WO2019156433A1 - 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치 - Google Patents

복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치 Download PDF

Info

Publication number
WO2019156433A1
WO2019156433A1 PCT/KR2019/001386 KR2019001386W WO2019156433A1 WO 2019156433 A1 WO2019156433 A1 WO 2019156433A1 KR 2019001386 W KR2019001386 W KR 2019001386W WO 2019156433 A1 WO2019156433 A1 WO 2019156433A1
Authority
WO
WIPO (PCT)
Prior art keywords
heart rate
electronic device
signal
tracker
processor
Prior art date
Application number
PCT/KR2019/001386
Other languages
English (en)
French (fr)
Inventor
이원규
심환
김현수
이용진
정다운
김승훈
김태호
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to EP19751774.1A priority Critical patent/EP3735893A4/en
Priority to US16/967,970 priority patent/US12016665B2/en
Priority to CN201980012456.0A priority patent/CN111698939B/zh
Publication of WO2019156433A1 publication Critical patent/WO2019156433A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02444—Details of sensor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Definitions

  • Embodiments disclosed in this document relate to an information processing technique related to an external object.
  • An electronic device eg, a wearable device worn on a wrist such as a smart watch or a smart band
  • HR heart rate
  • PPG photoplethysmography
  • PPG signals in the form of reflected periodic pulses can be measured.
  • the number of pulses per second may be determined and the heart rate may be extracted based on a pulse peak of the PPG signal and a method of detecting a peak to peak interval (PPI) between the peaks.
  • PPI peak to peak interval
  • precisely recorded PPI can be used to estimate heart rate variability (HRV) and to identify sympathetic and parasympathetic interactions and control cardiovascular function.
  • the method of extracting the heartbeat interval based on the method of detecting the peak to peak interval (PPI) between the pulse peak and the peak of the PPG signal to estimate the heart rate and heart rate variability is effective in an environment having user motion. This may not be high. For example, if the PPG signal measured by the optical sensor contains a variety of noises including movements in the daily life environment, the waveform may be distorted or the periodicity disappears. It can be difficult to detect gaps.
  • PPI peak to peak interval
  • the heart rate monitoring method based on the frequency analysis of the PPG signal and the frequency power tracking of the heart rate generation band is designed to stably detect the heart rate even when various noises may be included, but peak detection is required to estimate the heart rate interval. Because of this, there is still a limit that cannot reproduce PPI-based elaborate heart rate variability.
  • Acquiring a heartbeat interval using an electronic device or acquiring various biometric information processing results using a heartbeat interval in a situation involving a lot of motion using a conventional method may reduce the accuracy of an algorithm utilizing data and biometric information. Can be dropped.
  • the embodiment disclosed in the present document proposes a method and an apparatus therefor for efficiently processing information related to an external object even when there is a movement of an external object (for example, a user).
  • an electronic device includes a sensing circuit and a processor operatively connected to the sensing circuit, wherein the processor acquires a first signal related to an external object through the sensing circuit. Based on at least the first signal, a first heart rate is obtained using a first filter having an attribute of a first frequency band, and a second heart rate is obtained using a second filter having an attribute of a second frequency band, Change at least some attributes associated with the second filter based at least on the first heart rate and the second heart rate, and obtain a second signal associated with the external object through the sensing circuitry, based on the second signal
  • the second filter may be configured to generate heart rate variability (HRV) information by using the second filter.
  • the first filter may use the first signal processing scheme
  • the second filter may use the second signal processing scheme.
  • the operation of obtaining a signal related to an external object the operation of obtaining a first heart rate using a first signal processing method based on the signal, based on the signal Acquiring a second heart rate using a second signal processing scheme, and generating heart rate variability information based at least on the second heart rate.
  • the electronic device may more accurately acquire a result of processing information related to an external object.
  • the electronic device may efficiently process information related to an external object.
  • FIG. 1 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • FIG. 2 is a diagram illustrating a relationship between a frequency band and a bandwidth related parameter according to an exemplary embodiment.
  • FIG. 3 is a block diagram illustrating a functional configuration of a processor according to an exemplary embodiment.
  • FIG. 4 illustrates a method of acquiring heartbeat information by an electronic device according to an exemplary embodiment.
  • FIG. 5 is a flowchart of a method of obtaining, by an electronic device, an optimal parameter according to an embodiment of the present disclosure.
  • FIG. 6 is a flowchart illustrating a method of obtaining an HRV by an electronic device according to an embodiment of the present disclosure.
  • FIG. 7 is a flowchart illustrating a method of obtaining an HRV by an electronic device according to an embodiment of the present disclosure.
  • FIG. 8 is a graph illustrating a change in heart rate variability according to a parameter change of a tracker according to an exemplary embodiment.
  • FIG. 9 illustrates a relationship between a combination of parameter values of each of a first tracker and a second tracker and heart rate information according to various embodiments of the present disclosure.
  • FIG. 10 illustrates a result of calculating an HRV value in a frequency domain by using parameter optimization according to an embodiment.
  • FIG. 11 is a diagram for describing a PPI restoration scheme.
  • RMSSD HRV value
  • FIG. 13 illustrates an HRV value pNN50 of a time domain according to an embodiment.
  • FIG. 14 is a graph illustrating a sleep pattern according to an embodiment.
  • FIG. 15 shows a graph comparing REM characteristics of sleep patterns and results of a sleep polymorphism test.
  • 16 is a view illustrating a sleep phase division according to an embodiment.
  • FIG. 17 is a flowchart of a sleep phase dividing operation according to an exemplary embodiment.
  • FIG. 19 is a block diagram of an electronic device for generating heart rate information associated with an external object using a plurality of filters in a network environment, according to various embodiments of the present disclosure.
  • FIG. 1 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • the electronic device 100 may include the processor 110 (eg, the processor 1920 of FIG. 19) and the memory 120 (eg, of FIG. 19). Memory 1930) or the sensing circuit 130.
  • the electronic device 100 may omit some of the above components or additionally include other components.
  • a display eg, display device 1960 of FIG. 19
  • a camera eg, camera module 1980 of FIG. 19
  • a battery or an input / output interface eg, interface 1977 of FIG. 19
  • the same configuration may be additionally included in the electronic device 100.
  • the processor 110 may perform an operation according to various embodiments of the present disclosure.
  • the processor 110 may process information related to an external object.
  • the external object may be, for example, a user.
  • Information related to the external object may include biometric information.
  • the electronic device may process information related to an external object and obtain heart rate information (for example, heart rate or heart rate variability).
  • the processor 110 may display heart rate information.
  • the processor 110 may be disposed in a housing of the electronic device 100.
  • the processor 110 may be electrically or operatively connected to the memory 120 and the sensing circuit 130.
  • the processor 110 may execute instructions stored in the memory 120.
  • the memory 120 may store at least one application or data related to the operation of the electronic device 100.
  • the memory 120 may store an application program associated with biometric information of a user, such as a health or sleep pattern.
  • the memory 120 may include instructions regarding various operations disclosed in the present document. The instructions may be executed by the processor 110.
  • the electronic device 100 may obtain a signal related to an external object.
  • the electronic device 100 may include a sensing circuit 130.
  • the sensing circuit 130 may include at least one of a sensor 132 (eg, the sensor module 1976 of FIG. 19) or a communication circuit 140 (eg, the communication module 1990 of FIG. 19). It may include.
  • the signal related to the external object may include, for example, a biosignal and / or a motion signal.
  • the biosignal may be a signal associated with a user's bioactivity.
  • the motion signal may be a signal representing a user's movement, for example, an acceleration signal.
  • the sensor 132 may acquire a signal related to an external object.
  • the signal related to the external object may include a sensing signal.
  • the sensor 132 may be, for example, a biometric sensor (eg, a photo-plethysmography (PPG) sensor) or a motion sensor (eg, an accelerometer (ACC) sensor) for measuring a motion signal such as acceleration. It may include at least one of.
  • the sensor 132 according to various embodiments of the present disclosure may include various devices (eg, an electrocardiography (ECG) sensor, a gyro sensor, a barometric pressure sensor, etc.) that measure a user's biosignal or motion signal.
  • ECG electrocardiography
  • the PPG sensor may include at least one light emitting unit and at least one light receiving unit.
  • the light receiving unit may obtain light that is transmitted or reflected back to the user's skin among the light output from the light emitting unit, and may transmit a biosignal corresponding to the obtained light to the processor.
  • the sensing signal acquired by the PPG sensor may be collectively referred to as a photo-plethysmography (PPG) signal.
  • PPG photo-plethysmography
  • the acceleration sensor may acquire a motion signal of the electronic device 100.
  • the acceleration sensor may acquire a motion signal and transmit the obtained motion signal to a processor.
  • a signal obtained by the acceleration sensor may be collectively referred to as an accelerometer (ACC) signal.
  • the electronic device 100 may obtain a signal related to an external object from an external device.
  • the electronic device 100 may transmit or receive a signal related to the external object to or from the external device through the communication circuit 140.
  • the signal related to the external object may be a signal obtained by a sensor of the external electronic device.
  • the signal related to the external object may be a biosignal or a motion signal.
  • the communication circuit 140 may support wired communication or wireless communication.
  • the wireless communication may include short range communication or long range communication.
  • the electronic device 100 may include a display.
  • the electronic device 100 may display, on the display, heartbeat information related to an external object acquired according to an embodiment disclosed below.
  • FIG. 2 is a diagram illustrating a frequency tracking parameter according to an embodiment.
  • the electronic device may acquire heartbeat information based on frequency estimation.
  • the electronic device analyzes the frequency of the acquired signal and performs oscillator based adaptive frequency tracking that applies a time-varying bandpass filter together, thereby providing a peak interval in the pulse wave signal.
  • Heart rate information can be measured without obtaining.
  • the heart rate information may include heart rate (HR) and / or heart rate variability (HRV).
  • HR heart rate
  • HRV heart rate variability
  • an adaptive filter may be used when performing frequency tracking based heart rate monitoring.
  • Adaptive filters use adaptive line-enhancers (ALEs) based on infinite impulse response (IIR) filters to effectively remove noise from mixed signals of interest and noise.
  • the ALE may be configured based on a linear prediction that predicts a signal to come out by linearly combining a past signal.
  • the characteristics of adaptive filter-based frequency tracking can be determined by the following two parameters.
  • the frequency tracking parameter may include a bandwidth related parameter ⁇ and a forgetting factor ⁇ . 2 shows a relationship between bandwidth related parameters and bandwidth. Referring to FIG. 2, the smaller the bandwidth related parameter, the wider the bandwidth. In addition, in the adaptive bandpass filter, the smaller the forgetting factor, the smaller the influence on the previously estimated value.
  • Equations 1 to 4 below are equations for obtaining parameters according to various embodiments of the present disclosure.
  • Equation 1 represents an oscillator equation
  • Equation 2 represents the formula of the infinite impulse response filter
  • Equation 3 represents the bandwidth of the filter
  • Equation 4 represents the formula of the adaptive bandpass filter.
  • Equation 1 w may be a normalized instantaneous frequency value, and n may be an order of an input signal.
  • ⁇ may be a bandwidth related parameter, ⁇ (n) may be a correction function, and z may be an input signal.
  • ⁇ in Equation 4 may be a forgetting factor.
  • the frequency tracking parameters of the heart rate monitoring (HRM) algorithm can be changed.
  • FIG. 3 is a block diagram illustrating a functional configuration of a processor according to an exemplary embodiment.
  • the processor 110 may include a preprocessing module 310, a noise cancellation module 320, a first tracker 330, a second tracker 340, or Compute module 350 may be included.
  • the processor 110 may omit some of the above components, or may further include other components.
  • at least some of the components included in the processor 110 of FIG. 3 may be implemented in software or hardware. For example, the operation of each module may be stored in a memory in an instruction form and performed by a processor.
  • the preprocessing module 310 may perform preprocessing of the acquired signal.
  • the preprocessing module 310 may filter and normalize the obtained signal.
  • the preprocessing module 310 may filter a signal of a band that cannot be viewed as a biosignal with respect to a signal related to an external object, and normalize the size distribution of the filtered signal.
  • the preprocessing module 310 may include at least one filtering module 312, 316 and normalization module 314, 318 that process each signal.
  • the biosignal PPG may be processed by the filtering module 312 and the normalization module 314, and the motion signal ACC may be processed by the filtering module 316 and the normalization module 318.
  • the noise removal module 320 may remove noise from a signal related to a preprocessed external object.
  • the noise removal module 320 may remove noise caused by the movement of the electronic device 100 from the preprocessed biosignal using the preprocessed motion signal.
  • the noise removing module 320 may perform noise removing signal processing using an adaptive filter.
  • An example of a technique in which the noise cancellation module 320 collects a signal and optimizes filter coefficients of an adaptive filter according to characteristics of a signal includes steepest descent, least mean square (LMS), and recursive minimum.
  • LMS least mean square
  • RLS recursive least square
  • the noise cancellation module 320 may include, for example, an adaptive noise cancellation module.
  • the first tracker 330 and the second tracker 340 may process signals related to the external object from which the noise is removed and calculate heartbeat information.
  • the heartbeat information may include, for example, heart rate, heart rate variability, and / or derived other biometric information.
  • the first tracker 330 and the second tracker 340 may process signals related to the external object in different signal processing methods.
  • the first tracker 330 and / or the second tracker 340 may use a frequency tracking method when calculating the heartbeat information.
  • the first tracker 330 and / or the second tracker 340 may use the frequency tracking scheme, but may use different values for at least some attributes used in the frequency tracking.
  • the first tracker 330 and / or the second tracker 340 may be set such that the parameters for frequency tracking (hereinafter, referred to as tracking parameters) have different values.
  • the first tracker 330 may calculate first heartbeat information based on a signal related to an external object.
  • the second tracker 340 calculates second heartbeat information based on a signal related to an external object, obtains third heartbeat information of a type different from the second heartbeat information based on at least the second heartbeat information,
  • the connectivity between the first heartbeat information and the second heartbeat information may be calculated.
  • the processor 110 may obtain second heartbeat information and / or connectivity through the second tracker 340.
  • the linkage can be confirmed, for example, using correlation coefficients or trend characteristics.
  • the first heart rate information and the second heart rate information may be heart rates calculated by the trackers 330 and 340, or may be derived biometric information including the heart rate.
  • the third heartbeat information may be heart rate variability or derived biometric information including the heart rate variability.
  • the first tracker 330 may be set to find a main frequency of the heartbeat band.
  • the first tracker 330 may be utilized for dynamic noise removal and stable heart rate tracking.
  • the first tracker 330 may calculate first heartbeat information based on a signal related to an external object.
  • the first tracker 330 may analyze the frequency of the biosignal from which the noise is removed and track the frequency.
  • the processor 110 may obtain first heartbeat information through the first tracker 330.
  • the first tracker 330 may have a property of a band pass filter. According to an embodiment of the present disclosure, at least some of the tracking parameters of the first tracker 330 may be set such that the first tracker 330 filters a signal related to the external object, but has a characteristic of a relatively narrowband pass filter. Can be. That is, the first tracker 330 may refer to the first filter. The first tracker 330 may filter the signal of the first frequency band, and the first frequency band may be set narrower than the following second frequency band.
  • At least some attributes of the first tracker 330 may be set to a first value.
  • the tracking parameter of the first tracker 330 may be set to a first value.
  • the value of the tracking parameter applied to the first tracker 330 may be referred to as a first parameter value.
  • the first parameter value and the center frequency of the first tracker 330 may have a preset value.
  • the first tracker 330 may acquire the first heartbeat information by using the first parameter value.
  • the processor 110 may transmit the first heartbeat information to the second tracker 340.
  • the second tracker 340 may be set to have a greater variation in frequency band and a smaller signal smoothing degree than the first tracker 330.
  • the electronic device eg, the electronic device 100 of FIG. 1
  • HRV heart rate variability
  • the second tracker 340 may analyze the frequency of the biosignal from which the noise is removed and track the frequency. According to an embodiment of the present disclosure, the second tracker 340 may process a signal related to the external object in a signal processing manner different from that of the first tracker 330. The second tracker 340 can track the frequency while adjusting at least some attributes. To this end, the tracking parameter of the second tracker 340 may be set to have a second value.
  • the second tracker 340 may have a property of a band pass filter. According to an embodiment of the present disclosure, at least some of the tracking parameters of the second tracker 340 may be set such that the second tracker 340 filters a signal related to the external object, but has a relatively wide band pass filter characteristic. have. That is, the second tracker 340 may refer to the second filter. The second tracker 340 filters the signal of the second frequency band, and the second frequency band may be set wider than that of the first frequency band.
  • the second tracker 340 may apply a second value different from the first value.
  • the parameter value applied to the second tracker 340 may be referred to as a second parameter value.
  • the second parameter value is such that the second frequency band is wider than the first frequency band, so that the smoothing effect of the second tracker 340 compared to the first tracker 330 Can be set.
  • the frequency band related parameter and the forgetting factor value may be smaller than the first parameter value as the second parameter value.
  • the second parameter value may vary. Details regarding the determination of the second parameter value will be described later.
  • the second tracker 340 may acquire the second heartbeat information using the second parameter based on the input signal.
  • the input signal of the second tracker 340 may be biometric information obtained from the noise removal module 320 and / or first heartbeat information obtained from the first tracker 330.
  • the operation module 350 may receive the biometric information from which the noise is removed and the first heartbeat information obtained from the first tracker 330 and perform an operation.
  • the operation may be arithmetic operation (eg, a sum operation) or a comparison operation.
  • the processor 110 or the second tracker 340 may determine the second parameter value.
  • the processor 110 may determine a second parameter value based on the first heartbeat information, or may determine the second parameter value based on an association (eg, a correlation coefficient or a trend characteristic) of the first heartbeat information and the second heartbeat information. You can decide.
  • the processor 110 may determine the second parameter value based on various methods.
  • the processor 110 may determine a heart rate variability (HRV) based on at least one of the first heartbeat information and the second heartbeat information.
  • HRV heart rate variability
  • the HRV may be determined by the second tracker or a separate module.
  • the first heartbeat information may directly or indirectly affect second heartbeat information for determining the HRV.
  • the second heartbeat information or the second parameter may be determined based on the first heartbeat information, and the HRV may be determined based on the second heartbeat information.
  • the first heartbeat information may indirectly influence the determination of the HRV.
  • the processor 110 may compare the second heartbeat information and the first heartbeat information.
  • the processor 110 may check the interconnection based on the first heartbeat information and the second heartbeat information.
  • the connectivity may be determined by the second tracker or a separate module.
  • the processor 110 may determine the third heartbeat information.
  • the frequency initialization module 332 or 342 may set properties of the trackers 330 and 340.
  • the frequency initialization modules 332 and 342 may set frequency band related parameters and / or forgetting factor values.
