015)을 제거하여 필터링된 신호를 획득할 수 있다. 필터링된 신호는 과도 응답을 매우 짧은 시간 동안 포함하거나 아예 포함하지 않을 수 있다. 필터링된 신호는 과도 응답성 잡음으로 인한 필터 응답(filter response) 구간이 최소화 되어, 매우 짧은 시간 구간에 대한 데이터 손실만 있으므로, 생체 신호의 품질 저하를 감소 시킬 수 있다. 일 실시예에 따르면, 필터 응답은 낮은 차단주파수를 가진 필터에서 길게 나타날 수 있다. 생체 신호(1010)는 보통 낮은 주파수 대역의 신호로 참조될 수 있다. 생체 신호(1010)의 이러한 특성에도 불구하고, 프로세서(210)는 도 7 내지 도 8의 필터를 이용하여 필터 응답이 최소화된 필터링된 신호를 획득할 수 있다. In 1000b, the processor 210 may obtain a filtered signal by removing the
1000c의 윈도우의 길이는 1000d의 차이값과 상관관계에 있을 수 있다. 예를 들어, 1000d의 차이값이 큰 경우(예: 차이값이 0.4 이상인 경우), 피팅 값과 로우 데이터 사이의 유사도가 낮은 것으로 이해될 수 있다. 유사도가 낮은 경우, 프로세서(210)는 윈도우의 길이를 감소시켜 기준 시점에 대한 피팅을 다시 수행할 수 있다. 따라서, 1000d에서 차이값이 높은 시점에 대응하는 1000c의 일 시점에서의 윈도우 길이는 짧게 나타날 수 있다. 반대로 차이값이 낮은 경우(예: 차이값이 0.4 미만인 경우), 피팅 값과 로우 데이터 사이의 유사도가 높은 것으로 이해될 수 있다. 유사도가 높은 경우, 프로세서(210)는 트렌드 추정값을 결정하므로, 1000d에서 차이값이 낮은 시점에 대응하는 1000c의 일 시점에서의 윈도우 길이는 길게 나타날 수 있다. The window length of 1000c may be correlated with the difference value of 1000d. For example, when the difference value of 1000d is large (eg, when the difference value is 0.4 or more), it may be understood that the similarity between the fitting value and the raw data is low. When the similarity is low, the processor 210 may reduce the length of the window to perform fitting to the reference view again. Accordingly, the window length at one time point of 1000c corresponding to the time point at which the difference value is high at 1000d may appear short. Conversely, when the difference value is low (eg, the difference value is less than 0.4), it may be understood that the similarity between the fitted value and the raw data is high. When the similarity is high, since the processor 210 determines the trend estimation value, the window length at one point in
일 실시예에 따르면, 전자 장치(예: 도 2의 전자 장치(200))는 적어도 하나의 센서(예: 도 2의 적어도 하나의 센서(230)), 초기 윈도우(window)의 길이에 대한 정보 및 임계값에 대한 정보가 저장된 메모리(예: 도 2의 메모리(220)), 및 상기 적어도 하나의 센서(230) 및 상기 메모리(220)와 작동적으로 연결된 프로세서(예: 도 2의 프로세서(210))를 포함할 수 있다. 프로세서(210)는, 상기 적어도 하나의 센서(230)를 이용하여 생체 신호(예: 도 3의 생체 신호(300))를 획득하고, 상기 생체 신호(300)의 복수의 시점들에 대하여 상기 초기 윈도우의 길이에 기반한 피팅을 순차적으로 수행하고, 상기 복수의 시점들 각각에 대하여 피팅 결과(예: 도 6의 제1 피팅 결과(640), 제2 피팅 결과(642), 제3 피팅 결과(644))와 상기 생체 신호(300)의 제1 차이값(예: 도 6의 제1 차이값, 제2 차이값, 제3 차이값)을 획득하고, 상기 제1 차이값이 상기 임계값 이상이면, 상기 초기 윈도우를 제1 윈도우로 조정한 뒤, 상기 제1 윈도우의 길이에 기반한 피팅을 다시 수행하고, 상기 제1 차이값이 상기 임계값 미만이면, 트렌드 추정 값(예: 도 6의 트렌드 추정값)을 결정하고, 상기 복수의 시점들에 대한 상기 트렌드 추정 값들에 기반하여 기저선 신호(예: 도 3의 350)를 획득하고, 상기 생체 신호(300)에서 상기 기저선 신호(350)를 제거한 필터링된 신호(예: 도 3의 필터링된 신호(360))를 획득하도록 설정될 수 있다. 상기 제1 윈도우의 길이는 상기 초기 윈도우의 길이보다 작을 수 있다.According to an embodiment, the electronic device (eg, the
