걸어 다니는 사람의 생체신호탐지를 위한 움직임 보상기법 연구

Ⅰ. 서 론

최근 비접촉식 생체신호탐지(vital sign detection)가 의학 및 사물인터넷(internet of things: IoT) 분야에서 크게 주목을 받으면서, 이와 관련된 레이다 기술 개발의 중요성이 점점 증대되고 있다^[1]~[3]. 이때, 생체신호는 폐에 의한 호흡수(respiratory rate)와 심장에 의한 심장박동수(cardiac rate)로 정의되며, 이 장기들은 흉부 또는 등 부위 피부에 미세한 움직임(micro-motion)을 야기한다. 그리고 이 움직임을 가지는 사람으로부터 수신된 레이다 수신신호에는 미세한 위상변화가 발생되며, 이를 미세도플러 효과(micro-Doppler effect)라고 정의한다. 이때, 기존 생체신호탐지는 미세한 위상변화에 대한 스펙트럼 분석을 통해 수행될 수 있다^[4]~[7]. 하지만, 그림 1과 같이 걸어가는 사람의 경우, 걸음 움직임(macro-motion)에 의해 급격하게 변화하는 위상변화 때문에 기존 생체신호탐지기법^[4]~[7]으로는 생체신호를 탐지하기가 매우 어렵다. 따라서, 걸어 다니는 사람에 대한 생체신호를 탐지하기 위해서는 걸음 움직임에 대한 보상이 반드시 필요하다.

그림 1. | Fig. 1. 걸어 다니는 사람의 생체신호탐지 구조 | Geometry of vital sign detection for an walking individual.

Download Original Figure

앞서 언급된 문제점을 해결하기 위하여, 걸어 다니는 사람에 대한 생체신호탐지 기법들이 개발되어 왔다^[8]~[11]. 먼저, 참고문헌 [8]은 일정한 속도만 가지는 걸음 움직임을 가정할 때, 일정한 속도에 의한 수신신호의 도플러 주파수 천이(shift)를 보상하여 호흡수를 측정하는 방식을 제안하였다. 하지만, 레이다 수신신호에 대한 주파수 스펙트럼 분석을 수행할 경우, 미세도플러 현상으로 인해 정확한 생체신호 탐지가 어렵다는 단점이 존재한다. 그리고 참고문헌 [9], [10]에서는 비선형적인 걸음 움직임을 보상하기 위한 self-injection -locked 레이다 하드웨어 구조를 개발하였다. 하지만, 이 구조는 사람 앞, 뒤로 2개의 안테나를 설치하여 걸음 움직임을 보상하기 때문에, 실용성이 떨어지는 단점이 존재한다. 참고문헌 [11]에서는 거리측면도(range-profile)에서 나타나는 움직이는 표적 및 클러터(clutter) 정보에서 교차 상관계수로 걸음 움직임 유무를 판단 후, 생체신호를 탐지한다. 하지만, 걸음 움직임을 보상한 게 아니기 때문에, 복잡한 움직임에는 성능을 보장할 수 없다는 단점이 존재하였다.

본 논문에서는 걸어 다니는 사람의 실시간 생체신호탐지를 위한 걸음 움직임 보상 알고리즘을 제안한다. 이를 위하여, 먼저 걸어 다니는 사람의 레이다 수신신호에 대한 모델링을 수행한다. 이후, 모델링된 레이다 수신신호의 수식을 사용하여 걸음 움직임이 생체신호탐지에 어떠한 영향을 주는지 면밀히 분석한다. 다음으로 앞서 분석된 결과들을 바탕으로 걸음 움직임을 보상하기 위한 이동평균필터(moving average filter) 및 최빈값(mode) 기반의 알고리즘을 제안한다. 여기서 최빈값은 실시간으로 탐지된 생체신호 결과들의 히스토그램을 통해 추출되며, 오탐지율을 줄일 수 있다.

본 연구에서는 제안된 기법의 성능을 검증하기 위하여 상용 IR-UWB(impulse-radio ultra-wideband) 레이다를 사용하였으며, 실험 결과들을 통해 제안된 기법으로 걸어 다니는 사람의 실시간 생체신호탐지가 가능함을 확인할 수 있었다.