  • the frequency tracking module 334 and 344 may track the frequency of the signal related to the biometric information measured by the external object according to the attribute determined by the frequency initialization module 332 and 342.
  • FIG. 4 illustrates a method of acquiring heartbeat information by an electronic device according to an exemplary embodiment.
  • Operations shown in FIG. 4 may be performed by an electronic device (eg, the electronic device 100 of FIG. 1). The operations may be performed by a processor (eg, the processor 110 of FIG. 1 or 3) and stored in a memory (eg, the memory 120 of FIG. 1) in the form of an instruction.
  • a processor eg, the processor 110 of FIG. 1 or 3
  • a memory eg, the memory 120 of FIG. 1
  • the electronic device may acquire a signal related to an external object.
  • the information related to the external object may be, for example, a signal in which preprocessing or noise is removed from a signal obtained from a sensor (eg, the sensor 132 of FIG. 1).
  • the signal related to the external object may be a biosignal from which noise is removed.
  • the electronic device may acquire a first heart rate based on the first signal processing scheme.
  • the first signal processing scheme may be, for example, obtaining the first heart rate using a first parameter value.
  • the first parameter value may be a fixed or preset value.
  • the electronic device may calculate a first heart rate based on the signal related to the external object using the first parameter value.
  • the electronic device may acquire a second heart rate based on the second signal processing scheme.
  • the second signal processing method may be, for example, obtaining the second heart rate using a second parameter value.
  • the second parameter value may be a variable value.
  • the electronic device may adaptively determine the second parameter value.
  • the electronic device may acquire a second heart rate based on the signal related to the external object using the second parameter value.
  • the electronic device may generate a heart rate variance based on at least the second heart rate.
  • the electronic device may perform an operation of A or less. After operation 405, an operation below A may be further performed. For detailed description, reference may be made to FIG. 5.
  • FIG. 5 is a flowchart of a method of obtaining, by an electronic device, an optimal parameter according to an embodiment of the present disclosure.
  • Operations shown in FIG. 5 may be performed by an electronic device (eg, the electronic device 100 of FIG. 1). The operations may be performed by a processor (eg, the processor 110 of FIG. 1 or 3) and stored in a memory (eg, the memory 120 of FIG. 1) in the form of an instruction.
  • a processor eg, the processor 110 of FIG. 1 or 3
  • a memory eg, the memory 120 of FIG. 1
  • the electronic device may acquire a linkage between the heart rates using a first heart rate and a second heart rate.
  • the linkage can be confirmed based on correlation coefficients or trend characteristics.
  • the electronic device may determine whether the association satisfies a specified condition.
  • Operations 501 and 503 may be performed in a second tracker (eg, the second tracker 340 of FIG. 3).
  • the electronic device may change the second parameter value. Thereafter, the electronic device may perform an operation of B or less using the second parameter value.
  • the electronic device may determine the second parameter value used in operation 405 of FIG. 4 as an optimal second parameter value. Thereafter, the electronic device may acquire the heart rate variability in operation 407 of FIG. 4 based on the second heart rate obtained using the optimal second parameter value.
  • FIG. 4 illustrates operations below B as operations below operation 401 of FIG. 4, operations below operation 405 of FIG. 4 may be performed.
  • FIG. 6 is a flowchart illustrating a method of obtaining an HRV by an electronic device according to an embodiment of the present disclosure.
  • the electronic device may determine a second parameter value for obtaining the second heart rate by using a correlation coefficient between the first heart rate and the second heart rate, and obtain an HRV.
  • the correlation coefficient is a statistical meaning indicating the type of relationship, and when the correlation coefficient is close to 1, it may mean a strong coupling.
  • a method of determining a second parameter value based on a correlation coefficient between the first heart rate and the second heart rate and obtaining an HRV will be described.
  • the electronic device may acquire a signal associated with an external object through a sensor (eg, the sensor 132 of FIG. 1) or a communication circuit (eg, the communication circuit 140 of FIG. 1).
  • the signal associated with the external object may include at least a biosignal.
  • the electronic device may acquire a biosignal from the PPG sensor and obtain a motion signal from the acceleration sensor.
  • the electronic device may obtain a biosignal or a motion signal from an external electronic device through a communication circuit.
  • the electronic device may filter and normalize a signal associated with the external object. For example, the electronic device may filter and normalize the biosignal and the motion signal. The electronic device may filter each signal to remove an unnecessary band signal from the biosignal and the motion signal. The electronic device may normalize each of the filtered signals.
  • the electronic device may remove noise from a signal (or biosignal) related to the external object.
  • the electronic device may remove noise from the biosignal based on the motion signal.
  • noise cancellation may be performed on the filtered and normalized biosignal.
  • the electronic device may track a frequency of the biosignal and obtain a first heart rate.
  • the electronic device may track the frequency of the biosignal using the first parameter value.
  • a first tracker eg, the first tracker 330 of FIG. 3
  • the parameter corresponding to the first parameter value may be two parameters.
  • the parameter may include a bandwidth related parameter and a forgetting factor.
  • the bandwidth related parameter for the first tracker may be 0.98 and the forgetting factor may be 0.97.
  • the electronic device may track a frequency of the biosignal and obtain a second heart rate.
  • the electronic device may track the frequency of the biosignal using the second parameter value.
  • a second tracker eg, the second tracker 340 of FIG. 3
  • At least one of the bandwidth related parameter or the forgetting factor included in the second parameter value may be different from the first parameter value.
  • the bandwidth related parameter among the second parameter values may be smaller than the first parameter value.
  • the bandwidth of the second tracker may be set larger than the bandwidth of the first tracker.
  • the forgetting factor of the second parameter value may be smaller than the first parameter value.
  • the second tracker may acquire a first heart rate.
  • the second tracker may receive a first heart rate from the first tracker.
  • the electronic device may check the linkage between the first heart rate and the second heart rate. For example, the electronic device may compare a first heart rate and the second heart rate and check a correlation coefficient. The correlation coefficient may be calculated using the first heart rate and the second heart rate in the second tracker.
  • the electronic device may determine whether the correlation coefficient satisfies the specified threshold value. According to an embodiment of the present disclosure, the electronic device may determine whether the correlation coefficient satisfies a specified threshold value. For example, the electronic device may determine whether the correlation coefficient is greater than the threshold. This operation may be performed in the second tracker.
  • the threshold may be an experimentally determined value based on statistics or learning.
  • the electronic device may perform operation 619.
  • the electronic device may determine the second parameter value used in operation 609 as the optimal second parameter value.
  • the electronic device may track the frequency of the continuously received biosignal using the optimal second parameter value. Thereafter, the electronic device may acquire the HRV using the second tracker having the second parameter value.
  • the electronic device may change the second parameter value of the second tracker.
  • the electronic device may repeat at least some of operations 601 to 613 with respect to the second parameter value.
  • the electronic device after the change of the second parameter value, the electronic device obtains a sensing signal, filters and normalizes the sensing signal, removes noise of the biosignal, and then uses the second heart rate and the changed second parameter value to obtain a second signal.
  • Heart rate can be obtained.
  • the electronic device may obtain the first heart rate and the second heart rate, obtain a correlation coefficient, and determine whether the correlation coefficient satisfies the specified threshold.
  • the second parameter value for the case where the correlation coefficient satisfies the specified threshold value may be determined to be a second parameter value suitable for calculating the HRV.
  • the electronic device After determining the second parameter value, the electronic device may obtain an HRV using a second tracker having the corresponding second parameter value.
  • operation 611 may be performed before operation 609 and after performing operation 607.
  • the electronic device calculates an HRV using the first heart rate and the second heart rate.
  • the electronic device may determine the HRV as the optimal HRV value.
  • HRV information determined as the optimal HRV may be displayed on the display.
  • FIG. 7 is a flowchart illustrating a method of obtaining an HRV by an electronic device according to an embodiment of the present disclosure.
  • Operations shown in FIG. 7 may be performed by an electronic device (eg, the electronic device 100 of FIG. 1).
  • the operations may be performed by a processor (eg, the processor 110 of FIG. 1 or 3) and stored in a memory (eg, the memory 120 of FIG. 1) in the form of an instruction.
  • the electronic device may determine linkage by checking a heartbeat trend characteristic).
  • the electronic device may determine the second parameter value using the heartbeat trend characteristic and obtain an HRV.
  • the electronic device may acquire the trend characteristic based on the heartbeat characteristic information.
  • the heartbeat characteristic information may be, for example, the heartbeat information (for example, heart rate).
  • the electronic device may acquire a signal related to an external object.
  • the electronic device may acquire a biosignal from the PPG sensor and obtain a motion signal from the acceleration sensor.
  • the motion signal may be an acceleration signal.
  • the electronic device may obtain a biosignal or a motion signal from an external electronic device through a communication circuit.
  • the electronic device may input a signal related to the external object to a first tracker (eg, the first tracker 330 of FIG. 3) and / or a second tracker (eg, the second tracker 340 of FIG. 3).
  • the signals related to the external objects input to the tracker may be signals in which operations 601 to 605 of FIG. 6 are performed and noise is removed.
  • using an input or tracker in the tracker may mean using a specific attribute value (or parameter value) or using a specific signal processing scheme.
  • the electronic device may calculate heartbeat characteristic information using the first parameter value and the second parameter.
  • the electronic device may calculate first heartbeat characteristic information by the first tracker.
  • the electronic device may obtain heartbeat characteristic information based on the first parameter value from the biosignal.
  • the electronic device may change a parameter value within a specific range.
  • the specific range may be a preset value.
  • the electronic device may change a heart rate HR and / or HRV measurement related parameter of the second tracker.
  • the measurement related parameter may be the tracking parameter of FIGS. 3 to 6.
  • the parameter value may be a second parameter value.
  • the electronic device may calculate heartbeat characteristic information based on the second parameter value from the biosignal. In other words, the electronic device may calculate second heartbeat characteristic information by the second tracker.
  • the electronic device may check whether the heartbeat trend characteristics of the first tracker and the second tracker match.
  • the electronic device may determine whether the heartbeat trend characteristics match using the first heartbeat characteristic information and the second heartbeat characteristic information.
  • the heartbeat characteristic information and the heartbeat tendency characteristic will be described later.
  • the electronic device may perform operation 707.
  • the electronic device may detect an optimal parameter in operation 711. For example, the electronic device may detect an optimal parameter for measuring heart rate and / or HRV. For example, the electronic device may determine the second parameter value used in operation 707 as the optimal second parameter value.
  • the electronic device may normalize the heart rate variability of the extracted time / frequency domain and extract a trend characteristic.
  • the electronic device may perform heartbeat trend characteristic analysis to determine whether the heartbeat characteristic by the second tracker is reliable.
  • the electronic device may use a correlation analysis between the first heartbeat characteristic information and the second heartbeat characteristic information to determine a relationship between the variables obtained by the two trackers. You can check the degree of association.
  • the electronic device can draw each of these variables on two axes in a graph or chart to create a scatter plot to find the complete relationship between the variables and, if a complete relationship is established, draw a straight line through all the points.
  • the electronic device may apply a phase synchronization and a directional analysis method.
  • the above method can be effective because the correlation analysis cannot deduce the direction of influence between two variables.
  • Phase synchronization can be quantified in several ways.
  • the phase synchronization method includes a quantification method through a synchogram and a recurrence plot for examining the synchronization frequency ratio between variables and a method using entropy-based phase synchronization indicators ⁇ , ⁇ , and ⁇ .
  • the electronic device extracts each heartbeat characteristic variable phase through a Hilbert transform, sets each period to investigate a synchronization characteristic transformation according to a ratio, or digitizes it to be represented as a graph. Can be.
  • the electronic device may analyze the influence of heart rate variables measured by two trackers on each other as a magnitude of directionality through phase synchronization analysis and directional analysis.
  • the directional analysis may be performed through a grainer causality index, a partial directed coherence (PDC) and / or a directionality index.
  • PDC partial directed coherence
  • the electronic device may identify the heartbeat trend characteristic by using the correlation analysis and / or the phase synchronization analysis and the directional analysis described above.
  • the electronic device may gradually adjust the parameters of the second tracker and calculate an optimal parameter. For example, the electronic device may adjust the parameter while +/ ⁇ in% or numerical value.
  • FIG. 8 is a graph illustrating reflection of variability of heartbeat information according to an exemplary embodiment.
  • Graph 1 801 shows RRI (R to R interval) as a reference heart beat interval measured by electrocardiography (ECG), and graphs 2 to 4 (803, 805, and 807) represent second trackers ( Example: PPI (peak to peak interval) is shown as the heart rate interval estimated while changing the tracking parameters ⁇ and ⁇ in the second tracker 340 of FIG. 3.
  • RRI R to R interval
  • ECG electrocardiography
  • PPI peak to peak interval
  • the combination of the tracking parameters ⁇ , ⁇ (or the combination of the first parameter values) in the first tracker may be (0.97, 0.98).
  • the tracking parameters ( ⁇ , ⁇ ) of the first tracker are set so that the band of the frequency tracking is narrow and the smoothing degree is increased to calculate stable heartbeat information.
  • Graph 2 803 is the result for the case where the bandwidth related parameter ⁇ is 0.90.
  • Graph 3 805 illustrates the case where the forgetting factor ⁇ is 0.92.
  • Graph 4 807 illustrates a characteristic of changing heart rate information tracking while varying a combination (or a combination of second parameter values) of the tracking parameters ⁇ and ⁇ in the second tracker.
  • the variability of the heartbeat information is reflected by adjusting the bandwidth related parameter and / or forgetting factor which are parameters related to the frequency tracking variability of the tracker.
  • the larger the forgetting factor or the larger the bandwidth related parameter the more stable heartbeat information can be obtained.
  • FIG. 9 illustrates a relationship between a combination of parameter values of each of a first tracker and a second tracker and heart rate information according to various embodiments of the present disclosure.
  • Graph 1 (901) and graph 2 (903) show the measured reference heartbeat interval (dotted line) and the heartbeat information frequency tracking result (solid line) at the same time.
  • Graph 1 901 and graph 2 903 show the results for a combination of different tracking parameters ⁇ , ⁇ .
  • Graph 1 901 illustrates the case where the tracking parameter is (0.98, 0.97), for example, and graph 2 903 illustrates the case where the tracking parameter is (0.92, 0.92), for example.
  • Graph 1 901 shows tracking results when bandwidth related parameters and forgetfulness factors are larger than graph 2 903.
  • the first tracker eg, the first tracker of FIG. 3 used in pursuing the stability of heart rate information tracking is shown. (330)).
  • Graph 2 903 illustrates the characteristics of a second tracker (eg, second tracker 340 of FIG. 3) focused on acquiring HRV variability with relatively low bandwidth related parameters and forgetfulness factors.
  • a correlation analysis, phase synchronization, and directional analysis may be performed to analyze a section that is trusted to maintain a trend characteristic of the heartbeat characteristic information measured by the first tracker, and use a second tracker within the section. Volatility can be identified.
  • the electronic device eg, the electronic device 100 of FIG. 1 sets a wider band band and reduces smoothing by reducing dependence on previous values. Similar PPI values can be estimated.
  • HRV analysis mainly covers time and frequency ranges. HRV analysis over time ranges is based on statistical information such as mean, standard deviation of heart rate, and cardiovascular stability through parameters such as standard deviation of the NN interval (SDNN) and root mean square of the successive difference (RMSSD). And information about control ability of the autonomic nervous system and activity of parasympathetic nerves.
  • HRV analysis in the frequency range is performed in the range of low frequency, high frequency, etc. divided by specific frequencies (0.04, 0.15, 0.4 Hz), and can provide information for evaluating the activity of the sympathetic and parasympathetic nerves or the overall autonomic nervous system. Can be.
  • FIG. 10 illustrates a result of calculating HRV parameters in a frequency domain by using parameter optimization according to an embodiment.
  • FIG. 10 shows the HRV variability in the heartbeat information estimated by PPG frequency tracking using parameter optimization, and then shows the HRV parameters (normalized low frequency (nLF) and normalized high frequency (nHF)) in the frequency domain. Obtained and shown.
  • the solid line represents nLF and the dotted line represents nHF.
  • Graph 1 shows nLF and nHF calculated using RRI of electrocardiogram measured as a reference
  • graph 2 shows nLF and nHF obtained using PPI of the first tracker
  • Graph 3 shows nLF and nHF found using the PPI of the second tracker.
  • nLF and nHF of the first tracker appear to have a low correlation with the reference of graph 1 (1001).
  • graph 3 (1005) nLF and nHF of the second tracker are graph 1 The correlation with the reference at 1001 appears to be high.
  • the heart rate variability is well reflected, whereas the first tracker has a tracking parameter that reflects low variability and thus does not reflect the variability in the heart rate.
  • the PPI is reconstructed at boiling intervals according to the heartbeat interval.
  • the accuracy of the HRV parameter estimation can be increased.
  • FIG. 11 is a diagram for describing a PPI restoration scheme.
  • Graph 1101 shows the raw data of the heartbeat interval and the sampling (*) for that data.
  • the PPI method may be a method of sampling a heartbeat interval at a boiling interval.
  • the electronic device for example, the electronic device 100 of FIG. 1 acquires a current heartbeat interval and determines a sample present after a time equal to the heartbeat interval value or a value corresponding to the interval value as the next heartbeat interval value. The operation can be repeated. If the heart rate value is small, then the time interval with the next sample value is small, and if the heart rate value is large, the time interval with the next sample value may be large.
  • the HRV may be RMSSD or pNN50 (the proportion of pairs of successive NNs that differ by more than 50 ms) divided by total number of NNs.
  • HRV may be measured in various ways.
  • graph 12 shows HRV in RMSSD
  • graph 1 1201 is where the tracking parameters ( ⁇ , ⁇ ) are (0.98, 0.97), for example, and graph 2 (1203) has tracking parameters (0.93, 0.87).
  • FIG. 13 shows the HRV as pNN50 and shows the result of calculating pNN50 according to the tracking parameter combinations ⁇ and ⁇ .
  • Graph 1 1401 shows a case where the tracking parameter is (0.98, 0.97), for example, and graph 2 1403 shows a case where the tracking parameter is, for example, (0.93, 0.87).
  • the solid line represents the HRV measurement value calculated from the reference heart rate information based on electrocardiogram (ECG), and the dotted line represents the HRV result value using the heart rate information estimated using frequency tracking.
  • ECG electrocardiogram
  • (0.98, 0.97) may be a parameter combination (first parameter value) of the first tracker
  • graph 1 (1201, 1301) may be a relatively stable HRV calculation value of the first tracker
  • (0.93, 0.87) may be a parameter combination (second parameter value) of the second tracker
  • graph 2 (1203, 1303) may be an HRV calculation value of the second tracker focused on obtaining volatility.
  • the electronic device eg The electronic device 100 of FIG. 1 may stably operate based on the first tracker and accurately estimate the variability of the heart rate through the second tracker.
  • the electronic device may determine an optimal parameter value of the second tracker and obtain an accurate HRV value using the second tracker to which the optimal parameter is applied.
  • the electronic device may perform sleep stage prediction and stress index measurement based on the HRV value obtained through the second tracker.
  • sleep stage prediction will be described.
  • Rapid eye movement (REM) sleep is a sleepy condition that causes you to fall asleep and dream.
  • REM sleep the body sleeps, but the brain is awake and active, resulting in irregular biorhythms and sympathetic nerve activation.