일 실시예에 따르면, 프로세서(210)는, 상기 제1 윈도우의 길이에 기반하여 수행한 피팅 결과와 상기 생체 신호의 제2 차이값을 획득하고, 상기 제2 차이값이 상기 임계값 이상이면, 상기 제1 윈도우를 제2 윈도우로 조정한 뒤, 상기 제2 윈도우의 길이에 기반한 피팅을 다시 수행하고, 상기 제2 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하도록 더 설정될 수 있다. 상기 제2 윈도우의 길이는 상기 제1 윈도우의 길이보다 작을 수 있다.According to an embodiment, the processor 210 obtains a second difference value between the fitting result and the biosignal performed based on the length of the first window, and when the second difference value is equal to or greater than the threshold value, After adjusting the first window to the second window, fitting based on the length of the second window is performed again, and if the second difference value is less than the threshold value, it may be further configured to determine a trend estimation value. . A length of the second window may be smaller than a length of the first window.
일 실시예에 따르면, 프로세서(210)는, 상기 복수의 시점들을 중심으로 상기 초기 윈도우 또는 조정된 윈도우의 길이에 대응하는 상기 생체 신호(300)의 적어도 일부(예: 도 6의 제1 로우 데이터(620), 제1 로우 데이터(622), 제1 로우 데이터(624))를 추출하도록 더 설정될 수 있다. 예를 들어, 상기 피팅은 상기 생체 신호의 적어도 일부에 대한 피팅일 수 있다. 예를 들어,
상기 피팅은 리니어 커브 피팅(linear curve fitting)일 수 있다.According to an embodiment, the processor 210 is configured to include at least a part of the biosignal 300 (eg, the first raw data of FIG. 6 ) corresponding to the length of the initial window or the adjusted window with respect to the plurality of viewpoints. 620 , the first
일 실시예에 따르면, 프로세서(210)는, 상기 제2 차이값이 상기 임계값 이상이고, 상기 제1 윈도우의 길이가 최소 길이인 경우, 트렌드 추정 값을 결정하도록 더 설정될 수 있다.According to an embodiment, the processor 210 may be further configured to determine the trend estimation value when the second difference value is equal to or greater than the threshold value and the length of the first window is the minimum length.
일 실시예에 따르면, 상기 전자 장치(200)는 LPF(low pass filter)를 더 포함하고, 상기 프로세서(210)는, 상기 LPF에 상기 필터링된 신호를 통과시키도록 더 설정될 수 있다.According to an embodiment, the
일 실시예에 따르면, 상기 생체 신호(300)는 뇌전도(electroencephalogram, EEG), 망막전도(electroretinogram, ERG), 안전도(electrooculography, EOG), 호흡(respiratory, RESP), 심전도(electrocardiogram, ECG), 위전도(electrlgastrography, EGG), 맥파(photoplethysmogram, PPG), 근전도(electromyogram, EMG), 신경전도(electroneurogram, ENG), 피부전도도(galvanic Skin Response, GSR) 중 적어도 하나와 관련된 신호일 수 있다.According to an embodiment, the
Claims (20)
적어도 하나의 센서;
초기 윈도우(window)의 길이에 대한 정보 및 임계값에 대한 정보가 저장된 메모리; 및
상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고,
상기 프로세서는,
상기 적어도 하나의 센서를 이용하여 생체 신호를 획득하고,
상기 생체 신호의 복수의 시점들에 대하여 상기 초기 윈도우의 길이에 기반한 피팅을 순차적으로 수행하고,
상기 복수의 시점들 각각에 대하여:
피팅 결과와 상기 생체 신호의 제1 차이값을 획득하고,
상기 제1 차이값이 상기 임계값 이상이면, 상기 초기 윈도우를 제1 윈도우로 조정한 뒤, 상기 제1 윈도우의 길이에 기반한 피팅을 다시 수행하고,
상기 제1 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하고,
상기 복수의 시점들에 대한 상기 트렌드 추정 값들에 기반하여 기저선 신호를 획득하고,
상기 생체 신호에서 상기 기저선 신호를 제거한 필터링된 신호를 획득하도록 설정되고,
상기 제1 윈도우의 길이는 상기 초기 윈도우의 길이보다 작은,
전자 장치.