Ⅱ. 레이다 수신신호 모델링 및 걸음 움직임 영향 분석

2-1 레이다 수신신호 모델링

걸어 다니는 사람에 대한 생체신호탐지 구조는 그림 1과 같으며, 일반적으로 레이다 수신신호는 사람의 피부에서 전자파가 산란되어 나타난다^[4]~[7]. 이때, 수식의 간편성을 위하여 가슴, 손 및 발 부분에서 전자파가 산란 됨을 가정한다(i.e., 3개 점산란원 구조의 사람 표적). 그리고 레이다 위치벡터 및 레이다 시선 방향(radar line-of-sight: RLOS) 벡터는 ${\underset{\_}{r}}_{R0}={\left[0,0,H_0\right]}^T$ (H₀: 레이다 높이) 및 ${\underset{\_}{r}}_{RLOS}={\left[0,1,0\right]}^T$으로 가정된다.

먼저, 걸어 다니는 사람의 가슴은 폐와 심장에 의한 미세한 움직임을 가진다. 이때 폐에 의해 나타나는 미세한 움직임이 ${\underset{\_}{r}}_r\left(t\right)={\left[0,d_r\cos \left(2\pi f_{r0}t+{\varphi }_{r0}\right),0\right]}^T$일 경우, RLOS 에 투영된 거리변화 R_r (t)는 다음과 같이 정의된다^[6],[7].

$$R_r(t)={\underset{\_}{r}}_{RLOS}^T\cdot {\underset{\_}{r}}_r\left(t\right)=d_r\cos \left(2\pi f_{r0}t+{\varphi }_{r0}\right)$$

(1)

여기서  ‧는 내적 연산자, d_r는 거리변화폭, ϕ_r0은 초기위상, 그리고 f_r0는 호흡수이다.

다음으로 심장에 의한 피부의 미세한 거리변화 R_c (t)는 앞선 식들과 동일한 방식으로 다음과 같이 정의된다.

$$R_c(t)=r_{RLOS}^T\cdot {\underset{\_}{r}}_c\left(t\right)=d_c\cos \left(2\pi f_{c0}t+{\varphi }_{\infty 0}\right),$$

(2)

여기서 d_c는 거리변화폭, ϕ_c0은 초기위상, 그리고 f_c0는 심장박동수이다.

다음으로 손 및 발은 걸을 때 미세한 흔들거림을 가지며, RLOS에 투영된 이들의 거리변화 R_hand (t) 및 R_foot (t) 는 그림 2와 같이 비선형 속도 변화 함수에 의하여 정의됨을 가정한다^[12].

그림 2. | Fig. 2. 걸어 다니는 사람의 손 및 발 속도 변화^[12] | Corresponding radial velocities of hand and foot for an walking individual^[12].

Download Original Figure

마지막으로 걸음 움직임에 의한 RLOS에 투영된 거리변화 R_walking (t)는 다음과 같이 근사적으로 정의된다.

$$R_{walking}(t)=d_0+v_{0}t+\frac{1}{2}{a}_0{t}^2,$$

(3)

여기서 d₀는 레이다와 사람 간의 초기거리 간격, v₀ 및 a₀는 사람 걸음 움직임의 속도 및 가속도이다.

최종적으로 점산란원 구조의 걸어 다니는 사람 표적에 레이다 신호가 송수신된다고 가정할 경우, 단일 수신펄스는 아날로그-디지털 컨버터에 의해 샘플링되어 다음과 같이 정의될 수 있다.

$$s\left(t_{\text{fast }}\right)=I\left(t_{\text{fast }}\right)+jQ\left(t_{\text{fast }}\right),$$

(4)

여기서 t_fast는 한 펄스 내에서 샘플링된 시간 축, I(t_fast) 및 Q(t_fast)는 I 및 Q 채널 신호이다. 그리고 2차원 레이다 수신신호 s(t_fast, t_slow)를 획득하기 위하여, 여러 펄스들을 관측시간 T_F 동안 펄스반복주파수(pulse repetition frequency: PRF) f_PRF로 수신한다(i.e., 0≤t_slow≤T_F , △T=1/f_PRF). 이후 정합필터링(matched-filtering)을 적용하여, I 및 Q 채널 신호로 구성된 2차원 레이다 수신신호 s(R, t_slow)를 다음과 같이 획득한다.

$$\begin{array}{c}s\left(R,t_{slow}\right)=MF\left\{s\left(t_{fast},t_{slow}\right)\right\}\\ =I\left(R,t_{slow}\right)+jQ\left(R,t_{slow}\right),\end{array}$$