  • HR heart rate
  • HRV heart rate variability
  • the electronic device may calculate a REM feature based on HR and HRV information.
  • FIG. 14 is a graph illustrating RAM characteristics according to an embodiment.
  • Graph 1 11401 is a graph showing the raw data of HR and HRV.
  • Graph 2 1403 is a graph extracting a low frequency pattern of data by applying a low pass filter. Because the cycles of sleep leading to wake, light sleep, deep sleep, and REM sleep usually have a period of about 1.5 to 2 hours, an electronic device (eg, the electronic device of FIG. 100)) can extract a low frequency pattern by applying a low pass filter to HR and HRV to reflect the sleep cycle period.
  • an electronic device eg, the electronic device of FIG. 100
  • the solid line represents HRV according to the water surface and the dotted line represents HR.
  • Graph 3 (1405) represents the intermediate stage RAM characteristics created by combining HR and HRV. Various operations on the HR and HRV may be used to represent the RAM characteristic of the intermediate stage.
  • Graph 4 1407 shows shannon-entropy of the combination of HR and HRV.
  • the electronic device may apply Shannon-entropy signal processing as a method for emphasizing the main peak component.
  • Fig. 15 shows REM characteristics of sleep patterns and the results of sleep polynomial test measurements.
  • Graph 1 1501 shows the REM sleep pattern measured by the sleep polynomial test.
  • Graph 2 1503 shows the estimated RAM characteristics using HR and HRV information.
  • the solid line represents the REM-Feature estimated by the electronic device (for example, the electronic device 100 of FIG. 1), and the dotted line may represent a specified threshold.
  • the electronic device may set a designated threshold value and estimate a section in which the estimated RAM characteristic is larger than the specified threshold value as the RAM sleep section.
  • the electronic device may obtain an HR and / or HRV value and estimate the RAM sleep pattern based on this.
  • the electronic device may classify sleep and deep sleep using HR and / or HRV.
  • HR and / or HRV the classification of shallow sleep and deep sleep will be described.
  • Non-REM sleep can be divided into non-REM (NREM) sleep and REM sleep with rapid eye movements.
  • NREM non-REM
  • Non-remem sleep can be divided into three sleep stages (N1, N2, N3) depending on depth, and N1, N2 can be combined to divide shallow sleep, N3 into deep sleep or slow wave sleep.
  • Comprehensive changes of the autonomic nervous system during sleep, the parasympathetic nerve is activated in non-remem sleep.
  • an electronic device eg, a wrist worn wearable device
  • a method of distinguishing between a shallow sleep and a deep sleep when estimating a sleep stage and an HR, HRV, or motion parameter (or actigraphy). At least one of may be used.
  • 16 illustrates an example of sleep classification according to an exemplary embodiment.
  • the electronic device may distinguish between a shallow sleep and a deep sleep based on actigraphy that measures heart rate, heart rate variability, and / or activity level.
  • the electronic device may determine a deep sleep state when the heart rate variability is sufficiently low, when the heart rate is close to a local minima, and / or when there is little movement.
  • Graph 1601 shows HR, HRV measurement values, and deep sleep state intervals.
  • the electronic device may determine that the external object is in a deep sleep state when the HR and HRV measurement values satisfy the condition and there is no sufficient movement.
  • the electronic device may determine a deep sleep state between 30-50 minutes and 140-150 minutes.
  • FIG 17 illustrates a method of classifying a sleep stage by an electronic device according to an embodiment of the present disclosure.
  • the electronic device may classify a sleep stage based on at least one of HR, HRV, or motion parameters (or actigraphy information). Measurement of HRV can use the methods disclosed herein.
  • the motion parameter may correspond to a motion signal.
  • the motion parameter may be acceleration and / or derived motion related information.
  • the electronic device may perform a sensing operation in operation 1701 and classify the sleep stage by analyzing a result of performing the sensing operation in operations 1703 to 1707.
  • the electronic device may acquire a signal related to an external object. Thereafter, the electronic device may process a signal related to an external object.
  • the electronic device may process a motion signal and a bio signal.
  • the motion signal may be an acceleration signal and the biosignal may be a PPG signal.
  • the electronic device may measure an activity level.
  • the electronic device may measure an activity level (AL) based on the acceleration signal.
  • the electronic device may acquire a RAM characteristic.
  • the electronic device may calculate RAM characteristics based on, for example, HR and HRV. To this end, the electronic device may perform low band filtering and Shannon entropy computation.
  • the electronic device may classify the sleep stage.
  • the electronic device may classify the sleep stages based on the RAM characteristics.
  • the electronic device may determine a sleep / sleep state, determine a RAM, and classify a shallow sleep and a deep sleep.
  • the electronic device may determine a sleep / wake state.
  • the electronic device may compare the weighted sum of the acceleration with a specified threshold. If the weighted sum is less than the specified threshold value, the electronic device may determine that it is a sleep state.
  • the electronic device may determine whether the current state is a RAM sleep state.
  • the electronic device may determine that the RAM sleep state is greater than the specified threshold.
  • the electronic device may classify a shallow sleep and a deep sleep.
  • the electronic device may classify the shallow sleep and the deep sleep after determining the REM sleep.
  • the electronic device may classify sleep stages based on HR, HRV, and / or activity level.
  • Graph 1 shows a reference sleep step curve graph measured in the sleep polymorphism test
  • graph 2 (1803) measures sleep patterns estimated based on HR, HRV, and / or motion parameters according to embodiments disclosed herein. Results are shown.
  • an electronic device may be connected to a sensing circuit (eg, the sensing circuit 130 of FIG. 1) and the sensing circuit.
  • a processor eg, the processor 110 of FIG. 1, wherein the processor acquires a first signal related to an external object through the sensing circuit, and based on at least the first signal,
  • a second filter eg, the second tracker 340 of FIG. 3 having a property of a first heart rate and a second frequency band using a first filter having an attribute (eg, the first tracker 330 of FIG. 3).
  • HRV heart rate variability
  • the second frequency band may be a frequency band wider than the first frequency band.
  • the first filter and the second filter may be band pass filters.
  • the sensing circuit may be one of a heart rate sensor (eg, the sensor 132 of FIG. 1) or a communication circuit (eg, the communication circuit 140 of FIG. 1) for transmitting or receiving a signal with an external electronic device. It may include at least one.
  • the at least some attributes associated with the first filter may have a fixed value.
  • the at least some attributes associated with the second filter may have a smaller value than the at least some attributes associated with the first filter.
  • the at least some attributes may include at least one of a frequency band related parameter ⁇ or a smoothing factor ⁇ .
  • the processor may be configured to acquire a correlation coefficient based on the first heart rate and the second heart rate, and change the at least some attributes based on the correlation coefficient.
  • the processor may be configured to change the at least some attributes when the correlation coefficient satisfies a specified threshold.
  • the processor may be configured to change the at least some attributes based on correlation analysis.
  • the processor may be configured to change the at least some attributes based on phase synchronization or directional analysis.
  • an electronic device eg, the electronic device 100 of FIG. 1
  • a sensing circuit eg, the sensing circuit 130 of FIG. 1
  • a processor eg, the processor 110 of FIG.
  • the processor acquires a first signal related to an external object through the sensing circuit, and based at least on the first signal, Generate a first heart rate using the processing scheme and a second heart rate using the second signal processing scheme, and generate at least some attributes associated with the second signal processing scheme based at least on the first heart rate and the second heart rate; Change, and acquire a second signal in relation to the external object through the heart rate sensor, and generate heart rate variability (HRV) information using a second signal processing scheme in which the at least some attributes are changed.
  • HRV heart rate variability
  • the sensing circuit may be one of a heart rate sensor (eg, the sensor 132 of FIG. 1) or a communication circuit (eg, the communication circuit 140 of FIG. 1) for transmitting or receiving a signal with an external electronic device. It may include at least one.
  • the at least some attributes may include at least one of a frequency band related parameter or a smoothing factor.
  • the processor may be configured to acquire a correlation coefficient based on the first heart rate and the second heart rate, and change the at least some attributes based on the correlation coefficient.
  • At least some attributes related to the second signal processing scheme may have a smaller value than at least some attributes related to the first signal processing scheme.
  • the operation of obtaining a signal related to an external object the operation of obtaining a first heart rate using a first signal processing method based on the signal, based on the signal Acquiring a second heart rate using a second signal processing scheme, and generating heart rate variability information based at least on the second heart rate.
  • the obtaining of the second heart rate may include obtaining at least some attribute values related to the second signal processing scheme and at least some attribute values based on the first heart rate and the second heart rate. And acquiring the second heart rate using the second signal processing method based on the second signal processing method.
  • the generating of the heart rate variability information may include generating the heart rate variability information based on a second heart rate obtained based on the at least some attribute values.
  • the at least some attribute values associated with the second heart rate may be adaptively changed based on the first heart rate.
  • the electronic device 1901 in the network environment 1900, is connected to the electronic device 1902 through a first network 1998 (eg, near field communication). Or the electronic device 1904 or the server 1908 through a second network 1999 (eg, long distance wireless communication). According to an embodiment of the present disclosure, the electronic device 1901 may communicate with the electronic device 1904 through the server 1908. According to an embodiment of the present disclosure, the electronic device 1901 may include a processor 1920, a memory 1932, an input device 1950, an audio output device 1955, a display device 1960, an audio module 1970, and a sensor module.
  • the components for example, the display device 1960 or the camera module 1980
  • the components may be omitted or another component may be added to the electronic device 1901.
  • some components such as in the case of a sensor module 1976 (eg, a fingerprint sensor, an iris sensor, or an illuminance sensor) embedded in the display device 1960 (eg, a display), may be It can be integrated.
  • the processor 1920 may, for example, drive at least one other configuration of the electronic device 1901 connected to the processor 1920 by driving software (eg, a program 1940). You can control elements (such as hardware or software components) and perform a variety of data processing and operations.
  • Processor 1920 loads and processes instructions or data received from another component (eg, sensor module 1976 or communication module 1990) into volatile memory 1932, and processes the resulting data into non-volatile memory 1934.
  • the processor 1920 operates independently of the main processor 1921 (eg, central processing unit or application processor), and additionally or alternatively, uses less power than the main processor 1921, Or a coprocessor 1923 (eg, a graphics processing unit, an image signal processor, a sensor hub processor, or a communication processor) specialized for the designated function.
  • the coprocessor 1923 may be operated separately from or embedded in the main processor 1921.
  • the coprocessor 1923 may replace, for example, the main processor 1921 while the main processor 1921 is in an inactive (eg, sleep) state, or the main processor 1921 is active (eg At least one of the components of the electronic device 1901 (eg, the display device 1960, the sensor module 1976, or the communication module) together with the main processor 1921 while in the application execution state. 1990) at least some of the functions or states associated with it.
  • the coprocessor 1923 e.g., image signal processor or communication processor
  • is implemented as some component of another functionally related component e.g., camera module 1980 or communication module 1990. Can be.
  • the memory 1932 is a variety of data used by at least one component of the electronic device 1901 (eg, the processor 1920 or the sensor module 1976), eg, software (eg, the program 1940). ), And input data or output data for a command related thereto.
  • the memory 1932 may include a volatile memory 1932 or a nonvolatile memory 1934.
  • the program 1940 is software stored in the memory 1932 (eg, the memory 120 of FIG. 1), and may include, for example, an operating system 1942, middleware 1944, or an application 1946. have.
  • the input device 1950 is a device for receiving an instruction or data to be used for a component of the electronic device 1901 (for example, the processor 1920) from an outside of the electronic device 1901 (for example, a user).
  • a component of the electronic device 1901 for example, the processor 1920
  • the input device 1950 may include a microphone, a mouse, or a keyboard.
  • the sound output device 1955 is a device for outputting a sound signal to the outside of the electronic device 1901.
  • the sound output device 1955 may include a speaker used for general purposes, such as a multimedia playback or a recording playback, and a receiver used for telephone reception only. It may include.
  • the receiver may be formed integrally or separately from the speaker.
  • the display device 1960 is a device for visually providing information to a user of the electronic device 1901, and may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display device 1960 may include a touch sensor or a pressure sensor capable of measuring an intensity of pressure for a touch.
  • the audio module 1970 may bidirectionally convert sound and electric signals. According to an embodiment of the present disclosure, the audio module 1970 acquires sound through the input device 1950, or an external electronic device (for example, a wired or wireless connection with the audio output device 1955 or the electronic device 1901). Sound may be output through the electronic device 1902 (eg, a speaker or a headphone).
  • an external electronic device for example, a wired or wireless connection with the audio output device 1955 or the electronic device 1901. Sound may be output through the electronic device 1902 (eg, a speaker or a headphone).
  • the sensor module 1976 (eg, the sensor 132 of FIG. 1) generates an electrical signal or data value corresponding to an operating state (eg, power or temperature) inside the electronic device 1901, or an external environmental state. can do.
  • the sensor module 1976 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 infrared (IR) sensor, a biometric sensor, a temperature sensor, a humidity sensor, Or an illumination sensor.
  • the interface 1977 may support a specified protocol that may be connected to an external electronic device (for example, the electronic device 1902) by wire or wirelessly.
  • the interface 1977 may include a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface an audio interface
  • the connection terminal 1978 is a connector for physically connecting the electronic device 1901 and an external electronic device (for example, the electronic device 1902), for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector. (Eg, headphone connector).
  • an HDMI connector for example, a USB connector, an SD card connector, or an audio connector. (Eg, headphone connector).
  • the haptic module 1979 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that can be perceived by the user through tactile or kinesthetic senses.
  • the haptic module 1979 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 1980 may capture still images and videos. According to an embodiment of the present disclosure, the camera module 1980 may include one or more lenses, an image sensor, an image signal processor, or a flash.
  • the power management module 1988 is a module for managing power supplied to the electronic device 1901, and may be configured, for example, as at least part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 1989 is a device for powering at least one component of the electronic device 1901, and may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 1990 (eg, the communication circuit 140 of FIG. 1) is a wired line between the electronic device 1901 and an external electronic device (eg, the electronic device 1902, the electronic device 1904, or the server 1908). Or it may support the establishment of a wireless communication channel, and performing communication through the established communication channel.
  • the communication module 1990 may include one or more communication processors that support wired or wireless communication that operate independently of the processor 1920 (eg, an application processor).
  • the communication module 1990 may be a wireless communication module 1992 (eg, a cellular communication module, a near field communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module (1994) (eg A local area network (LAN) communication module, or a power line communication module, comprising a local area network such as Bluetooth, WiFi direct, or infrared data association (IrDA) using a corresponding communication module.
  • a wireless communication module 1992 eg, a cellular communication module, a near field communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • a wired communication module (1994) eg A local area network (LAN) communication module, or a power line communication module, comprising a local area network such as Bluetooth, WiFi direct, or infrared data association (IrDA) using a corresponding communication module.
  • a second network 1999 eg, a telecommunication network such as a cellular network, the Internet, or a
  • the wireless communication module 1992 may distinguish and authenticate the electronic device 1901 within a communication network by using user information stored in the subscriber identification module 1996.
  • the antenna module 1997 may include one or more antennas for transmitting or receiving signals or power from the outside.
  • the communication module 1990 (for example, the wireless communication module 1992) may transmit a signal to or receive a signal from an external electronic device through an antenna suitable for a communication scheme.
  • peripheral devices eg, a bus, a general purpose input / output (GPIO), a serial peripheral interface (SPI), or a mobile industry processor interface (MIPI)
  • GPIO general purpose input / output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 1901 and the external electronic device 1904 through the server 1908 connected to the second network 1999.
  • Each of the electronic devices 1902 and 1904 may be a device that is the same as or different from the electronic device 1901.
  • all or part of operations executed in the electronic device 1901 may be executed in another or a plurality of external electronic devices.
  • the electronic device 1901 may instead of or additionally execute the function or service by itself.
  • At least some associated functions may be requested to the external electronic device.
  • the external electronic device may execute the requested function or the additional function and transmit the result to the electronic device 1901.
  • the electronic device 1901 may process the received result as it is or additionally to provide the requested function or service.
  • cloud computing, distributed computing, or client-server computing technology may be used.
  • Electronic devices may be various types of devices.
  • the electronic device may include, for example, at least one of a portable communication device (eg, a smartphone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance.
  • a portable communication device eg, a smartphone
  • a computer device e.g., a laptop, a desktop, a tablet, or a smart bracelet
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a portable medical device
  • a home appliance e.g., a portable medical device, a portable medical device, a camera, a wearable device, or a home appliance.
  • An electronic device according to an embodiment of the present disclosure is not limited to the above-described devices.
  • any (eg first) component is said to be “(functionally or communicatively)” or “connected” to another (eg second) component, the other component is said other
  • the component may be directly connected or connected through another component (eg, a third component).
  • module includes a unit composed of hardware, software, or firmware, and may be used interchangeably with terms such as logic, logic blocks, components, or circuits.
  • the module may be an integrally formed part or a minimum unit or part of performing one or more functions.
  • the module may be configured as an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present disclosure may include instructions stored in a machine-readable storage media (eg, internal memory 1936 or external memory 1938) that can be read by a machine (eg, a computer). It may be implemented in software (eg, program 1940).
  • the device is a device capable of calling a stored command from a storage medium and operating according to the called command, and may include an electronic device (eg, the electronic device 1901) according to the disclosed embodiments.
  • the processor may perform a function corresponding to the command directly or by using other components under the control of the processor.
  • the instructions can include code generated or executed by a compiler or interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-temporary' means that the storage medium does not include a signal and is tangible, and does not distinguish that data is stored semi-permanently or temporarily on the storage medium.
  • a method may be included in a computer program product.
  • the computer program product may be traded between the seller and the buyer as a product.
  • the computer program product may be distributed online in the form of a device-readable storage medium (eg compact disc read only memory (CD-ROM)) or via an application store (eg play store TM ).
  • a storage medium such as a server of a manufacturer, a server of an application store, or a relay server, or may be temporarily created.
  • Each component for example, a module or a program
  • some components eg, modules or programs
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, repeatedly, or heuristically, or at least some operations may be executed in a different order, omitted, or another operation may be added. Can be.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