In an electronic device,
at least one sensor;
a memory in which information on the length of an initial window and information on a threshold value are stored; and
a processor operatively coupled to the at least one sensor and the memory;
The processor is
Obtaining a biosignal using the at least one sensor,
sequentially performing fitting based on the length of the initial window with respect to a plurality of time points of the biosignal;
For each of the plurality of time points:
obtaining a first difference value between the fitting result and the biosignal;
If the first difference value is equal to or greater than the threshold value, after adjusting the initial window to the first window, fitting based on the length of the first window is performed again;
if the first difference value is less than the threshold value, determine a trend estimation value;
obtaining a baseline signal based on the trend estimation values for the plurality of time points;
set to obtain a filtered signal in which the baseline signal is removed from the biosignal,
The length of the first window is less than the length of the initial window,
electronic device.
상기 프로세서는,
상기 제1 윈도우의 길이에 기반하여 수행한 피팅 결과와 상기 생체 신호의 제2 차이값을 획득하고,
상기 제2 차이값이 상기 임계값 이상이면, 상기 제1 윈도우를 제2 윈도우로 조정한 뒤, 상기 제2 윈도우의 길이에 기반한 피팅을 다시 수행하고,
상기 제2 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하도록 더 설정되고,
상기 제2 윈도우의 길이는 상기 제1 윈도우의 길이보다 작은,
전자 장치.
According to claim 1,
The processor is
obtaining a second difference value between a fitting result performed based on the length of the first window and the biosignal;
If the second difference value is equal to or greater than the threshold value, after adjusting the first window to be a second window, fitting based on the length of the second window is performed again;
if the second difference value is less than the threshold value, further configured to determine a trend estimation value;
The length of the second window is less than the length of the first window,
electronic device.
상기 프로세서는,
상기 복수의 시점들을 중심으로 상기 초기 윈도우 또는 조정된 윈도우의 길이에 대응하는 상기 생체 신호의 적어도 일부를 추출하도록 더 설정된,
전자 장치.
3. The method of claim 2,
The processor is
further configured to extract at least a portion of the biosignal corresponding to the length of the initial window or the adjusted window based on the plurality of viewpoints,
electronic device.
상기 피팅은 상기 생체 신호의 적어도 일부에 대한 피팅인,
전자 장치.
4. The method of claim 3,
wherein the fitting is a fitting for at least a portion of the biosignal;
electronic device.
상기 피팅은 리니어 커브 피팅(linear curve fitting)인,
전자 장치.
3. The method of claim 2,
The fitting is a linear curve fitting,
electronic device.
상기 프로세서는,
상기 제2 차이값이 상기 임계값 이상이고, 상기 제1 윈도우의 길이가 최소 길이인 경우, 트렌드 추정 값을 결정하도록 더 설정된,
전자 장치.
3. The method of claim 2,
The processor is
further configured to determine a trend estimation value when the second difference value is greater than or equal to the threshold value and the length of the first window is the minimum length;
electronic device.
상기 전자 장치는 LPF(low pass filter)를 더 포함하고,
상기 프로세서는,
상기 LPF에 상기 필터링된 신호를 통과시키도록 더 설정된,
전자 장치.
3. The method of claim 2,
The electronic device further includes a low pass filter (LPF),
The processor is
further configured to pass the filtered signal to the LPF,
electronic device.
상기 생체 신호는 뇌전도(electroencephalogram, EEG), 망막전도(electroretinogram, ERG), 안전도(electrooculography, EOG), 호흡(respiratory, RESP), 심전도(electrocardiogram, ECG), 위전도(electrlgastrography, EGG), 맥파(photoplethysmogram, PPG), 근전도(electromyogram, EMG), 신경전도(electroneurogram, ENG), 피부전도도(galvanic Skin Response, GSR) 중 적어도 하나와 관련된 신호인,
전자 장치.
According to claim 1,
The biosignal is an electroencephalogram (EEG), an electroretinogram (ERG), a safety degree (electrooculography, EOG), a respiratory (RESP), an electrocardiogram (ECG), an electrocardiogram (EGG), a pulse wave. A signal related to at least one of (photoplethysmogram, PPG), electromyogram (EMG), electroneurogram (ENG), and galvanic skin response (GSR),
electronic device.