(5)

여기서 MF{}는 정합필터링 연산자, t_slow는 펄스 반복 시간 간격에 의해 샘플링된 시간 축, 그리고 R은 거리 축(i.e., 0≤R≤R_max, △R=c/(2BW), R_max: 최대 거리, BW: 대역폭, c: 빛의 속도)이다. 그리고 식 (5)은 앞서 정의된 거리변화 식들(i.e., R_r (t_slow), R_c (t_slow), R_hand (t_slow) 및 R_foot (t_slow))을 사용하여 다음과 같이 레이다 수신신호 s(R, t_slow)를 재정의할 수 있다.

$$s\left(R,t_{slow}\right)=s_{chest}\left(R,t_{slow}\right)+s_{hand}\left(R,t_{slow}\right)+s_{foot}\left(R,t_{slow}\right)+n\left(R,t_{slow}\right),$$

(6)

여기서

$$s_{chest}\left(R,t_{slow}\right)=A_{chest}\times sinc\left(\frac{2BW}{c}R\right)\times \exp (j\frac{4\pi }{\lambda }\{R_r\left(t_{slow}\right)+R_c\left(t_{slow}\right)+R_{walking}\left(t_{slow}\right)\}),$$

(7)

$$s_{hand}\left(R,t_{slow}\right)=A_{hand}\times sinc\left(\frac{2BW}{c}R\right)\times \exp \left(j\frac{4\pi }{\lambda }\left\{R_{hand}\left(t_{slow}\right)+R_{walking}\left(t_{slow}\right)\right\}\right),$$

(8)

$$s_{foot}\left(R,t_{slow}\right)=A_{foot}\times sinc\left(\frac{2BW}{c}R\right)\times \exp \left(j\frac{4\pi }{\lambda }\left\{R_{foot}\left(t_{slow}\right)+R_{walking}\left(t_{slow}\right)\right\}\right),$$

(9)

이고, A_chest, A_hand 및 A_foot는 크기변조성분, n(R, t_slow)는 백색 가우시안 잡음신호, 그리고 λ는 파장이다.

2-2 걸음 움직임 영향 분석

앞서 모델링된 걸어 다니는 사람의 IR-UWB 레이다 수신신호 s(R, t_slow)로부터 생체신호탐지를 수행하기 위해, 먼저 시간축 방향 투영으로 1차원 레이다 수신신호 s(t_slow)를 아래와 같이 획득한다(그림 3).

그림 3. | Fig. 3. 1차원 레이다 수신신호 획득 절차 | Procedure to obtain the 1D radar echo signal.

Download Original Figure

$$\begin{array}{c}s\left(t_{slow}\right)={\displaystyle \sum _{R}s}\left(R,t_{slow}\right)\\ =I\left(t_{slow}\right)+jQ\left(t_{slow}\right)\\ =s_{chest}\left(t_{slow}\right)+s_{hand}\left(t_{slow}\right)+s_{foot}\left(t_{slow}\right)+n\left(t_{slow}\right),\end{array}$$

(10)

여기서

$$s_{chest}\left(t_{slow}\right)=B_{chest}\times \exp (j\frac{4\pi }{\lambda }\{R_r\left(t_{slow}\right)+R_c\left(t_{slow}\right)+R_{walking}\left(t_{slow}\right)\}),$$

(11)

$$s_{hand}\left(t_{slow}\right)=B_{hand}\times \exp (j\frac{4\pi }{\lambda }\{R_{hand}\left(t_{slow}\right)+R_{walking}\left(t_{slow}\right)\}),$$

(12)

$$s_{foot}\left(t_{slow}\right)=B_{foot}\times \exp (j\frac{4\pi }{\lambda }\{R_{foot}\left(t_{slow}\right)+R_{walking}\left(t_{slow}\right)\}),$$

(13)

여기서 B_chest, B_hand 및 B_foot는 크기변조성분, n(t_slow)는 백색 가우시안 잡음신호, I(t_slow) 및 Q(t_slow)는 I 및 Q 채널 신호이다.