감지 회로, 및 상기 감지 회로에 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서가, 상기 감지 회로를 통해 외부 객체와 관련된 제1 신호를 획득하고, 적어도 상기 제1 신호에 기반하여, 제1 주파수 대역의 속성을 가지는 제1 필터를 이용하여 제1 심박수, 및 제2 주파수 대역의 속성을 가지는 제2 필터를 이용하여 제2 심박수를 획득하고, 상기 제1 심박수 및 상기 제2 심박수에 적어도 기반하여 상기 제2 필터와 관련된 적어도 일부 속성을 변경하고, 및 상기 감지 회로를 통해 상기 외부 객체와 관련된 제2 신호를 획득하되, 상기 제2 신호에 기반하여 상기 적어도 일부 속성이 변경된, 상기 제2 필터를 이용하여 심박변이도(heart rate variability, HRV) 정보를 생성하도록 설정되는, 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치
본 문서에서 개시되는 실시 예들은, 외부 객체와 관련된 정보 처리 기술과 관련된다.
헬스케어의 형태가 다양하게 발달하고 있으며, 사용자들이 일상 생활 중에 지속적으로 생체 정보를 모니터링하고 건강을 관리할 수 있도록 하는 전자 장치에 대한 연구가 진행중에 있다.
전자 장치(예: 스마트 워치(watch)나 스마트 밴드와 같이 손목에 착용하는 웨어러블 기기)는 광혈류 측정(photoplethysmography, PPG) 원리에 기초한 심박수(heart rate, HR) 정보를 추출하고 제공할 수 있다.
심장이 뛸 때마다, 혈관의 확장과 수축이 반복되면서 동맥의 혈류량이 달라지는데, LED(light emitting diode) 광(light)을 인체 조직에 비추고 포토다이오드에서 투과 또는 반사되는 광을 수집하면, 혈류량 변화가 반영된 주기적 펄스 형태의 PPG 신호를 측정할 수 있다. PPG 신호의 펄스 피크 및 피크 사이의 시간간격(peak to peak interval, PPI)을 검출하는 방법에 기초하여 초(second) 당 펄스의 수를 결정하고 심박수를 추출할 수 있다. 또한 정교하게 기록된 PPI를 이용하면 심박변이도(heart rate variability, HRV)를 추정하여 교감신경과 부교감신경의 상호작용 및 심혈관계 기능조절 등을 파악하는데 활용할 수 있다.
심박수 및 심박변이도 추정을 위해 PPG 신호의 펄스 피크 및 피크 사이의 시간간격(PPI, peak to peak interval)을 검출하는 방법에 기초하여 심박 간격을 추출하는 방식은 사용자 움직임이 있는 환경에서는 유효성(availability)이 높지 않을 수 있다. 예를 들어, 광학 센서에서 측정된 PPG 신호에 일상 생활 환경에서 발생하는 움직임을 포함한 다양한 노이즈가 포함되면 파형이 왜곡되거나 주기성이 사라질 수 있기 때문에, 종래의 방법으로는 펄스의 피크 및 피크 사이의 시간 간격을 검출하기 어려울 수 있다.
PPG 신호의 주파수 분석 및 심박수 발생대역의 주파수 파워 트래킹을 기반으로 하는 심박수 모니터링 방법은 다양한 노이즈가 포함될 수 있는 경우에도 안정적으로 심박수를 검출할 수 있도록 고안되었으나, 심박 간격을 추정하기 위해서는 피크검출이 필요하기 때문에 여전히 PPI 기반의 정교한 심박변이도를 재현할 수 없는 한계를 가지고 있다.
종래의 방법을 이용하여 움직임을 많이 수반한 상황에서 전자 장치를 이용하여 심박 간격을 획득하거나, 심박 간격을 이용하여 다양한 생체 정보 처리 결과를 획득하는 것은 데이터 및 생체 정보를 활용한 알고리즘의 정확도를 떨어뜨릴 수 있다. 이하, 본 문서에 개시된 실시 예에서는 외부 객체(예: 사용자)의 움직임이 있는 경우에도 효율적으로 외부 객체와 관련된 정보를 처리하는 방법 및 이를 위한 장치를 제안한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 감지 회로, 및 상기 감지 회로에 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 감지 회로를 통해 외부 객체와 관련된 제1 신호를 획득하고, 적어도 상기 제1 신호에 기반하여, 제1 주파수 대역의 속성을 가지는 제1 필터를 이용하여 제1 심박수, 및 제2 주파수 대역의 속성을 가지는 제2 필터를 이용하여 제2 심박수를 획득하고, 상기 제1 심박수 및 상기 제2 심박수에 적어도 기반하여 상기 제2 필터와 관련된 적어도 일부 속성을 변경하고, 및 상기 감지 회로를 통해 상기 외부 객체와 관련된 제2 신호를 획득하되, 상기 제2 신호에 기반하여 상기 적어도 일부 속성이 변경된, 상기 제2 필터를 이용하여 심박변이도(heart rate variability, HRV) 정보를 생성하도록 설정될 수 있다. 일 실시 예에 따르면, 상기 제1 필터는 상기 제1 신호 처리 방식을 이용하고, 상기 제2 필터는 상기 제2 신호 처리 방식을 이용할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 방법은, 외부 객체와 관련된 신호를 획득하는 동작, 상기 신호에 기반하여 제1 신호 처리 방식을 이용하여 제1 심박수를 획득하는 동작, 상기 신호에 기반하여 제2 신호 처리 방식을 이용하여 제2 심박수를 획득하는 동작, 및 상기 제2 심박수에 적어도 기반하여 심박변이도(heart rate variability) 정보를 생성하는 동작을 포함할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 외부 객체에 관련된 정보의 처리 결과를 보다 정확하게 획득할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 효율적으로 외부 객체에 관련된 정보를 처리할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시 예에 따른 전자 장치의 구성을 나타내는 블록도이다.
도 2는 일 실시 예에 따른 주파수 대역 및 대역폭 관련 파라미터간의 관계를 나타내는 도면이다.
도 3은 일 실시 예에 따른 프로세서의 기능 구성을 나타낸 블록도이다.
도 4는 일 실시 예에 따른 전자 장치가 심박동 정보를 획득하는 방법을 나타낸다.
도 5는 일 실시 예에 따른 전자 장치가 최적 파라미터를 획득하는 방법의 흐름도이다.
도 6은 일 실시 예에 따른 전자 장치가 HRV를 획득하는 방법의 흐름도이다.
도 7은 일 실시 예에 따른 전자 장치가 HRV를 획득하는 방법의 흐름도이다.
도 8은 일 실시 예에 따른 트래커의 파라미터 변경에 따른 심박수 변동성의 변화를 나타내는 그래프이다.
도 9는 다양한 실시 예에 따른 제1 트래커 및 제2 트래커 각각의 파라미터 값의 조합과 심박동 정보 사이의 관계를 나타낸다.
도 10은 일 실시 예에 따른 파라미터 최적화를 이용하여 주파수 영역의 HRV 값을 산출한 결과를 나타낸다.
도 11은 PPI 복원 방식에 대한 설명을 제시하기 위한 도면이다.
도 12는 일 실시 예에 따른 시간 영역의 HRV 값(RMSSD)을 나타낸다.
도 13은 일 실시 예에 따른 시간 영역의 HRV 값(pNN50)을 나타낸다.
도 14는 일 실시 예에 따른 수면 패턴을 추정한 그래프이다.
도 15는 수면 패턴의 렘(REM) 특성 및 수면 다원 검사 결과를 비교한 그래프를 나타낸다.
도 16은 일 실시 예에 따른 수면 단계 구분의 일 예를 나타낸다.
도 17은 일 실시 예에 따른 수면 단계 구분 동작의 흐름도이다.
도 18은 일 실시 예에 따른 수면 단계 구분 결과를 나타낸다.
도 19는 다양한 실시 예에 따른 네트워크 환경 내의 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 전자 장치의 블록도를 나타낸다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은 일 실시 예에 따른 전자 장치의 구성을 나타내는 블록도이다.
일 실시 예에 따르면, 전자 장치(100)(예: 도 19의 전자 장치(1901))는 프로세서(110)(예: 도 19의 프로세서(1920)), 메모리(120)(예: 도 19의 메모리(1930)) 또는 감지 회로(130) 중 적어도 하나를 포함할 수 있다. 다양한 실시 예에서 전자 장치(100)는 위 구성 요소들 중 일부 구성을 생략하거나, 혹은 다른 구성 요소를 추가적으로 구비할 수 있다. 예를 들어, 디스플레이(예: 도 19의 표시 장치(1960)), 카메라(예: 도 19의 카메라 모듈(1980)), 배터리나 입/출력 인터페이스(예: 도 19의 인터페이스(1977))와 같은 구성이 전자 장치(100)에 추가적으로 포함될 수 있다.
일 실시 예에 따르면, 프로세서(110)는 본 문서에 개시된 다양한 실시 예에 따른 동작을 수행할 수 있다. 예를 들어, 프로세서(110)는 외부 객체에 관련된 정보를 처리할 수 있다. 상기 외부 객체는 예컨대, 사용자일 수 있다. 상기 외부 객체에 관련된 정보는 생체 정보를 포함할 수 있다. 예를 들어, 전자 장치는 외부 객체에 관련된 정보를 처리하고, 심박동 정보(예: 심박수 또는 심박변이도)를 획득할 수 있다. 프로세서(110)는 심박동 정보를 디스플레이할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 전자 장치(100)의 하우징 내에 배치될 수 있다. 프로세서(110)는 메모리(120), 감지 회로(130)와 전기적으로 또는 작동적으로 연결될 수 있다. 프로세서(110)는 메모리(120)에 저장된 명령어들(instructions)을 실행할 수 있다.
일 실시 예에 따르면, 메모리(120)는 전자 장치(100) 운용과 관련한 적어도 하나의 어플리케이션 또는 데이터를 저장할 수 있다. 일 실시 예에 따르면, 메모리(120)는 건강 또는 수면 패턴과 같이 사용자의 생체 정보에 연관된 어플리케이션 프로그램을 저장할 수 있다. 다양한 실시 예에 따르면, 메모리(120)는 본 문서에 개시된 다양한 동작들에 관한 명령어들(instructions)을 포함할 수 있다. 상기 명령어들은 프로세서(110)에 의해 실행될 수 있다.
일 실시 예에 따르면, 전자 장치(100)는 외부 객체에 관련된 신호를 획득할 수 있다. 이를 위해, 전자 장치(100)는, 감지 회로(130)를 포함할 수 있다. 일 실시 예에 따르면, 상기 감지 회로(130)는 센서(132)(예: 도 19의 센서 모듈(1976)) 또는 통신 회로(140)(예: 도 19의 통신 모듈(1990)) 중 적어도 하나를 포함할 수 있다.
상기 외부 객체에 관련된 신호는 예를 들어, 생체 신호 및/또는 움직임 신호를 포함할 수 있다. 상기 생체 신호는 사용자의 생체 활동에 연관된 신호일 수 있다. 상기 움직임 신호는 사용자의 움직임을 나타내는 신호, 예를 들어 가속도 신호일 수 있다.
일 실시 예에 따르면, 센서(132)는 외부 객체에 관련된 신호를 획득할 수 있다. 상기 외부 객체에 관련된 신호는 센싱 신호를 포함할 수 있다. 센서(132)는, 예를 들어, 생체 신호의 측정을 위한 생체 센서(예: PPG(photo-plethysmography) 센서) 또는 가속도와 같은 움직임 신호를 측정하기 위한 움직임 센서(예: ACC(accelerometer) 센서) 중 적어도 하나를 포함할 수 있다. 이 외에도, 다양한 실시 예에 따른 센서(132)는 사용자의 생체 신호 또는 움직임 신호를 측정하는 다양한 장치(예: ECG(electrocardiography) 센서, 자이로 센서 또는 기압 센서 등)를 포함할 수 있다.
일 실시 예에 따르면, PPG 센서는 적어도 하나의 발광부 및 적어도 하나의 수광부를 포함할 수 있다. 수광부는 발광부에서 출력된 빛 중 사용자의 피부에 투과 또는 반사되어 돌아오는 빛을 획득할 수 있고, 획득한 빛에 대응하는 생체 신호를 프로세서로 전달할 수 있다. 이하의 설명에서, 상기 PPG 센서에서 획득한 센싱 신호는 PPG(photo-plethysmography) 신호로 통칭할 수 있다.
일 실시 예에 따르면, 가속도 센서는 전자 장치(100)의 움직임 신호를 획득할 수 있다. 예를 들어, 전자 장치(100)가 PPG 센서를 이용하여 사용자의 생체 신호를 측정 시, 가속도 센서는 움직임 신호를 획득하고, 획득한 움직임 신호를 프로세서로 전달할 수 있다. 이하의 설명에서, 상기 가속도 센서에서 획득한 신호는 ACC(accelerometer) 신호로 통칭할 수 있다.
일 실시 예에 따르면, 전자 장치(100)는 외부 장치로부터 외부 객체와 관련된 신호를 획득할 수도 있다. 일 실시 예에 따르면, 전자 장치(100)는 통신 회로(140)를 통해 상기 외부 객체와 관련된 신호를 외부 장치에 송신하거나 외부 장치로부터 수신할 수 있다. 이때, 상기 외부 객체와 관련된 신호는 외부 전자 장치의 센서에서 획득한 신호일 수 있다. 예컨대, 상기 외부 객체와 관련된 신호는 생체 신호 또는 움직임 신호일 수 있다. 일 실시 예에 따르면, 통신 회로(140)는 유선 통신 또는 무선 통신을 지원할 수 있다. 상기 무선 통신은 근거리 통신 또는 원거리 통신을 포함할 수 있다.
일 실시 예에 따르면, 전자 장치(100)는 디스플레이를 포함할 수도 있다. 전자 장치(100)는 이하에 개시된 실시 예에 따라 획득한 외부 객체와 관련된 심박동 정보를 디스플레이에 표시할 수 있다.
도 2는 일 실시 예에 따른 주파수 트래킹 파라미터에 관한 설명이다.
일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(100))는 주파수 측정(frequency estimation)에 기반해서 심박동 정보를 획득할 수 있다. 전자 장치는 획득한 신호의 주파수를 분석하고, 시변 대역 통과 필터(time-varying bandpass filter)를 함께 적용하는 오실레이터 기반의 적응적 주파수 트래킹(oscillator based adaptive frequency tracking)을 수행함으로써, 맥파 신호에서 피크 간격을 구하지 않고도 심박동 정보를 측정할 수 있다. 상기 심박동 정보는 심박수(heart rate, HR) 및/또는 심박변이도(heart rate variability, HRV)를 포함할 수 있다. 일 실시 예에 따르면, 주파수 트래킹 기반의 심박 모니터링 수행 시에 적응형 필터가 사용될 수 있다. 적응형 필터는 관심 신호와 노이즈가 섞여있는 측정 신호에서, 노이즈를 효과적으로 제거하기 위해서 무한 임펄스 응답(infinite impulse response, IIR) 필터 기반의 적응 선형 증진기(adaptive line-enhancers, ALE)를 이용하는 기술을 포함할 수 있으며, ALE는 과거의 신호를 선형 결합함으로써, 앞으로 나올 신호를 예측하는 선형 예측을 기반으로 구성될 수 있다.
적응형 필터 기반의 주파수 트래킹의 특성은 다음의 두 파라미터에 의해서 결정될 수 있다. 주파수 트래킹 파라미터는 대역폭 관련 파라미터(β)와 망각 인자(δ)를 포함할 수 있다. 도 2는 대역폭 관련 파라미터와 대역폭 간의 관계를 나타낸다. 도 2를 참조하면, 대역폭 관련 파라미터가 작아지면 대역폭은 더 넓어질 수 있다 이외에도 적응적 대역 통과 필터에서, 망각 인자가 작아지면, 이전에 추정된 값에 대한 영향이 더 작아질 수 있다.
아래 수학식 1 내지 4는 본 문서에 개시된 다양한 실시 예에 따른 파라미터를 구하기 위한 수식이다.
수학식 1은, oscillator equation을 나타내고, 수학식 2는, 무한 임펄스 응답 필터의 공식을 나타내고, 수학식 3은 필터의 대역폭을 나타내고, 수학식 4는 적응형 대역 통과필터의 공식을 나타낸다.
Figure PCTKR2019001386-appb-M000001
Figure PCTKR2019001386-appb-M000002
Figure PCTKR2019001386-appb-M000003
Figure PCTKR2019001386-appb-M000004
수학식 1에서, w는, 정규화된 순간 주파수 값이고, n은, 입력신호의 순서일 수 있다. 수학식 2에서, β는 대역폭 관련 파라미터고, α(n)은 보정함수이고, z는 입력신호일 수 있다. 수학식 4에서 δ는 망각인자 일 수 있다.
더 나은 HRV를 반영하기 위해서는, HRM(heart rate monitoring) 알고리듬의 주파수 트래킹 파라미터가 변경될 수 있다.
예를 들어 상기 두 개의 파라미터를 조정하면, 심박동 정보의 변화가 더 빠르게 트래킹될 수 있고, 평활화 효과가 감소하며, 변동성이 더 많이 반영될 수 있다. 이하, 대역 통과 필터의 역할을 하는 트래커를 포함하는 전자 장치 구성을 설명한다.
도 3은 일 실시 예에 따른 프로세서의 기능 구성을 나타낸 블록도이다.
일 실시 예에 따르면, 프로세서(110)(예: 도 1의 프로세서(110))는 전처리 모듈(310), 노이즈 제거 모듈(320), 제1 트래커(330), 제2 트래커(340), 또는 연산 모듈(350)을 포함할 수 있다. 다양한 실시 예에서 프로세서(110)는 위 구성 요소들 중 일부 구성을 생략하거나, 혹은 다른 구성 요소를 추가적으로 구비할 수 있다. 다양한 실시 예에서 도 3의 프로세서(110)에 포함된 구성들의 적어도 일부는 소프트웨어 또는 하드웨어로 구현될 수 있다. 예컨대, 각각의 모듈들의 동작은 명령어(instruction) 형태로 메모리에 저장되고, 프로세서에 의해 수행될 수 있다.
일 실시 예에 따르면, 전처리 모듈(310)은 획득한 신호의 전처리를 수행할 수 있다. 전처리 모듈(310)은 상기 획득한 신호를 필터링하고 정규화할 수 있다. 예컨대, 전처리 모듈(310)은 외부 객체와 관련된 신호에 대하여 생체 신호로 볼 수 없는 대역의 신호를 필터링하고, 필터링된 신호의 크기 분포를 정규화할 수 있다. 예컨대, 전처리 모듈(310)은 각각의 신호를 처리하는 적어도 하나의 필터링 모듈(312, 316) 및 정규화 모듈(314, 318)을 포함할 수 있다. 생체 신호(PPG)는 필터링 모듈(312) 및 정규화 모듈(314)에서 처리되고, 움직임 신호(ACC)는 필터링 모듈(316) 및 정규화 모듈(318)에서 처리될 수 있다.
일 실시 예에 따르면, 노이즈 제거 모듈(320)은 전처리된 외부 객체와 관련된 신호로부터 노이즈(noise)를 제거할 수 있다. 노이즈 제거 모듈(320)은 전처리된 움직임 신호를 이용하여 상기 전처리된 생체 신호에서 전자 장치(100)의 움직임에 의한 노이즈를 제거할 수 있다. 일 실시 예에 따르면, 노이즈 제거 모듈(320)은 적응 필터를 이용하여 노이즈 제거 신호 처리를 수행할 수 있다. 노이즈 제거 모듈(320)이 신호를 수집하고 신호의 특성에 맞게 적응 필터의 필터 계수를 최적화 하는 기법의 일 예로, 경사 하강(steepest descent), 최소 평균 자승(least mean square, LMS), 재귀형 최소 자승(recursive least square, RLS) 방법에 기반한 알고리즘이 사용될 수 있다. 상기 노이즈 제거 모듈(320)은 예를 들어, 적응적 노이즈 제거 모듈(adaptive noise cancellation module)포함할 수 있다.
일 실시 예에 따르면, 제1 트래커(330) 및 제2 트래커(340)는 상기 노이즈가 제거된 외부 객체와 관련된 신호를 처리하고, 심박동 정보를 산출할 수 있다. 상기 심박동 정보는, 예를 들어, 심박수, 심박변이도 및/또는 파생된 다른 생체 정보 등을 포함할 수 있다.
일 실시 예에 따르면, 제1 트래커(330) 및 제2 트래커(340)는 서로 다른 신호 처리 방식으로 상기 외부 객체와 관련된 신호를 처리할 수 있다. 일 실시 예에 따르면, 제1 트래커(330) 및/또는 제2 트래커(340)는 심박동 정보를 산출 시 주파수 트래킹 방식을 사용할 수 있다. 제1 트래커(330) 및/또는 제2 트래커(340)는 상기 주파수 트래킹 방식을 사용하되, 상기 주파수 트래킹 시 사용되는 적어도 일부 속성에 대하여 서로 다른 값을 사용할 수 있다. 예컨대, 제1 트래커(330) 및/또는 제2 트래커(340)는 주파수 트래킹을 위한 파라미터(이하 트래킹 파라미터)가 서로 다른 값을 가지도록 설정될 수 있다. 예컨대, 여기서, 트래킹 파라미터는 망각 인자(forgetting factor, δ) 및/또는 대역폭 관련 파라미터(β)를 포함할 수 있다. 제1 트래커(330) 및/또는 제2 트래커(340)의 파라미터는 각기 제1 트래킹 파라미터, 제2 트래킹 파라미터로 참조할 수도 있다.
일 실시 예에 따르면, 제1 트래커(330)는 외부 객체에 관련된 신호에 기반하여 제1 심박동 정보를 산출할 수 있다. 제2 트래커(340)는 외부 객체에 관련된 신호에 기반하여 제2 심박동 정보를 산출하거나, 적어도 상기 제2 심박동 정보에 기반하여 상기 제2 심박동 정보와는 다른 타입의 제3 심박동 정보를 획득하거나, 상기 제1 심박동 정보 및 제2 심박동 정보 사이의 연계성(connectivity)을 계산할 수 있다. 프로세서(110)는 제2 트래커(340)를 통해 제2 심박동 정보, 및/또는 연계성을 획득할 수 있다. 상기 연계성은 예를 들어, 상관 계수 또는 경향 특성을 이용해서 확인할 수 있다. 상기 제1 심박동 정보 및 상기 제2 심박동 정보는 각각의 트래커(330, 340)에서 산출된 심박수이거나, 또는 상기 심박수를 포함하는 파생된 생체 정보일 수 있다. 상기 제3 심박동 정보는 심박변이도이거나, 또는 상기 심박변이도를 포함하는 파생된 생체 정보일 수 있다.
일 실시 예에 따르면, 제1 트래커(330)는 심박동 대역의 메인 주파수를 찾도록 설정될 수 있다. 제1 트래커(330)는 동적 노이즈 제거 및 안정적인 심박동 트래킹에 활용될 수 있다.