적어도 하나의 센서를 이용하여 생체 신호를 획득하는 동작;
상기 생체 신호의 복수의 시점들에 대하여 초기 윈도우의 길이에 기반한 피팅을 순차적으로 수행하는 동작;
상기 복수의 시점들 각각에 대하여:
피팅 결과와 상기 생체 신호의 제1 차이값을 획득하고,
상기 제1 차이값이 임계값 이상이면, 상기 초기 윈도우를 제1 윈도우로 조정한 뒤, 상기 제1 윈도우의 길이에 기반한 피팅을 다시 수행하고,
상기 제1 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하는 동작;
상기 복수의 시점들에 대한 상기 트렌드 추정 값들에 기반하여 기저선 신호를 획득하는 동작; 및
상기 생체 신호에서 상기 기저선 신호를 제거한 필터링된 신호를 획득하는 동작;을 포함하고,
상기 제1 윈도우의 길이는 상기 초기 윈도우의 길이보다 작은,
방법.
A method of operating an electronic device, comprising:
acquiring a biosignal using at least one sensor;
sequentially performing fitting based on the length of an initial window with respect to a plurality of time points of the biosignal;
For each of the plurality of time points:
obtaining a first difference value between the fitting result and the biosignal;
If the first difference value is equal to or greater than the threshold value, after adjusting the initial window to the first window, fitting based on the length of the first window is performed again;
determining a trend estimation value when the first difference value is less than the threshold value;
obtaining a baseline signal based on the trend estimation values for the plurality of time points; and
and obtaining a filtered signal obtained by removing the baseline signal from the biosignal.
The length of the first window is less than the length of the initial window,
Way.
상기 제1 윈도우의 길이에 기반하여 수행한 피팅 결과와 상기 생체 신호의 제2 차이값을 획득하는 동작;
상기 제2 차이값이 상기 임계값 이상이면, 상기 제1 윈도우를 제2 윈도우로 조정한 뒤, 상기 제2 윈도우의 길이에 기반한 피팅을 다시 수행하는 동작; 및
상기 제2 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하는 동작;을 더 포함하고,
상기 제2 윈도우의 길이는 상기 제1 윈도우의 길이보다 작은,
방법.
10. The method of claim 9,
obtaining a second difference value between a fitting result performed based on the length of the first window and the biosignal;
if the second difference value is equal to or greater than the threshold value, adjusting the first window to a second window and then performing fitting again based on a length of the second window; and
If the second difference value is less than the threshold value, determining a trend estimation value; further comprising,
The length of the second window is less than the length of the first window,
Way.
상기 복수의 시점들을 중심으로 상기 초기 윈도우 또는 조정된 윈도우의 길이에 대응하는 상기 생체 신호의 적어도 일부를 추출하는 동작;을 더 포함하는,
방법.
11. The method of claim 10,
extracting at least a portion of the biosignal corresponding to the length of the initial window or the adjusted window based on the plurality of viewpoints; further comprising
Way.
상기 피팅은 상기 생체 신호의 적어도 일부에 대한 피팅인,
방법.
12. The method of claim 11,
wherein the fitting is a fitting for at least a portion of the biosignal;
Way.
상기 피팅은 리니어 커브 피팅(linear curve fitting)인,
방법.
11. The method of claim 10,
The fitting is a linear curve fitting,
Way.
상기 제2 차이값이 상기 임계값 이상이고, 상기 제1 윈도우의 길이가 최소 길이인 경우, 트렌드 추정 값을 결정하는 동작;을 더 포함하는,
방법.
11. The method of claim 10,
determining a trend estimation value when the second difference value is equal to or greater than the threshold value and the length of the first window is the minimum length;
Way.
상기 LPF(low pass filter)에 상기 필터링된 신호를 통과시키는 동작;을 더 포함하는,
방법.
11. The method of claim 10,
The operation of passing the filtered signal through the low pass filter (LPF); further comprising,
Way.