일 실시 예에 따르면, 제1 트래커(330)는 외부 객체에 관련된 신호에 기반하여 제1 심박동 정보를 산출할 수 있다. 제1 트래커(330)는 노이즈가 제거된 생체 신호의 주파수를 분석하고, 주파수를 트래킹할 수 있다. 프로세서(110)는 제1 트래커(330)를 통해 제1 심박동 정보를 획득할 수 있다.
일 실시 예에 따르면, 제1 트래커(330)는 대역 통과 필터의 속성을 가질 수 있다. 일 실시 예에 따르면, 제1 트래커(330)의 트래킹 파라미터 중 적어도 일부는 상기 제1 트래커(330)가 상기 외부 객체에 관련된 신호를 필터링하되, 상대적으로 협대역 통과 필터의 특성을 가지도록 설정될 수 있다. 즉, 상기 제1 트래커(330)는 제1 필터로 참조할 수 있다. 제1 트래커(330)는 제1 주파수 대역의 신호를 필터링하고, 상기 제1 주파수 대역은 이하의 제2 주파수 대역에 비해 좁게 설정될 수 있다.
일 실시 예에 따르면, 제1 트래커(330)의 적어도 일부 속성이 제1 값으로 설정될 수 있다. 다시 말해, 상기 제 1 트래커(330)의 트래킹 파라미터는 제1 값으로 설정될 수 있다. 이하 제1 트래커(330)에 적용되는 트래킹 파라미터의 값은 제1 파라미터 값으로 참조할 수 있다. 상기 제1 파라미터 값 및 상기 제1 트래커(330)의 중심 주파수는 기 설정된 값을 가질 수 있다. 일 실시 예에 따르면, 제1 트래커(330)는 제1 파라미터 값을 이용하여 제1 심박동 정보를 획득할 수 있다.
일 실시 예에 따르면, 프로세서(110)는 상기 제1 심박동 정보를 제2 트래커(340)로 전달할 수 있다.
제2 트래커(340)는 제1 트래커(330)에 비해 주파수 대역의 변동 폭은 크고 신호 평활화 정도는 작도록 설정될 수 있다. 다시 말해, 전자 장치(예: 도 1의 전자 장치(100))는 심박동의 변동성(이하 심박변이도 또는 HRV)이 반영되도록 제2 트래커(340)를 설정할 수 있다.
일 실시 예에 따르면, 제2 트래커(340)는 노이즈가 제거된 생체 신호의 주파수를 분석하고, 주파수를 트래킹할 수 있다. 일 실시 예에 따르면, 제2 트래커(340)는 상기 제1 트래커(330)와는 다른 신호 처리 방식으로 상기 외부 객체에 관련된 신호를 처리할 수 있다. 제2 트래커(340)는 적어도 일부 속성을 조정하면서 상기 주파수를 트래킹할 수 있다. 이를 위해, 제2 트래커(340)의 트래킹 파라미터가 제2 값을 가지도록 설정될 수 있다.
일 실시 예에 따르면, 제2 트래커(340)는 대역 통과 필터의 속성을 가질 수 있다. 일 실시 예에 따르면, 제2 트래커(340)의 트래킹 파라미터 중 적어도 일부는 상기 제2 트래커(340)가 상기 외부 객체에 관련된 신호를 필터링하되, 상대적으로 광대역 통과 필터의 특성을 가지도록 설정될 수 있다. 즉, 상기 제2 트래커(340)는 제2 필터로 참조할 수 있다. 제2 트래커(340)는 제2 주파수 대역의 신호를 필터링하고, 상기 제2 주파수 대역은 상기 제1 주파수 대역에 비해 넓게 설정될 수 있다.
일 실시 예에 따르면, 제2 트래커(340)의 적어도 일부 속성이 제2 값으로 설정될 수 있다. 제2 트래커(340)는 상기 제1 값과는 다른 제2 값을 적용할 수 있다. 이하 제2 트래커(340)에 적용되는 파라미터의 값은 제2 파라미터 값으로 참조할 수 있다. 일 실시 예에 따르면, 상기 제2 파라미터 값은 상기 제2 주파수 대역이 상기 제1 주파수 대역에 비해 넓도록, 상기 제2 트래커(340)의 평활화 효과가 상기 제1 트래커(330)에 비해 적도록 설정될 수 있다. 예컨대, 상기 제2 파라미터 값으로서 주파수 대역 관련 파라미터 및 망각 인자 값이 상기 제1 파라미터 값보다 작을 수 있다. 상기 제2 파라미터 값은 가변할 수 있다. 상기 제2 파라미터 값의 결정에 관한 사항은 후술하도록 한다.
일 실시 예에 따르면, 제2 트래커(340)는 입력 신호에 기반하여 제2 파라미터를 이용하여 제2 심박동 정보를 획득할 수 있다. 제2 트래커(340)의 입력 신호는 노이즈 제거 모듈(320)로부터 획득한 생체 정보 및/또는 제1 트래커(330)로부터 획득한 제1 심박동 정보 일 수 있다.
일 실시 예에 따르면, 연산 모듈(350)은 상기 노이즈가 제거된 생체 정보 및 제1 트래커(330)로부터 획득한 제1 심박동 정보를 입력받고, 연산을 수행할 수 있다. 상기 연산은 사칙 연산(예: 합 연산) 또는 비교 연산일 수 있다.
일 실시 예에 따르면, 프로세서(110) 또는 제2 트래커(340)는 제2 파라미터 값을 결정할 수 있다. 프로세서(110)는 상기 제1 심박동 정보에 기반하여 제2 파라미터 값을 결정하거나, 제1 심박동 정보 및 제2 심박동 정보의 연계성(예: 상관 계수, 또는 경향 특성)에 기반하여 제2 파라미터 값을 결정할 수 있다. 이 외에도 프로세서(110)는 다양한 방식에 기반하여 제2 파라미터 값을 결정할 수 있다.
일 실시 예에 따르면, 프로세서(110)는 상기 제1 심박동 정보 또는 상기 제2 심박동 정보 중 적어도 하나에 기반하여 심박변이도(이하 HRV)를 결정할 수 있다. 일 실시 예에 따르면, 상기 HRV는 제2 트래커 또는 별도의 모듈에 의해 결정될 수 있다.
일 실시 예에 따르면, 상기 제1 심박동 정보는 상기 HRV 결정을 위해 직접적 또는 간접적으로 제2 심박동 정보에 영향을 미칠 수 있다. 예컨대, 상기 제2 심박동 정보 또는 제2 파라미터는 상기 제1 심박동 정보에 기반해서 결정되고, 상기 HRV는 상기 제2 심박동 정보에 기초해서 결정될 수 있다. 그 결과 상기 제1 심박동 정보가 HRV의 결정에 간접적으로 영향을 미칠 수 있다.
일 실시 예에 따르면, 프로세서(110)는 상기 제2 심박동 정보 및 상기 제1 심박동 정보를 비교할 수 있다. 프로세서(110)는 상기 제1 심박동 정보 및 제2 심박동 정보에 기반하여 상호간의 연계성을 확인할 수 있다. 일 실시 예에 따르면, 상기 연계성은 제2 트래커 또는 별도의 모듈에 의해 결정될 수 있다. 상기 연계성 확인에 응답하여, 프로세서(110)는 상기 제3 심박동 정보를 결정할 수 있다.
일 실시 예에 따르면, 주파수 초기화 모듈(332, 342)은 트래커들(330, 340)의 속성을 설정할 수 있다. 예컨대, 주파수 초기화 모듈(332, 342)은 주파수 대역 관련 파라미터 및/또는 망각 인자 값을 설정할 수 있다.
일 실시 예에 따르면, 주파수 트래킹 모듈(334, 344)은, 상기 주파수 초기화 모듈(332, 342)에서 결정된 속성에 따라 외부 객체에서 측정된 생체 정보와 관련된 신호의 주파수를 트래킹할 수 있다.
도 4는 일 실시 예에 따른 전자 장치가 심박동 정보를 획득하는 방법을 나타낸다.
도 4에 도시된 동작들은 전자 장치(예: 도 1의 전자 장치(100))에 의해 수행될 수 있다. 상기 동작들은 프로세서(예: 도 1 또는 도 3의 프로세서(110))에 의해 수행되고, 명령어(instruction)의 형태로 메모리(예: 도 1의 메모리(120))에 저장될 수 있다.
동작 401에서, 전자 장치는 외부 객체에 관련된 신호를 획득할 수 있다. 상기 외부 객체에 관련된 정보는 예를 들어, 센서(예: 도 1의 센서(132))에서 획득한 신호에 대해 전처리가 수행되거나 노이즈가 제거된 신호일 수 있다. 예컨대, 상기 외부 객체에 관련된 신호는 노이즈가 제거된 생체 신호일 수 있다.
동작 403에서, 전자 장치는 제1 신호 처리 방식에 기반하여 제1 심박수를 획득할 수 있다. 상기 제1 신호 처리 방식은 예를 들어, 제1 파라미터 값을 이용해서 상기 제1 심박수를 획득하는 것일 수 있다. 여기서, 제1 파라미터 값은 고정되거나 기 설정된 값일 수 있다. 전자 장치는 상기 제1 파라미터 값을 이용하여 상기 외부 객체에 관련된 신호에 기반하여 제1 심박수를 산출할 수 있다.
동작 405에서, 전자 장치는 제2 신호 처리 방식에 기반하여 제2 심박수를 획득할 수 있다. 상기 제2 신호 처리 방식은 예를 들어, 제2 파라미터 값을 이용해서 상기 제2 심박수를 획득하는 것일 수 있다. 상기 제2 파라미터 값은 가변하는 값일 수 있다. 상기 전자 장치는 상기 제2 파라미터 값을 적응적으로 결정할 수 있다. 전자 장치는 상기 제2 파라미터 값을 이용하여 상기 외부 객체에 관련된 신호에 기반하여 제2 심박수를 획득할 수 있다.
동작 407에서, 전자 장치는 적어도 상기 제2 심박수에 기반하여 심박변이도를 생성할 수 있다.
여기서, 제1 심박수 및 제2 심박수 간의 연계성이 떨어지는 경우에는, 획득된 심박변이도가 부정확할 수 있다. 일 실시 예에 따르면, 보다 정확한 HRV 값을 획득하기 위한 제2 파라미터 값을 결정하기 위해서 전자 장치는 A 이하의 동작을 수행할 수 있다. 동작 405 이후에 A 이하의 동작이 더 수행될 수 있다. 구체적인 설명은, 도 5를 참조할 수 있다.
도 5는 일 실시 예에 따른 전자 장치가 최적 파라미터를 획득하는 방법의 흐름도를 나타낸다.
도 5에 도시된 동작들은 전자 장치(예: 도 1의 전자 장치(100))에 의해 수행될 수 있다. 상기 동작들은 프로세서(예: 도 1 또는 도 3의 프로세서(110))에 의해 수행되고, 명령어(instruction)의 형태로 메모리(예: 도 1의 메모리(120))에 저장될 수 있다.
동작 501에서, 전자 장치는 제1 심박수 및 제2 심박수를 이용하여 상기 심박수 간의 연계성을 획득할 수 있다. 상기 연계성은 상관 계수 또는 경향 특성에 기초해서 확인할 수 있다.
동작 503에서, 전자 장치는, 상기 연계성이 지정된 조건을 만족하는지 판단할 수 있다. 동작 501 및 동작 503은 제2 트래커(예: 도 3의 제2 트래커(340))에서 수행될 수 있다.
만약 상기 연계성이 지정된 조건을 만족하지 않으면(예: 상관 계수가 임계값 이하이면), 동작 505에서 전자 장치는 제2 파라미터 값을 변경할 수 있다. 이후, 전자 장치는 상기 제2 파라미터 값을 이용하여 B이하의 동작을 수행할 수 있다.
만약 상기 연계성이 지정된 조건을 만족하면(예: 상관 계수가 임계값 초과이면), 전자 장치는 도 4의 동작 405에서 사용된 제2 파라미터 값을 최적의 제2 파라미터 값으로 결정할 수 있다. 이후, 전자 장치는 상기 최적 제2 파라미터 값을 이용하여 획득한 제2 심박수에 기초하여 도 4의 동작 407에서 심박변이도를 획득할 수 있다.
도 4에서는 상기 B 이하의 동작을 도 4의 동작 401 이하의 동작을 수행하는 것으로 도시하였으나, 도 4의 동작 405 이하의 동작을 수행할 수도 있다.
도 6은 일 실시 예에 따른 전자 장치가 HRV를 획득하는 방법의 흐름도이다.
도 6에 도시된 동작들은 전자 장치(예: 도 1의 전자 장치(100))에 의해 수행될 수 있다. 상기 동작들은 프로세서(예: 도 1 또는 도 3의 프로세서(110))에 의해 수행되고, 명령어의 형태로 메모리(예: 도 1의 메모리(120))에 저장될 수 있다. 일 실시 예에 따르면, 전자 장치는 제1 심박수 및 제2 심박수의 상관 계수를 이용하여 제2 심박수의 획득을 위한 제2 파라미터 값을 결정하고, HRV를 획득할 수 있다. 상관 계수는 관계의 유형을 나타내는 통계적 의미이고, 상관 계수가 1에 가까우면 강한 결합을 의미할 수 있다. 이하, 제1 심박수 및 제2 심박수의 상관 계수에 기초해서 제2 파라미터 값을 결정하고, HRV를 획득하는 방법을 설명한다.
동작 601에서, 전자 장치는 센서(예: 도 1의 센서(132)) 또는 통신 회로(예: 도 1의 통신 회로(140))를 통해서 외부 객체와 연관된 신호를 획득할 수 있다. 상기 외부 객체와 연관된 신호는 적어도 생체 신호를 포함할 수 있다. 예컨대, 전자 장치는 PPG 센서로부터 생체 신호를 획득하고, 가속도 센서로부터 움직임 신호를 획득할 수 있다. 예컨대, 전자 장치는 통신 회로를 통해 외부 전자 장치로부터 생체 신호 또는 움직임 신호를 획득할 수 있다.
동작 603에서, 전자 장치는 상기 외부 객체와 연관된 신호를 필터링하고 정규화할 수 있다. 예컨대, 전자 장치는 생체 신호 및 움직임 신호를 필터링하고 정규화할 수 있다. 전자 장치는 상기 생체 신호 및 움직임 신호에서 불필요한 대역의 신호를 제거하기 위해 각각의 신호를 필터링할 수 있다. 전자 장치는 상기 필터링된 각각의 신호를 정규화할 수 있다.
동작 605에서, 전자 장치는 상기 외부 객체에 관련된 신호(또는 생체 신호)에서 노이즈를 제거할 수 있다. 전자 장치는 움직임 신호에 기반하여 생체 신호에서의 노이즈를 제거할 수 있다. 여기서, 노이즈 제거는 필터링되고 정규화된 생체 신호에 대하여 수행될 수 있다.
동작 607에서, 전자 장치는 생체 신호의 주파수를 트래킹하고, 제1 심박수를 획득할 수 있다. 전자 장치는 제1 파라미터 값을 이용하여 생체 신호의 주파수를 트래킹할 수 있다. 예컨대, 제1 트래커(예: 도 3의 제1 트래커(330))를 이용하여 상기 생체 신호의 주파수를 트래킹하고 제1 심박수를 획득할 수 있다. 상기 제1 파라미터 값에 대응하는 파라미터는 2개의 파라미터일 수 있다. 예컨대, 상기 파라미터는 대역폭 관련 파라미터 및 망각 인자를 포함할 수 있다. 예를 들어, 상기 제1 트래커를 위한 대역폭 관련 파라미터는 0.98이고, 망각 인자는 0.97일 수 있다.
동작 609에서, 전자 장치는 상기 생체 신호의 주파수를 트래킹하고 제2 심박수를 획득할 수 있다. 전자 장치는 제2 파라미터 값을 이용하여 생체 신호의 주파수를 트래킹할 수 있다. 예컨대, 제2 트래커(예: 도 3의 제2 트래커(340))를 이용하여 상기 생체 신호의 주파수를 트래킹하고 제2 심박수를 획득할 수 있다. 상기 제2 파라미터 값에 포함된 대역폭 관련 파라미터 또는 망각 인자 중 적어도 하나는 상기 제1 파라미터 값과 다른 값일 수 있다. 예컨대, 상기 제2 파라미터 값 중 상기 대역폭 관련 파라미터는 상기 제1 파라미터 값보다 작을 수 있다. 그 결과 상기 제2 트래커의 대역폭은 상기 제1 트래커의 대역폭보다 크게 설정될 수 있다. 상기 제2 파라미터 값 중 상기 망각 인자는 상기 제1 파라미터 값보다 작을 수 있다.
동작 611에서, 상기 제2 트래커는 제1 심박수를 획득할 수 있다. 상기 제2 트래커는 제1 트래커로부터 제1 심박수를 수신할 수 있다.
동작 613에서, 전자 장치는 제1 심박수 및 제2 심박수의 연계성을 확인할 수 있다. 예컨대, 상기 전자 장치는 제1 심박수 및 상기 제2 심박수를 비교하고, 상관 계수를 확인할 수 있다. 제2 트래커에서 제1 심박수 및 제2 심박수를 이용하여 상관 계수를 산출할 수 있다.
동작 615에서, 전자 장치는 상관 계수가 지정된 임계값을 만족하는지 판단할 수 있다. 일 실시 예에 따르면, 전자 장치는 상관 계수가 지정된 임계값을 만족하는지 판단할 수 있다. 예컨대, 전자 장치는 상관 계수가 임계값보다 큰지 판단할 수 있다. 이러한 동작은 제2 트래커에서 수행될 수도 있다. 상기 임계값은, 통계 또는 학습에 기반하여 실험적으로 결정된 값일 수 있다.
상관 계수가 상기 지정된 임계값을 만족하면(또는 상기 지정된 임계값보다 크면), 전자 장치는 동작 619를 수행할 수 있다. 전자 장치는 동작 609에서 사용한 제2 파라미터 값을 최적의 제2 파라미터 값으로 결정할 수 있다. 동작 621에서, 전자 장치는 상기 최적의 제2 파라미터 값을 이용하여 연속적으로 수신되는 생체 신호의 주파수를 트래킹할 수 있다. 이후, 전자 장치는 상기 제2 파라미터 값을 갖는 제 2 트래커를 이용하여 HRV를 획득할 수 있다.
상관 계수가 상기 임계값을 만족하지 않으면(또는 상기 임계값보다 작거나 같으면), 전자 장치는 제2 트래커의 제2 파라미터 값을 변경할 수 있다. 전자 장치는 제2 파라미터 값에 대해 동작 601 내지 동작 613 중 적어도 일부를 반복할 수 있다.
예컨대, 전자 장치는 제2 파라미터 값의 변경 후, 센싱 신호를 획득하고, 상기 센싱 신호를 필터링 및 정규화하고 생체 신호의 노이즈를 제거한 후, 제1 심박수 및 상기 변경된 제2 파라미터 값을 이용하여 제2 심박수를 획득할 수 있다. 상기 전자 장치는 상기 제1 심박수 및 상기 제2 심박수를 획득하고, 상관 계수를 획득하고, 상관 계수가 상기 지정된 임계값을 만족하는지 판단할 수 있다. 상기 상관 계수가, 상기 지정된 임계값을 만족하는 경우에 대한 제2 파라미터 값을 HRV의 산출에 적절한 제2 파라미터 값이라고 판단할 수 있다. 전자 장치는 상기 제2 파라미터 값을 결정 후, 해당 제2 파라미터 값을 갖는 제 2 트래커를 이용하여 HRV를 획득할 수 있다.
본 문서에 개시된 실시 예는 순서 또는 동작의 다양한 변형이 가능하다. 일 예로, 동작 611은 동작 609 이전에, 동작 607 수행 후에 수행될 수 도 있다. 또 다른 예로, 전자 장치는 동작 611을 수행 후 제1 심박수 및 상기 제2 심박수를 이용하여 HRV를 산출하되, 최적의 제2 파라미터 값이 결정되면, 해당 HRV를 최적의 HRV 값으로 결정할 수 있다. 이 경우, 최적의 HRV로 결정된 HRV 정보가 디스플레이에 표시될 수도 있다.
도 7은 일 실시 예에 따른 전자 장치가 HRV를 획득하는 방법의 흐름도이다.
도 7에 도시된 동작들은 전자 장치(예: 도 1의 전자 장치(100))에 의해 수행될 수 있다. 상기 동작들은 프로세서(예: 도 1 또는 도 3의 프로세서(110))에 의해 수행되고, 명령어의 형태로 메모리(예: 도 1의 메모리(120))에 저장될 수 있다. 일 실시 예에 따르면, 전자 장치는 심박동 경향 특성)을 확인하여 연계성을 결정할 수 있다. 전자 장치는 심박동 경향 특성을 이용하여 제2 파라미터 값을 결정하고, HRV를 획득할 수 있다. 일 실시 예에 따르면, 전자 장치는 심박동 특성 정보에 기초해서 경향 특성을 획득할 수 있다. 상기 심박동 특성 정보는 예를 들어, 상기 심박동 정보(예: 심박수)일 수 있다.
동작 701에서, 전자 장치는 외부 객체와 관련된 신호를 획득할 수 있다. 예컨대, 전자 장치는 PPG 센서로부터 생체 신호를 획득하고, 가속도 센서로부터 움직임 신호를 획득할 수 있다. 상기 움직임 신호는 가속도 신호일 수 있다. 예컨대, 전자 장치는 통신 회로를 통해 외부 전자 장치로부터 생체 신호 또는 움직임 신호를 획득할 수 있다. 전자 장치는 상기 외부 객체와 관련된 신호를 제1 트래커(예: 도 3의 제1 트래커(330)) 및/또는 제2 트래커(예: 도 3의 제2 트래커(340))에 입력할 수 있다. 여기서, 트래커에 입력되는 외부 객체와 관련된 신호는 도 6의 동작 601 내지 605가 수행되고, 노이즈가 제거된 신호일 수 있다. 또한, 트래커에 입력 또는 트래커를 이용한다는 것은 특정 속성 값(또는 파라미터 값)을 이용하거나 특정 신호 처리 방식을 사용하는 것을 의미할 수 있다.
일 실시 예에 따르면, 전자 장치는 제1 파라미터 값 및 제2 파라미터를 이용하여 심박동 특성 정보를 산출할 수 있다.
동작 703에서, 전자 장치는 제1 트래커에 의한 제1 심박동 특성 정보를 계산할 수 있다. 전자 장치는 생체 신호로부터 제1 파라미터 값에 기초하여 심박동 특성 정보를 획득할 수 있다.
동작 705에서, 전자 장치는 특정 범위 내에서 파라미터 값을 변경할 수 있다. 상기 특정 범위는 미리 설정된 값일 수 있다. 전자 장치는 제2 트래커의 심박수(HR) 및/또는 HRV 측정 관련 파라미터를 변경할 수 있다. 상기 측정 관련 파라미터는 상기 도 3 내지 도 6의 트래킹 파라미터일 수 있다. 해당 파라미터 값은 제2 파라미터 값일 수 있다.
동작 707에서, 전자 장치는 생체 신호로부터 상기 제2 파라미터 값에 기초하여 심박동 특성 정보를 산출할 수 있다. 다시 말해, 전자 장치는 제2 트래커에 의한 제2 심박동 특성 정보를 계산할 수 있다.
동작 709에서, 전자 장치는 상기 제1 트래커 및 상기 제2 트래커에 의한 심박동 경향 특성이 일치하는지 확인할 수 잇다. 전자 장치는 상기 제1 심박동 특성 정보 및 상기 제2 심박동 특성 정보를 이용하여 심박동 경향 특성이 일치하는지 확인할 수 있다. 심박동 특성 정보 및 상기 심박동 경향 특성에 관하여는 후술하도록 한다.
심박동 경향 특성이 일치하면, 전자 장치는 동작 707을 수행할 수 있다.
심박동 경향 특성이 일치하지 않으면, 동작 711에서 전자 장치는 최적의 파라미터를 검출할 수 있다. 예를 들어, 전자 장치는 심박수 및/또는 HRV의 측정을 위한 최적의 파라미터를 검출할 수 있다. 예컨대 전자 장치는 동작 707에서 사용된 제2 파라미터 값을 상기 최적의 제2 파라미터 값으로 결정할 수 있다.
동작 713에서, 전자 장치는 추출된 시간/주파수 영역의 심박 변이도를 정규화하고 경향 특성을 추출할 수 있다.
다시, 동작 709에서, 전자 장치는 상기 제2 트래커에 의한 심박동 특성이 신뢰할 수 있는지를 파악하기 위해서, 심박동 경향 특성 분석을 수행할 수 있다.
일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(100))는 제1 심박동 특성 정보 및 상기 제2 심박동 특성 정보 사이의 상관 관계 분석을 이용하여 두 가지 트래커에서 획득한 변수 사이의 연관도를 확인할 수 있다. 전자 장치는 상기 각 변수를 그래프나 도표에서 2개의 축에 그려, 변수간의 완전한 관계를 찾기 위한 산포도를 만들 수 있고, 만일 완전한 관계가 성립한다면 모든 점을 통과하는 직선을 그릴 수 있다.
일 실시 예에 따르면, 전자 장치는 위상 동기화 및 방향성 분석 방법을 적용할 수도 있다. 상관 관계 분석에서는 두 변수 상호간의 영향력의 방향을 추론할 수 없어서 위의 방법이 효과적일 수 있다.
위상 동기화는 여러 가지 방법으로 정량화 할 수 있다. 예컨대, 위상 동기화 방법에는 변수 사이의 동기화 주파수 비율을 조사하는 싱크로그램 및 회귀 구성(recurrence plot)을 통해 정량화 하는 방법 및 엔트로피 기반의 위상 동기화 지표(ρ, λ, γ)를 이용하는 방법이 있다.
일 실시 예에 따르면, 전자 장치는, 각각의 심박동 특성 변수 위상을 힐버트 변환(hilbert transform)을 통해 추출하고, 각각의 주기를 설정하여 비율에 따른 동기화 특성 변환을 조사하거나, 수치화 시켜서 그래프 등으로 나타낼 수 있다.
일 실시 예에 따르면, 전자 장치는 위상 동기화 분석 및 방향성 분석을 통해서 두 개의 트래커에서 측정된 심박동 변수들이 서로 주고받는 영향력을 방향성의 크기로 분석할 수 있다. 상기 방향성 분석은 그레인저 인과관계 인덱스(granger causality index), PDC(partial directed coherence) 및/또는 방향성 인덱스(directionality index) 등을 통해 수행될 수 있다.
일 실시 예에 따르면, 전자 장치는 앞서 언급한 상기 상관 관계 분석 및/또는 위상동기화 분석 및 방향성 분석을 이용하여 심박동 경향 특성을 확인할 수 있다. 전자 장치는 상기 경향 특성에 기초하여 제2 트래커에서 측정한 심박변이도 정보의 신뢰성이 확보될 수 있다고 판단하면, 점진적으로 제2 트래커의 파라미터를 조절하고 최적의 파라미터가 산출되도록 할 수 있다. 예컨대, 상기 전자 장치는 % 또는 수치상으로 +/-를 하면서 파라미터를 조절할 수 있다.
도 8은 일 실시 예에 따른 심박동 정보의 변동성의 반영을 나타내는 그래프이다.
그래프 1(801)은 심전도(electrocardiography, ECG)에서 측정한 레퍼런스 심박 간격(heart beat interval)으로서 RRI(R to R interval)를 나타내고, 그래프 2 내지 4(803, 805, 807)는 제2 트래커(예: 도 3의 제2 트래커(340))에서의 트래킹 파라미터(δ, β)를 변경하면서 추정한 심박 간격으로서 PPI(peak to peak interval)을 나타낸다.
여기서, 제1 트래커(예: 도 3의 제1 트래커(330))에서의 트래킹 파라미터(δ, β)의 조합(또는 제1 파라미터 값의 조합)은 예를 들어 (0.97, 0.98)인 경우를 가정하였다. 해당 시뮬레이션에서는 안정적인 심박동 정보의 계산을 위해 주파수 트래킹의 밴드 대역이 좁고, 평활화 정도를 높일 수 있도록 제1 트래커의 트래킹 파라미터(δ, β)를 설정하였다.
그래프 2(803)는 오실레이터 주파수 트래킹에서 망각 인자(δ)를 조절(예: δ = 0.92, 0.95, 0.98)하면서 심박동 정보 트래킹이 변하는 특성을 시뮬레이션으로 나타낸 것이다. 그래프 2(803)는 대역폭 관련 파라미터(β)가 0.90인 경우에 대한 결과이다.
그래프 3(805)은 오실레이터 주파수 트래킹에서 대역폭 관련 파라미터를 조절(β = 0.80, 0.86, 0.92)하면서 심박동 정보 트래킹이 변하는 특성을 시뮬레이션으로 나타낸 것이다. 그래프 3(805)은 망각 인자(δ)가 0.92인 경우를 예시한다.
그래프 4(807)는 제2 트래커에서의 트래킹 파라미터(δ, β)의 조합(또는 제2 파라미터 값의 조합)을 다르게 하면서 심박동 정보 트래킹이 변하는 특성을 시뮬레이션으로 나타낸 것이다.
그래프 2(803)를 참조하면, 망각 인자가 작을 수록 심박동의 변동성이 커짐을 알 수 있다. 그래프 3(805)을 참조하면, 대역폭 관련 파라미터가 작을 수록 심박동의 변동성이 커짐을 알 수 있다. 그래프 4(807)를 참조하면, 대역폭 관련 파라미터(β) 및 망각 인자(δ)가 작은 경우에 심박동의 변동성이 커짐을 알 수 있다.
도 8을 참조하면, 트래커의 주파수 트래킹 변동성과 관련된 파라미터인 대역폭 관련 파라미터 및/또는 망각 인자를 조정함으로써, 심박동 정보의 변동성이 반영됨을 알 수 있다. 망각 인자가 작을수록, 또는 대역폭 관련 파라미터가 작을수록 심박동 정보의 변동성이 잘 반영될 수 있다. 반대로, 망각 인자가 클수록 또는 대역폭 관련 파라미터가 클수록 안정적인 심박동 정보를 획득할 수 있다.
도 9는 다양한 실시 예에 따른 제1 트래커 및 제2 트래커 각각의 파라미터 값의 조합과 심박동 정보의 관계를 나타낸다.
그래프 1(901) 및 그래프 2(903)는 측정한 레퍼런스 심박 간격(점선)과 심박동 정보 주파수 트래킹 결과(실선)를 동시에 나타낸 그림이다. 그래프 1(901) 및 그래프 2(903)는 서로 다른 트래킹 파라미터(δ, β)의 조합에 대한 결과를 나타낸다. 그래프 1(901)은 트래킹 파라미터가 예를 들어 (0.98, 0.97)인 경우를 나타내고 그래프 2(903)은 트래킹 파라미터가 예를 들어 (0.92, 0.92)인 경우를 나타낸다.
그래프 1(901)은 대역폭 관련 파라미터 및 망각 인자가 그래프 2(903) 보다 큰 경우의 트래킹 결과를 나타낸 것으로 심박동 정보 트래킹의 안정성을 추구할 때 사용하는 제1 트래커(예: 도 3의 제1 트래커(330))의 특성을 나타낸다.
그래프 2(903)는 비교적 대역폭 관련 파라미터 및 망각 인자가 작은 경우로서 HRV 변동성 획득에 초점을 맞춘 제2 트래커(예: 도 3의 제2 트래커(340))의 특성을 나타낸다.
도 9를 참조하면, 상관 관계 분석, 위상 동기화 및 방향성 분석을 통하여 제1 트래커에서 측정된 심박동 특성 정보의 경향 특성을 유지한다고 신뢰할 수 있는 구간을 분석하고, 해당 구간 내에서 제2 트래커를 이용해서 변동성을 확인할 수 있다. 이를 위해, 전자 장치(예: 도 1의 전자 장치(100))는 밴드 대역을 넓게 설정하고, 이전 값에 대한 의존도를 줄여서 평활화를 줄이는 방법으로, 트래킹 파라미터를 조정함으로써, 심전도 기반의 심박 간격과 유사한 PPI 값을 추정할 수 있다.
HRV 분석은 주로 시간 및 주파수 범위를 대상으로 이루어지고 있다. 시간 범위의 HRV 분석은 심박동의 평균, 표준 편차 등과 같은 통계 정보를 기반으로 하고, SDNN(standard deviation of the NN interval), RMSSD(root mean square of the successive difference)와 같은 파라미터를 통해 심혈관계의 안정도 및 자율 신경계의 제어능력, 부교감 신경의 활성도에 대한 정보를 알 수 있다. 또한 주파수 범위의 HRV 분석은 특정 주파수(0.04, 0.15, 0.4Hz) 들을 기준으로 나뉜 저주파, 고주파 등의 범위에서 이루어지며, 교감 및 부교감 신경 또는 전반적인 자율 신경계의 활성도를 평가 할 수 있는 정보를 제공할 수 있다.
도 10은 일 실시 예에 따른 파라미터 최적화를 이용하여 주파수 영역의 HRV 파라미터를 산출한 결과를 나타낸다.
도 10은 파라미터 최적화를 이용하여 도 9와 같이 PPG 주파수 트래킹으로 추정한 심박동 정보에서 HRV 변동성이 나타나도록 한 후, 주파수 영역의 HRV 파라미터(nLF(normalized low frequency), nHF(normalized high frequency))를 구하여 나타낸 것이다. 도 10에서 실선은 nLF를 나타내고, 점선은 nHF를 나타낸다.
그래프 1(1001)은 레퍼런스로 측정한 심전도의 RRI를 이용하여 구한 nLF 및 nHF이고, 그래프 2(1003)는, 제1 트래커의 PPI를 이용하여 구한 nLF 및 nHF를 나타낸다. 그래프 3(1005)은 제2 트래커의 PPI를 이용하여 구한 nLF 및 nHF를 나타낸다.
그래프 2(1003)를 참조하면, 제1 트래커의 nLF 및 nHF는 그래프 1(1001)의 레퍼런스와 상관 관계가 낮게 나타나고, 그래프 3(1005)를 참조하면, 제2 트래커의 nLF 및 nHF는 그래프 1(1001)의 레퍼런스와 상관 관계가 높게 나타난다.
도 10을 참조하면, 제1 트래커는 변동성을 낮게 반영하는 트래킹 파라미터가 설정되어 심박수의 변동성을 잘 반영하지 못하는 것에 비해, 제2 트래커에서는 심박수의 변동성이 잘 반영됨을 알 수 있다.
일 실시 예에 따르면, 주파수 트래킹 기반의 심박수 추출이 전자 장치의 샘플링 레이트(sampling rate)에 따라서 등간격으로 이루어진다면, 시간 영역의 HRV 파라미터를 구하기 위해서는 심박동 간격에 따라 비등간격으로 PPI를 복원(reconstruction) 하는 방식으로 HRV 파라미터 추정의 정확도를 높일 수 있다.
도 11은 PPI 복원 방식에 대한 설명을 제시하기 위한 도면이다.
그래프 1101은 심박 간격의 로우(raw) 데이터 및 해당 데이터에 대한 샘플링(*)을 나타낸다. PPI 방법은 그래프 1101에 나타난 바와 같이, 심박 간격을 비등간격으로 샘플링하는 방식일 수 있다. 예컨대, 전자 장치(예: 도 1의 전자 장치(100))는 현재 심박 간격을 획득하고, 심박 간격 값만큼 또는 인터벌 값에 대응하는 값만큼의 시간 뒤에 존재하는 샘플을 다음 심박 간격 값으로 결정하는 동작을 반복할 수 있다. 심박 간격 값이 작으면, 그 다음 샘플 값과의 시간 간격이 작고, 심박 간격 값이 크면, 그 다음 샘플 값과의 시간 간격이 클 수 있다.
도 12 및 도 13은 일 실시 예에 따른 시간 영역에서, 산출된 HRV 파라미터 값을 예시한다.
일 실시 예에 따르면, HRV는 RMSSD 또는 pNN50(the proportion of NN50(the number of pairs of successive NNs that differ by more than 50 ms) divided by total number of NNs)일 수 있다. 이 외에도, HRV는 다양한 방식으로 측정될 수도 있다.
도 12는 HRV를 RMSSD로 나타내고, 그래프 1(1201)은 트래킹 파라미터(δ, β)가 예를 들어 (0.98, 0.97)인 경우이고, 그래프 2(1203)은 트래킹 파라미터가 예를 들어 (0.93, 0.87)인 경우를 나타낸다.
도 13은 HRV를 pNN50로 나타내고, 트래킹 파라미터 조합(δ, β)에 따른 pNN50 산출 결과를 나타낸다. 그래프 1(1401)은 트래킹 파라미터가 예를 들어 (0.98, 0.97)인 경우이고, 그래프 2(1403)은 트래킹 파라미터가 예를 들어 (0.93, 0.87)인 경우를 나타낸다.
도 12 및 도 13에서 실선은 심전도(ECG)에 기반한 레퍼런스 심박동 정보로부터 계산된 HRV 측정 값을 나타내고, 점선은 주파수 트래킹을 이용해서 추정(estimation)된 심박동 정보를 이용한 HRV 결과 값을 나타낸다.
다시 말해, 예를 들어 (0.98, 0.97)은 제1 트래커의 파라미터 조합(제1 파라미터 값)이고, 그래프 1(1201, 1301)은 비교적 안정적인 제1 트래커의 HRV 산출 값일 수 있다.
예를 들어 (0.93, 0.87)은 제2 트래커의 파라미터 조합(제2 파라미터 값)이고, 그래프 2(1203, 1303)는 변동성 획득에 초점을 맞춘 제2 트래커의 HRV 산출 값일 수 있다.
도 12 및 도 13을 참조하면, 제1 트래커만을 이용해서는 시간 영역의 HRV 지표를 정확하게 추정하기 힘들지만, 비등간격 인터벌 샘플링을 적용한 제2 트래커를 이용해서 시간 영역의 HRV를 추정하면, 전자 장치(예: 도 1의 전자 장치(100))는 제1 트래커를 기반으로 안정적으로 동작하면서도 제2 트래커를 통해 심장 박동의 변동성도 정확하게 추정할 수 있게 된다.
일 실시 예에 따르면, 전자 장치는 제2 트래커의 최적 파라미터 값을 결정하고, 최적 파라미터가 적용된 제2 트래커를 이용하여 정확한 HRV 값을 획득할 수 있다. 전자 장치는 제2 트래커를 통해 획득한 HRV 값에 기초하여 수면 단계 예측 및 스트레스 지수 측정을 수행할 수 있다. 이하, 수면 단계 예측에 관해 설명한다.
렘(rapid eye movement, REM) 수면은 얕은 잠에 빠져 꿈을 꾸게 하는 수면 상태이다. REM 수면 중에는 몸은 자고 있지만 뇌는 깨어서 활동하는 것과 같아서 불규칙적인 생체리듬이 나타나고 교감신경이 활성화될 수 있다. 이 때, 심혈관계에서는 심박수(HR) 및 심박변이도(HRV)가 증가하고 불규칙해질 수 있다.
일 실시 예에 따르면, 전자 장치는 HR 및 HRV 정보에 기반하여 렘 특성(REM feature)을 계산할 수 있다.
도 14는 일 실시 예에 따른 렘 특성을 계산하는 그래프이다.
그래프 1(11401)은 HR 및 HRV의 로우 데이터를 나타낸 그래프이다.
그래프 2(1403)는 저대역 통과 필터를 적용하여 데이터의 저주파수 패턴을 추출한 그래프이다. 깸(wake), 얕은 수면(light sleep), 깊은 수면(deep sleep), 렘 수면으로 이어지는 수면의 사이클은 보통 약 1.5~2시간의 주기를 가지기 때문에, 전자 장치(예: 도 1의 전자 장치(100))는 수면 사이클 주기가 반영되도록 HR 및 HRV에 저역통과 필터를 적용함으로써, 저주파수 패턴을 추출할 수 있다. 그래프 2(1403)에서 실선은 수면에 따른 HRV를 나타내고 점선은 HR을 나타낸다.
그래프 3(1405)은 HR과 HRV를 조합하여 만든 중간 단계의 렘 특성을 나타낸다. 상기 HR 및 HRV에 대한 다양한 연산을 통해 상기 중간 단계의 렘 특성을 나타낼 수 있다.
그래프 4(1407)는 HR과 HRV를 조합한 값의 섀넌 엔트로피(shannon-entropy)를 나타낸다. 전자 장치는 메인 피크 컴포넌트(main peak component)를 강조하기 위한 방법으로 섀넌-엔트로피 신호 처리를 적용할 수 있다.
도 15는 수면 패턴의 렘 특성 및 수면 다원 검사 측정 결과를 나타낸다.
그래프 1(1501)은 수면 다원 검사로 측정된 렘 수면 패턴을 나타낸다. 그래프 2(1503)는 HR 및 HRV 정보를 이용하여 추정된 렘 특성을 나타낸다. 그래프 2(1503)에서, 실선은 전자 장치(예: 도 1의 전자 장치(100))에 의해 추정된 렘 특성(REM-Feature)을 나타내고, 점선은 지정된 임계값(threshold)을 나타낼 수 있다. 전자 장치는 지정된 임계값을 설정하고, 상기 추정된 렘 특성이 지정된 임계값보다 큰 구간을 렘 수면 구간으로 추정할 수 있다.
그래프 1(1501) 및 그래프 2(1503)를 비교하면, 수면 다원 검사 기반 렘 수면 구간과 추정된 렘 특성 기반한 렘 수면 구간 사이에 관련성이 있음을 알 수 있다. 이에 의하면, 전자 장치는 HR 및/또는 HRV 값을 획득하고, 이에 기반하여 렘 수면 패턴을 추정할 수 있다.
전자 장치는 HR 및/또는 HRV를 이용하여 얕은 수면과 깊은 수면을 분류할 수 있다. 이하, 얕은 수면 및 깊은 수면의 분류에 대해 설명한다.
수면은 비렘(non-REM, NREM) 수면 및 빠른 눈동자 움직임을 보이는 렘 수면으로 구분할 수 있다. 비렘 수면은 깊이에 따라 3가지의 수면 단계(N1, N2, N3)로 나눌 수 있고, N1, N2를 합쳐서 얕은 수면, N3를 깊은 수면 또는 서파 수면(slow wave sleep)으로 구분할 수도 있다. 수면 중 자율 신경계 변화를 종합해 보면, 비렘 수면에서는 부교감 신경이 활성화되는 특성이 있다.
일 실시 예에 따르면, 전자 장치(예: 손목 착용형 웨어러블 장치)는 수면 단계를 추정할 때, 얕은 수면 및 깊은 수면을 구분하는 방법으로, HR, HRV 또는 움직임 파라미터(또는 액티그래피(actigraphy)) 중 적어도 하나를 이용할 수 있다.
도 16은 일 실시 예에 따른 수면 구분의 일 예를 나타낸다.
일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(100))는 심박수, 심박변이도 및/또는 활동 레벨을 측정하는 액티그래피에 기반하여 얕은 수면 및 깊은 수면을 구분할 수 있다.
전자 장치는 심박변이도가 충분히 낮거나, 심박수가 국소 최저치(local minima)에 가까운 경우, 및/또는 움직임이 거의 없는 경우에 깊은 수면 상태로 판단할 수 있다.
그래프(1601)은 HR, HRV 측정 값 및 깊은 수면 상태 구간을 나타낸다.
그래프(1601)을 참조하면, 전자 장치는 상기 HR 및 HRV 측정 값이 상기 조건을 만족하고, 추가로 충분한 움직임이 없는 경우에 외부 객체가 깊은 수면 상태라고 판단할 수 있다. 도 16에서는, 전자 장치는 30-50분 사이, 140-150분 사이에 깊은 수면 상태로 판단할 수 있다.
도 17은 일 실시 예에 따른 전자 장치가 수면 단계를 분류하는 방법을 나타낸다.
일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(100))는 HR, HRV 또는 움직임 파라미터(또는 액티그래피 정보) 중 적어도 하나에 기반하여 수면 단계를 분류할 수 있다. HRV의 측정은 본 문서에 개시된 방법을 사용할 수 있다. 일 실시 예에 따른 움직임 파라미터는 움직임 신호에 대응할 수 있다. 예를 들어, 상기 움직임 파라미터는 가속도 및/또는 파생된 움직임 관련 정보일 수 있다.
전자 장치는 동작 1701 에서 센싱 동작을 수행하고, 동작 1703 내지 동작 1707에서 센싱 동작 수행결과를 분석해서 수면 단계를 분류할 수 있다.
동작 1701에서, 전자 장치는 외부 객체와 관련된 신호 획득할 수 있다. 이후, 전자 장치는 외부 객체와 관련된 신호를 처리할 수 있다. 전자 장치는 예를 들어, 움직임 신호 및 생체 신호를 처리할 수 있다. 상기 움직임 신호는 가속도 신호이고, 생체 신호는 PPG 신호일 수 있다.
동작 1703에서, 전자 장치는 활동 레벨을 측정할 수 있다. 전자 장치는 가속도 신호에 기초해서 활동 레벨(activity level, AL)을 측정할 수 있다.
동작 1705에서, 전자 장치는 렘 특성을 획득할 수 있다. 전자 장치는, 예를 들어 HR 및 HRV에 기반하여 렘 특성을 계산할 수 있다. 이를 위해, 전자 장치는 저대역 필터링 및 섀넌 엔트로피 컴퓨테이션(computation)을 수행할 수 있다.
동작 1707에서, 전자 장치는 수면 단계를 분류할 수 있다. 전자 장치는 상기 렘 특성에 기초해서 수면 단계를 분류할 수 있다. 전자 장치는 수면/깸 상태를 결정하고, 렘을 결정하고, 얕은 수면 및 깊은 수면을 분류할 수 있다.
일 실시 예에 따르면, 전자 장치는 수면/깸 상태를 결정할 수 있다. 전자 장치는 가속도의 가중 합(weighted sum)과 지정된 임계값을 비교할 수 있다. 가중 합이 지정된 임계값보다 작으면, 전자 장치는 수면 상태로 판단할 수 있다.
일 실시 예에 따르면, 전자 장치는 현재 상태가 렘 수면 상태인지 결정할 수 있다. 전자 장치는 렘 특성이 지정된 임계값보다 크면, 렘 수면 상태라고 결정할 수 있다.
일 실시 예에 따르면, 전자 장치는 얕은 수면과 깊은 수면을 분류할 수 있다. 전자 장치는, 렘 수면을 결정 후 상기 얕은 수면 및 깊은 수면을 분류할 수 있다. 이와 같이, 전자 장치는 HR, HRV 및/또는 활동 레벨에 기반하여 수면 단계를 분류할 수 있다.
도 18은 일 실시 예에 따른 수면 4단계 구분 결과를 나타낸다.
그래프 1(1801)는 수면 다원 검사에서 측정된 레퍼런스 수면 단계 곡선 그래프를 나타내고, 그래프 2(1803)는 본 문서에 개시된 실시 예에 따라 HR, HRV 및/또는 움직임 파라미터에 기반해서 추정한 수면 패턴 측정 결과를 나타낸다.
그래프 1(1801) 및 그래프 2(1803)를 참조하면, 수면 단계 곡선 그래프와 일 실시 예에 따른 수면 패턴 측정 결과 사이에 유의미한 관련성이 있음을 알 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(100))는, 감지 회로(예: 도 1의 감지 회로(130)), 및 상기 감지 회로에 작동적으로 연결된 프로세서(예: 도 1의 프로세서(110))를 포함하고, 상기 프로세서는, 상기 감지 회로를 통해 외부 객체와 관련된 제1 신호를 획득하고, 적어도 상기 제1 신호에 기반하여, 제1 주파수 대역의 속성을 가지는 제1 필터(예: 도 3의 제1 트래거(330))를 이용하여 제1 심박수, 및 제2 주파수 대역의 속성을 가지는 제2 필터(예: 도 3의 제2 트래커(340))를 이용하여 제2 심박수를 획득하고, 상기 제1 심박수 및 상기 제2 심박수에 적어도 기반하여 상기 제2 필터와 관련된 적어도 일부 속성을 변경하고, 및 상기 감지 회로를 통해 상기 외부 객체와 관련된 제2 신호를 획득하되, 상기 제2 신호에 기반하여 상기 적어도 일부 속성이 변경된, 상기 제2 필터를 이용하여 심박변이도(heart rate variability, HRV) 정보를 생성하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 제2 주파수 대역은 상기 제1 주파수 대역보다 넓은 주파수 대역일 수 있다.
일 실시 예에 따르면, 상기 제1 필터 및 제2 필터는 대역 통과 필터일 수 있다.
일 실시 예에 따르면, 상기 감지 회로는 심박 센서(예: 도 1의 센서(132)) 또는 외부 전자 장치와 신호를 송신 또는 수신하기 위한 통신 회로(예: 도 1의 통신 회로(140)) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 필터에 연관된 상기 적어도 일부 속성은 고정된 값을 가질 수 있다.
일 실시 예에 따르면, 상기 제2 필터에 연관된 상기 적어도 일부 속성은 상기 제1 필터에 연관된 상기 적어도 일부 속성에 비해 작은 값을 가질 수 있다.