적어도 하나의 센서;
초기 윈도우(window)의 길이에 대한 정보 및 임계값에 대한 정보가 저장된 메모리; 및
상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고,
상기 프로세서는,
상기 적어도 하나의 센서를 이용하여 사용자의 착용을 감지하고,
상기 적어도 하나의 센서를 이용하여 상기 사용자의 생체 신호를 획득하고,
상기 적어도 하나의 센서를 이용하여 상기 사용자의 움직임 또는 조작에 기반한 지정된 이벤트 발생을 감지하면, 상기 생체 신호에서 상기 지정된 이벤트로 인해 발생한 잡음을 제거한 필터링(filtered)된 신호를 획득하도록 설정된,
웨어러블 전자 장치.
A wearable electronic device comprising:
at least one sensor;
a memory in which information on the length of an initial window and information on a threshold value are stored; and
a processor operatively coupled to the at least one sensor and the memory;
The processor is
Detecting the wear of the user using the at least one sensor,
acquiring the user's bio-signal using the at least one sensor,
When the occurrence of a designated event based on the user's movement or manipulation is detected using the at least one sensor, the biosignal is set to obtain a filtered signal in which noise generated due to the designated event is removed,
wearable electronics.
상기 프로세서는,
상기 생체 신호의 복수의 시점들에 대하여 상기 초기 윈도우의 길이에 기반한 피팅을 순차적으로 수행하고,
상기 복수의 시점들 각각에 대하여:
피팅 결과와 상기 생체 신호의 제1 차이값을 획득하고,
상기 제1 차이값이 상기 임계값 이상이면, 상기 초기 윈도우를 제1 윈도우로 조정한 뒤, 상기 제1 윈도우의 길이에 기반한 피팅을 다시 수행하고,
상기 제1 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하고,
상기 복수의 시점들에 대한 상기 트렌드 추정 값들에 기반하여 기저선 신호를 획득하고,
상기 생체 신호에서 상기 기저선 신호를 제거한 상기 필터링된 신호를 획득하도록 설정되고,
상기 제1 윈도우의 길이는 상기 초기 윈도우의 길이보다 작은,
웨어러블 전자 장치.
17. The method of claim 16,
The processor is
sequentially performing fitting based on the length of the initial window with respect to a plurality of time points of the biosignal;
For each of the plurality of time points:
obtaining a first difference value between the fitting result and the biosignal;
If the first difference value is equal to or greater than the threshold value, after adjusting the initial window to the first window, fitting based on the length of the first window is performed again;
if the first difference value is less than the threshold value, determine a trend estimation value;
obtaining a baseline signal based on the trend estimation values for the plurality of time points;
set to obtain the filtered signal in which the baseline signal is removed from the biosignal,
The length of the first window is less than the length of the initial window,
wearable electronics.
상기 프로세서는,
상기 제1 윈도우의 길이에 기반하여 수행한 피팅 결과와 상기 생체 신호의 제2 차이값을 획득하고,
상기 제2 차이값이 상기 임계값 이상이면, 상기 제1 윈도우를 제2 윈도우로 조정한 뒤, 상기 제2 윈도우의 길이에 기반한 피팅을 다시 수행하고,
상기 제2 차이값이 상기 임계값 미만이면, 트렌드 추정 값을 결정하도록 더 설정되고,
상기 제2 윈도우의 길이는 상기 제1 윈도우의 길이보다 작은,
웨어러블 전자 장치.
18. The method of claim 17,
The processor is
obtaining a second difference value between a fitting result performed based on the length of the first window and the biosignal;
If the second difference value is equal to or greater than the threshold value, after adjusting the first window to be a second window, fitting based on the length of the second window is performed again;
if the second difference value is less than the threshold value, further configured to determine a trend estimation value;
The length of the second window is less than the length of the first window,
wearable electronics.
상기 프로세서는,
상기 복수의 시점들을 중심으로 상기 초기 윈도우 또는 조정된 윈도우의 길이에 대응하는 상기 생체 신호의 적어도 일부를 추출하도록 더 설정된,
웨어러블 전자 장치.
18. The method of claim 17,
The processor is
further configured to extract at least a portion of the biosignal corresponding to the length of the initial window or the adjusted window based on the plurality of viewpoints,
wearable electronics.
상기 피팅은 리니어 커브 피팅(linear curve fitting)인,
웨어러블 전자 장치.