일 실시 예에 따르면, 상기 적어도 일부 속성은 주파수 대역 관련 파라미터(β) 또는 망각 인자(smoothing factor, δ) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 심박수 및 상기 제2 심박수에 기반하여 상관 계수를 획득하고, 상기 상관 계수에 기반하여 상기 적어도 일부 속성을 변경하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 상관 계수가 지정된 임계값을 만족하면 상기 적어도 일부 속성을 변경하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상관 관계 분석에 기초하여 상기 적어도 일부 속성을 변경하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 위상 동기화 또는 방향성 분석에 기초하여 상기 적어도 일부 속성을 변경하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(100))는, 감지 회로(예: 도 1의 감지 회로(130)), 및 상기 감지 회로에 작동적으로 연결된 프로세서(예: 도 1의 프로세서(110))를 포함하고, 상기 프로세서는, 상기 감지 회로를 통해 외부 객체와 관련된 제1 신호를 획득하고, 상기 제1 신호에 적어도 기반하여, 제1 신호 처리 방식을 이용하여 제1 심박수, 및 제2 신호 처리 방식을 이용하여 제2 심박수를 생성하고, 상기 제1 심박수 및 상기 제2 심박수에 적어도 기반하여 상기 제2 신호 처리 방식과 관련된 적어도 일부 속성을 변경하고, 및 상기 심박 센서를 통해 상기 외부 객체와 관련하여 제2 신호를 획득하고, 상기 적어도 일부 속성이 변경된 제2 신호 처리 방식을 이용하여 심박변이도(heart rate variability, HRV) 정보를 생성하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 감지 회로는 심박 센서(예: 도 1의 센서(132)) 또는 외부 전자 장치와 신호를 송신 또는 수신하기 위한 통신 회로(예: 도 1의 통신 회로(140)) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 적어도 일부 속성은 주파수 대역 관련 파라미터 또는 망각 인자(smoothing factor) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 심박수 및 상기 제2 심박수에 기반하여 상관 계수를 획득하고, 상기 상관 계수에 기반하여 상기 적어도 일부 속성을 변경하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 제2 신호 처리 방식에 관련된 적어도 일부 속성은, 상기 제1 신호 처리 방식에 관련된 적어도 일부 속성에 비해 작은 값을 가질 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 방법은, 외부 객체와 관련된 신호를 획득하는 동작, 상기 신호에 기반하여 제1 신호 처리 방식을 이용하여 제1 심박수를 획득하는 동작, 상기 신호에 기반하여 제2 신호 처리 방식을 이용하여 제2 심박수를 획득하는 동작, 및 상기 제2 심박수에 적어도 기반하여 심박변이도(heart rate variability) 정보를 생성하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제2 심박수를 획득하는 동작은, 상기 제1 심박수 및 상기 제2 심박수에 기반하여 상기 제2 신호 처리 방식과 관련된 적어도 일부 속성 값을 획득하는 동작 및 상기 적어도 일부 속성 값에 기초하여 상기 제2 신호 처리 방식을 이용하여 상기 제2 심박수를 획득하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 심박변이도 정보를 생성하는 동작은, 상기 적어도 일부 속성 값에 기초하여 획득한 제2 심박수에 기반하여 상기 심박변이도 정보를 생성하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제2 심박수와 관련된 상기 적어도 일부 속성 값은 상기 제1 심박수에 기초해서 적응적으로 변할 수 있다.
도 19는, 다양한 실시 예들에 따른, 네트워크 환경(1900) 내의 전자 장치(1901)의 블럭도이다. 도 19를 참조하면, 네트워크 환경(1900)에서 전자 장치(1901)(예: 도 1의 전자 장치(100))는 제 1 네트워크(1998)(예: 근거리 무선 통신)를 통하여 전자 장치(1902)와 통신하거나, 또는 제 2 네트워크(1999)(예: 원거리 무선 통신)를 통하여 전자 장치(1904) 또는 서버(1908)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1901)는 서버(1908)를 통하여 전자 장치(1904)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1901)는 프로세서(1920), 메모리(1932), 입력 장치(1950), 음향 출력 장치(1955), 표시 장치(1960), 오디오 모듈(1970), 센서 모듈(1976), 인터페이스(1977), 햅틱 모듈(1979), 카메라 모듈(1980), 전력 관리 모듈(1988), 배터리(1989), 통신 모듈(1990), 가입자 식별 모듈(1996), 및 안테나 모듈(1997)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1901)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(1960) 또는 카메라 모듈(1980))가 생략되거나 다른 구성 요소가 추가될 수 있다. 어떤 실시 예에서는, 예를 들면, 표시 장치(1960)(예: 디스플레이)에 임베디드된 센서 모듈(1976)(예: 지문 센서, 홍채 센서, 또는 조도 센서)의 경우와 같이, 일부의 구성요소들이 통합되어 구현될 수 있다.
프로세서(1920)(예: 도 1의 프로세서(110))는, 예를 들면, 소프트웨어(예: 프로그램(1940))를 구동하여 프로세서(1920)에 연결된 전자 장치(1901)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1920)는 다른 구성요소(예: 센서 모듈(1976) 또는 통신 모듈(1990))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1932)에 로드하여 처리하고, 결과 데이터를 비휘발성 메모리(1934)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(1920)는 메인 프로세서(1921)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 운영되고, 추가적으로 또는 대체적으로, 메인 프로세서(1921)보다 저전력을 사용하거나, 또는 지정된 기능에 특화된 보조 프로세서(1923)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 여기서, 보조 프로세서(1923)는 메인 프로세서(1921)와 별개로 또는 임베디드되어 운영될 수 있다.
이런 경우, 보조 프로세서(1923)는, 예를 들면, 메인 프로세서(1921)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1921)를 대신하여, 또는 메인 프로세서(1921)가 액티브(예: 어플리케이션 수행) 상태에 있는 동안 메인 프로세서(1921)와 함께, 전자 장치(1901)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(1960), 센서 모듈(1976), 또는 통신 모듈(1990))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(1923)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(1980) 또는 통신 모듈(1990))의 일부 구성 요소로서 구현될 수 있다. 메모리(1932)는, 전자 장치(1901)의 적어도 하나의 구성요소(예: 프로세서(1920) 또는 센서모듈(1976))에 의해 사용되는 다양한 데이터, 예를 들어, 소프트웨어(예: 프로그램(1940)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 저장할 수 있다. 메모리(1932)는, 휘발성 메모리(1932) 또는 비휘발성 메모리(1934)를 포함할 수 있다.
프로그램(1940)은 메모리(1932)(예: 도 1의 메모리(120))에 저장되는 소프트웨어로서, 예를 들면, 운영 체제(1942), 미들 웨어(1944) 또는 어플리케이션(1946)을 포함할 수 있다.
입력 장치(1950)는, 전자 장치(1901)의 구성요소(예: 프로세서(1920))에 사용될 명령 또는 데이터를 전자 장치(1901)의 외부(예: 사용자)로부터 수신하기 위한 장치로서, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.
음향 출력 장치(1955)는 음향 신호를 전자 장치(1901)의 외부로 출력하기 위한 장치로서, 예를 들면, 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용되는 스피커와 전화 수신 전용으로 사용되는 리시버를 포함할 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 일체 또는 별도로 형성될 수 있다.
표시 장치(1960)는 전자 장치(1901)의 사용자에게 정보를 시각적으로 제공하기 위한 장치로서, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 표시 장치(1960)는 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서를 포함할 수 있다.
오디오 모듈(1970)은 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(1970)은, 입력 장치(1950)를 통해 소리를 획득하거나, 음향 출력 장치(1955), 또는 전자 장치(1901)와 유선 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1902)(예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1976)(예: 도 1의 센서(132))은 전자 장치(1901)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(1976)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.
인터페이스(1977)는 외부 전자 장치(예: 전자 장치(1902))와 유선 또는 무선으로 연결할 수 있는 지정된 프로토콜을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(1977)는 HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1978)는 전자 장치(1901)와 외부 전자 장치(예: 전자 장치(1902))를 물리적으로 연결시킬 수 있는 커넥터, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1979)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 햅틱 모듈(1979)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1980)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(1980)은 하나 이상의 렌즈, 이미지 센서, 이미지 시그널 프로세서, 또는 플래시를 포함할 수 있다.
전력 관리 모듈(1988)은 전자 장치(1901)에 공급되는 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
배터리(1989)는 전자 장치(1901)의 적어도 하나의 구성 요소에 전력을 공급하기 위한 장치로서, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1990)(예: 도 1의 통신 회로(140))은 전자 장치(1901)와 외부 전자 장치(예: 전자 장치(1902), 전자 장치(1904), 또는 서버(1908))간의 유선 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1990)은 프로세서(1920)(예: 어플리케이션 프로세서)와 독립적으로 운영되는, 유선 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(1990)은 무선 통신 모듈(1992)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1994)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함하고, 그 중 해당하는 통신 모듈을 이용하여 제 1 네트워크(1998)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1999)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 상술한 여러 종류의 통신 모듈(1990)은 하나의 칩으로 구현되거나 또는 각각 별도의 칩으로 구현될 수 있다.
일 실시 예에 따르면, 무선 통신 모듈(1992)은 가입자 식별 모듈(1996)에 저장된 사용자 정보를 이용하여 통신 네트워크 내에서 전자 장치(1901)를 구별 및 인증할 수 있다.
안테나 모듈(1997)은 신호 또는 전력을 외부로 송신하거나 외부로부터 수신하기 위한 하나 이상의 안테나들을 포함할 수 있다. 일시예에 따르면, 통신 모듈(1990)(예: 무선 통신 모듈(1992))은 통신 방식에 적합한 안테나를 통하여 신호를 외부 전자 장치로 송신하거나, 외부 전자 장치로부터 수신할 수 있다.
상기 구성요소들 중 일부 구성요소들은 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input/output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되어 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제 2 네트워크(1999)에 연결된 서버(1908)를 통해서 전자 장치(1901)와 외부의 전자 장치(1904)간에 송신 또는 수신될 수 있다. 전자 장치(1902, 1904) 각각은 전자 장치(1901)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(1901)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 외부 전자 장치에서 실행될 수 있다. 일 실시 예에 따르면, 전자 장치(1901)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1901)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 외부 전자 장치에게 요청할 수 있다. 상기 요청을 수신한 외부 전자 장치는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1901)로 전달할 수 있다. 전자 장치(1901)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서에 개시된 다양한 실시 예들에 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 장치 중 적어도 하나를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 문서의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 내장 메모리(1936) 또는 외장 메모리(1938))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램(1940))로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(1901))를 포함할 수 있다. 상기 명령이 프로세서(예: 프로세서(1920))에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시 예들에 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, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    감지 회로; 및
    상기 감지 회로에 작동적으로 연결된 프로세서를 포함하고,
    상기 프로세서는,
    상기 감지 회로를 통해 외부 객체와 관련된 제1 신호를 획득하고,
    적어도 상기 제1 신호에 기반하여, 제1 주파수 대역의 속성을 가지는 제1 필터를 이용하여 제1 심박수를 획득하고, 및 제2 주파수 대역의 속성을 가지는 제2 필터를 이용하여 제2 심박수를 획득하고,
    상기 제1 심박수 및 상기 제2 심박수에 적어도 기반하여 상기 제2 필터와 관련된 적어도 일부 속성을 변경하고, 및
    상기 감지 회로를 통해 상기 외부 객체와 관련된 제2 신호를 획득하되, 상기 제2 신호에 기반하여 상기 적어도 일부 속성이 변경된, 상기 제2 필터를 이용하여 심박변이도(heart rate variability, HRV) 정보를 생성하도록 설정된, 전자 장치.
  2. 청구항 1에 있어서,
    상기 제2 주파수 대역은 상기 제1 주파수 대역보다 넓은 주파수 대역인, 전자 장치.
  3. 청구항 1에 있어서,
    상기 제1 필터는 및 제2 필터는 대역 통과 필터인, 전자 장치.
  4. 청구항 1에 있어서,
    상기 감지 회로는 심박 센서 또는 외부 전자 장치와 신호를 송신 또는 수신하기 위한 통신 회로 중 적어도 하나를 포함하는, 전자 장치.
  5. 청구항 1에 있어서,
    상기 제1 필터에 연관된 상기 적어도 일부 속성은 고정된 값을 가지는, 전자 장치.
  6. 청구항 5에 있어서,
    상기 제2 필터에 연관된 상기 적어도 일부 속성은 상기 제1 필터에 연관된 상기 적어도 일부 속성에 비해 작은 값을 가지는, 전자 장치.
  7. 청구항 1에 있어서,
    상기 적어도 일부 속성은 주파수 대역 관련 파라미터 또는 망각 인자(factor) 중 적어도 하나를 포함하는, 전자 장치.
  8. 청구항 1에 있어서,
    상기 프로세서는, 상기 제1 심박수 및 상기 제2 심박수에 기반하여 상관 계수를 획득하고,
    상기 상관 계수에 기반하여 상기 적어도 일부 속성을 변경하도록 설정된, 전자 장치.
  9. 청구항 8에 있어서,
    상기 프로세서는, 상기 상관 계수가 지정된 임계값을 만족하면 상기 적어도 일부 속성을 변경하도록 설정된, 전자 장치.
  10. 청구항 1에 있어서,
    상기 프로세서는, 상관 관계 분석에 기초하여 상기 적어도 일부 속성을 변경하도록 설정된, 전자 장치.
  11. 청구항 10에 있어서,
    상기 프로세서는, 위상 동기화 또는 방향성 분석에 기초하여 상기 적어도 일부 속성을 변경하도록 설정된, 전자 장치.
  12. 전자 장치가 수행하는 방법에 있어서,
    외부 객체와 관련된 신호를 획득하는 동작;
    상기 신호에 기반하여 제1 신호 처리 방식을 이용하여 제1 심박수를 획득하는 동작;
    상기 신호에 기반하여 제2 신호 처리 방식을 이용하여 제2 심박수를 획득하는 동작; 및
    상기 상기 제2 심박수에 적어도 기반하여 심박변이도(heart rate variability) 정보를 생성하는 동작을 포함하는, 방법.
  13. 청구항 12에 있어서,
    상기 제2 심박수를 획득하는 동작은,
    상기 제1 심박수 및 상기 제2 심박수에 기반하여 상기 제2 신호 처리 방식과 관련된 적어도 일부 속성 값을 획득하는 동작; 및
    상기 적어도 일부 속성 값에 기초하여 상기 제2 신호 처리 방식을 이용하여 상기 제2 심박수를 획득하는 동작을 포함하는, 방법.
  14. 청구항 13에 있어서,
    상기 심박변이도 정보를 생성하는 동작은,
    상기 적어도 일부 속성 값에 기초하여 획득한 제2 심박수에 기반하여 상기 심박변이도 정보를 생성하는 동작을 포함하는, 방법.
  15. 청구항 14에 있어서,
    상기 제2 심박수와 관련된 상기 적어도 일부 속성 값은 상기 제1 심박수에 기초해서 적응적으로 변하는, 방법.
PCT/KR2019/001386 2018-02-07 2019-01-31 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치 WO2019156433A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP19751774.1A EP3735893A4 (en) 2018-02-07 2019-01-31 METHOD OF GENERATING HEART RATE VARIABILITY INFORMATION IN CONNECTION WITH AN EXTERNAL OBJECT BY USING A VARIETY OF FILTERS AND DEVICE FOR THIS
US16/967,970 US12016665B2 (en) 2018-02-07 2019-01-31 Method for generating heart rate variability information related to external object by using plurality of filters, and device therefor
CN201980012456.0A CN111698939B (zh) 2018-02-07 2019-01-31 生成与外部对象相关联的心率波动信息的方法及其设备

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180015272A KR102547612B1 (ko) 2018-02-07 2018-02-07 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치
KR10-2018-0015272 2018-02-07

Publications (1)

Publication Number Publication Date
WO2019156433A1 true WO2019156433A1 (ko) 2019-08-15

Family

ID=67548322

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/001386 WO2019156433A1 (ko) 2018-02-07 2019-01-31 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치

Country Status (5)

Country Link
US (1) US12016665B2 (ko)
EP (1) EP3735893A4 (ko)
KR (1) KR102547612B1 (ko)
CN (1) CN111698939B (ko)
WO (1) WO2019156433A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102415955B1 (ko) * 2020-02-24 2022-07-04 주식회사 에이티센스 신호 피크를 검출하는 생체 신호 측정 장치, 심전도의 신호 피크를 검출하는 방법, 및 상기 방법들을 실행하기 위한 컴퓨터 프로그램
KR20240009891A (ko) 2022-07-14 2024-01-23 주식회사 메디컬에이아이 단기 측정된 심장 신호를 기반으로 장기 심박 변이도를생성하는 방법, 프로그램 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003310562A (ja) * 2002-04-15 2003-11-05 Samsung Electronics Co Ltd Ｐｐｇを用いた心拍検出装置及びその方法
US7186220B2 (en) * 2003-07-02 2007-03-06 Cardiac Pacemakers, Inc. Implantable devices and methods using frequency-domain analysis of thoracic signal
KR20100065084A (ko) * 2008-12-05 2010-06-15 한국전자통신연구원 움직임 잡음에 강인한 맥파 측정 장치 및 그 방법
JP2012502671A (ja) * 2008-05-12 2012-02-02 アーリーセンス エルティディ 臨床症状のモニタリング、予測及び治療
KR20170136727A (ko) * 2016-06-02 2017-12-12 한양대학교 산학협력단 광용적맥파를 이용하는 호흡수 측정 및 관리 방법

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8585607B2 (en) 2007-05-02 2013-11-19 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20080275349A1 (en) 2007-05-02 2008-11-06 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US10238351B2 (en) 2008-05-12 2019-03-26 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20100145171A1 (en) 2008-12-05 2010-06-10 Electronics And Telecommunications Research Institute Apparatus for measuring motion noise robust pulse wave and method thereof
KR100997444B1 (ko) 2009-11-17 2010-11-30 (주)에이치쓰리시스템 광용적맥파 측정기
KR101812354B1 (ko) * 2009-12-28 2017-12-26 감브로 룬디아 아베 회수 및 복귀 디바이스의 구성을 검출하기 위한 방법 및 디바이스
EP2521377A1 (en) 2011-05-06 2012-11-07 Jacoti BVBA Personal communication device with hearing support and method for providing the same
US20120302897A1 (en) * 2011-05-24 2012-11-29 Vicon Healthcare International Inc. Heart rate variability device and cloud health management system
EP2612594A3 (en) * 2012-01-05 2014-07-02 Scosche Industries, Inc. Heart rate monitor
EP2896359B1 (en) 2014-01-07 2016-12-14 Samsung Electronics Co., Ltd Method and system for measuring heart rate in electronic device using photoplethysmography
CN106687027B (zh) * 2014-08-25 2020-10-23 德尔格制造股份两合公司 除去信号中的噪声
WO2016036114A1 (en) 2014-09-03 2016-03-10 Samsung Electronics Co., Ltd. Electronic device and method for measuring vital signal
KR20160028329A (ko) 2014-09-03 2016-03-11 삼성전자주식회사 생체 정보를 측정하는 전자 장치 및 방법
US9872652B2 (en) 2015-06-09 2018-01-23 University Of Connecticut Method and apparatus for heart rate monitoring using an electrocardiogram sensor
KR102463076B1 (ko) 2015-12-24 2022-11-03 삼성전자주식회사 산소 포화도 측정장치 및 그의 산소 포화도 측정방법
US20170188864A1 (en) 2016-01-06 2017-07-06 Healmet, Inc. Spherical handheld biosensor array device for physiological status monitoring
US10188345B2 (en) 2016-02-12 2019-01-29 Fitbit, Inc. Method and apparatus for providing biofeedback during meditation exercise
JP2017144035A (ja) 2016-02-17 2017-08-24 富士通株式会社 センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003310562A (ja) * 2002-04-15 2003-11-05 Samsung Electronics Co Ltd Ｐｐｇを用いた心拍検出装置及びその方法
US7186220B2 (en) * 2003-07-02 2007-03-06 Cardiac Pacemakers, Inc. Implantable devices and methods using frequency-domain analysis of thoracic signal
JP2012502671A (ja) * 2008-05-12 2012-02-02 アーリーセンス エルティディ 臨床症状のモニタリング、予測及び治療
KR20100065084A (ko) * 2008-12-05 2010-06-15 한국전자통신연구원 움직임 잡음에 강인한 맥파 측정 장치 및 그 방법
KR20170136727A (ko) * 2016-06-02 2017-12-12 한양대학교 산학협력단 광용적맥파를 이용하는 호흡수 측정 및 관리 방법

Also Published As

Publication number Publication date
CN111698939A (zh) 2020-09-22
EP3735893A4 (en) 2021-01-20
EP3735893A1 (en) 2020-11-11
KR20190095820A (ko) 2019-08-16
US12016665B2 (en) 2024-06-25
KR102547612B1 (ko) 2023-06-26
CN111698939B (zh) 2024-04-09
US20210361179A1 (en) 2021-11-25

Similar Documents

Publication Publication Date Title
WO2017131384A1 (en) Electronic device and control method thereof
WO2017082525A1 (ko) 식습관 정보를 제공하는 방법 및 이를 위한 웨어러블 장치
WO2019088769A1 (ko) 개방형 api 기반 의료 정보 제공 방법 및 시스템
WO2018155951A1 (en) Method of obtaining biometric information in electronic device and electronic device for the same
WO2019156320A1 (ko) 생체 신호를 획득하는 전자 장치와 이의 동작 방법
WO2019240513A1 (ko) 전자 장치에서 생체 정보 제공 방법 및 장치
WO2020166944A1 (en) Sound outputting device including plurality of microphones and method for processing sound signal using plurality of microphones
WO2019039716A1 (ko) 전자 장치 및 그의 스트레스 측정 방법
WO2020190060A1 (en) Electronic device for measuring blood pressure and method for measuring blood pressure
WO2019156433A1 (ko) 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치
WO2019203554A1 (en) Electronic device and method of controlling electronic device
WO2020171457A1 (en) Electronic device including meditation application
WO2019208923A1 (ko) 생체 정보를 수신하는 웨어러블 장치와 통신을 수행하는 전자 장치
WO2019194651A1 (ko) 전자 장치에서 생체 정보 측정 방법 및 장치
WO2020130301A1 (en) Electronic device for tracking user activity and method of operating the same
WO2022030968A1 (ko) 제스처를 인식하는 전자 장치 및 그 동작 방법
WO2021101073A1 (ko) 생체 데이터를 획득하는 장치 및 그 방법
WO2022014872A1 (ko) 초음파 장치를 포함하는 전자 장치 및 그의 ppg 신호 획득 방법
WO2018030665A1 (ko) 혈압 측정 방법 및 이에 따른 장치
WO2019164126A1 (ko) 사용자의 심혈관 상태에 대한 정보를 제공하기 위한 전자 장치 및 방법
EP3906660A1 (en) Electronic device and method for detecting blocked state of microphone
WO2019151668A1 (ko) Ppg 센서를 이용하여 생체 정보를 획득하는 전자 장치 및 그 방법
WO2021025396A1 (en) Method and device for detecting fall accident by using sensor in low power state
WO2022177255A2 (ko) 원격 상담 서비스 제공 방법 및 시스템
WO2021125667A1 (ko) 전자 장치 및 전자 장치에서 광 센서 데이터의 피크 포인트를 검출하는 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19751774

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019751774

Country of ref document: EP

Effective date: 20200805