18. The method of claim 17,
The fitting is a linear curve fitting,
wearable electronics.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200086929A KR20220008601A (en) | 2020-07-14 | 2020-07-14 | Electronic device for obtaining biological signal and method thereof |
PCT/KR2021/008261 WO2022014902A1 (en) | 2020-07-14 | 2021-06-30 | Electronic device for acquiring bio-signals, and operating method therefor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200086929A KR20220008601A (en) | 2020-07-14 | 2020-07-14 | Electronic device for obtaining biological signal and method thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20220008601A true KR20220008601A (en) | 2022-01-21 |
Family
ID=79554415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200086929A KR20220008601A (en) | 2020-07-14 | 2020-07-14 | Electronic device for obtaining biological signal and method thereof |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20220008601A (en) |
WO (1) | WO2022014902A1 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117617984B (en) * | 2022-08-09 | 2024-08-27 | 荣耀终端有限公司 | Electrocardiosignal processing method and electronic equipment |
CN115778337B (en) * | 2022-10-28 | 2023-06-16 | 北京津发科技股份有限公司 | Human body biological signal data processing method, device, equipment and storage medium |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050011396A (en) * | 2003-07-23 | 2005-01-29 | 한국전자통신연구원 | Method and apparatus for removal of artifact from contaminated electroencephalogram with unexpected base line drift artifact |
KR101008825B1 (en) * | 2008-09-02 | 2011-01-19 | 광운대학교 산학협력단 | Apparatus and method for finding characteristic parameters in bio-signal using multiple moving windows |
US20100317983A1 (en) * | 2009-06-12 | 2010-12-16 | Newcardio, Inc. | Method for quantitative assessment of cardiac electrical events |
WO2016183674A1 (en) * | 2015-05-15 | 2016-11-24 | Lionsgate Technologies, Inc. | Method for determining physiological parameters from physiological data |
KR102210468B1 (en) * | 2018-12-28 | 2021-02-02 | 조선대학교산학협력단 | Method and computer program for removing baseline fluctuation noise of ECG signal |
-
2020
- 2020-07-14 KR KR1020200086929A patent/KR20220008601A/en unknown
-
2021
- 2021-06-30 WO PCT/KR2021/008261 patent/WO2022014902A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022014902A1 (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102620503B1 (en) | Electronic device for obtaining biometric signal and method of operating the same | |
CN104503593A (en) | Control information determination method and device | |
KR20220054011A (en) | Wearable device and method for measuring biometric information | |
KR20220008601A (en) | Electronic device for obtaining biological signal and method thereof | |
US20230190167A1 (en) | Method for acquiring biometric information and electronic device therefor | |
CN110221684A (en) | Apparatus control method, system, electronic device and computer readable storage medium | |
KR20220082291A (en) | Wearable electronic device including multiple electrodes | |
KR20220102436A (en) | Electronic device and method for determining user's posture using acceleration sensor of wearable electronic device | |
EP4295759A1 (en) | Wearable electronic apparatus for measuring blood pressure and operating method therefor | |
EP4228161A1 (en) | Electronic device and method for controlling transmission power of communication module | |
CN118786427A (en) | Electronic device for controlling operation based on biological characteristic signal and operation method thereof | |
KR20220152633A (en) | Method for detecting biometric information and electronic device supporting the same | |
KR20220073136A (en) | Electronic device for setting background image and operating method thereof | |
CN108628445B (en) | Brain wave acquisition method and related product | |
KR20220023129A (en) | Electronic device for measuring biological signal and method for operation in the electronic device | |
WO2020175878A1 (en) | Electronic device for measuring biometric information and method for operating the same | |
KR20240154417A (en) | A first wearable electronic device for obtaining a signal including a noise corresponding to a movement of a user, an electronic device for analyzing the signal and method for controlling thereof | |
KR20220128139A (en) | Wearable device and method for measuring biometric information | |
CN110971742A (en) | Antenna switching method, device, terminal and computer readable storage medium | |
US11460928B2 (en) | Electronic device for recognizing gesture of user from sensor signal of user and method for recognizing gesture using the same | |
KR20240133470A (en) | Wearable device, electronic device and operation method thereof for monitoring body water change | |
KR20240064485A (en) | Electronic device and method for controlloing a plurality of electronic devices | |
KR20240028888A (en) | Electronic device for measuring biometric information and method for controlling thereof | |
EP4316357A1 (en) | Method for detecting biometric information, and electronic device supporting same | |
EP4250064A1 (en) | Electronic device for correcting error during gaze direction recognition, and operating method of electronic device |