다음으로 식 (10)에 arctangent demodulation[2]을 적용하여, 다음과 같이 1차원 레이다 수신신호 s(t_slow)의 위상 변화 θ(t_slow)을 추출한다.

$$\theta \left(t_{slow}\right)={\tan }^{-1}\left\{Q\left(t_{slow}\right)/I\left(t_{slow}\right)\right\}.$$

(14)

이때 생체신호탐지는 식 (14)의 스펙트럼 분석을 통해 식 (1)의 호흡수 f_r0와 식 (2)의 심장박동수 f_c0을 추정하는 것이다. 하지만, 기존 기법들^[4]~[10]의 경우와 달리, 걸어 다니는 사람의 생체신호탐지를 수행하기 위해서는 1) 걸어 다니는 움직임 R_walking (t_slow)의 영향과 2) 손과 발의 수신신호들 (i.e., s_hand (t_slow) 및 s_foot (t_slow))의 영향을 반드시 고려해야 한다.

먼저, 신호 대 잡음비(signal-to-noise ratio, SNR) 10 dB에서 걸어 다니는 움직임의 영향을 분석하기 위하여, 식 (3)의 d₀, v₀ 및 a₀를 표 1과 같이 입력하면서, 식 (11)에 대한 위상변화 및 위상의 스펙트럼을 분석하였다. 그림 4(a), 그림 4(c), 그림 4(e)는 식 (11)에 대한 위상변화이며, 그림 4(b), 그림 4(d), 그림 4(f)는 위상변화에 대한 스펙트럼이다. 이때, 속도, 가속도 영향 없이 레이다와 표적 간의 거리 차이 d₀=2 m만 있을 경우, 위상 천이 θ₀=(4Π/λ)(d₀)=100°가 발생하였으며, 스펙트럼에서는 DC(direct current) 주파수 성분이 추가적으로 발생하였다(그림 4(a), (b) 참조). 다음으로 속도 v₀=−5×10^(-4) 및 가속도 a₀=-1×10^(-5)의 영향이 각각 있을 경우, 그림 4(c) 및 (e)와 같이 위상 선형변조 θ(t)=(4Π/λ)(v₀t) 및 위상 비선형변조 θ(t)=(4Π/λ)(0.5a₀t²)가 발생함을 알 수 있었다. 특히, 미세한 속도 및 가속도 영향에 의해 스펙트럼 내 저주파 성분들이 발생하여, 생체신호 탐지가 매우 어려워짐을 확인할 수 있었다(그림 4(d), 그림 4(f)).

표 1. | Table 1. 시뮬레이션 변수들 | Simulation parameters.

λ[m]	0.0405	dr [m]	0.0012
TF [sec]	60	ϕr0 [deg.]	0
fPRF [kHz]	20	fr0 [Hz]	0.3167
d0 [m]	2	dc [m]	0.00005
v0 [m/s]	−5 × 10−4	ϕc0 [deg.]	0
a0 [m/s2]	−1 × 10−5	fc0 [Hz]	1.1833

Download Excel Table

그림 4. | Fig. 4. 걸어 다니는 움직임 영향 분석 시뮬레이션 결과: 위상변화(i.e., (a), (c) 및 (e)), 스펙트럼(i.e., (b), (d) 및 (f)). 1) v₀=a₀=0(i.e., (a), (b)), 2) v₀= —5⨯10^—4, a₀=0(i.e., (c), (d)), 3) v₀=0, a₀=—1⨯10^—5(i.e., (e), (f)) | Simulation results to analyze the effect of walking motion: phase(i.e., (a), (c), (e)), spectrum(i.e., (b), (d), (f)). 1) v₀=a₀=0(i.e., (a), (b)), 2) v₀=—5⨯10^—4, a₀=0(i.e., (c), (d)), 3) v₀=0, a₀=—1⨯10^—5(i.e., (e), (f)).

Download Original Figure

다음으로 손에서 발생하는 추가적인 산란 신호의 영향을 분석하기 위하여, 걸음 움직임이 없는 식 (11)에 식 (12)만 추가되었을 경우, 위상변화 및 스펙트럼을 그림 5와 같이 분석하였다. 이때, 손의 흔들림과 같은 주기적인 움직임에 의해, 위상변화 및 스펙트럼에서 불필요한 저주파 신호들이 추가됨을 확인할 수 있었다. 따라서, 이러한 영향들을 실시간 보상하지 못할 경우, 걸어 다니는 사람의 생체신호탐지가 매우 어려움을 확인할 수 있었다.

그림 5. | Fig. 5. 손의 영향 분석 시뮬레이션 결과 | Simulation results to analyze the effect of hands.

Download Original Figure

Ⅲ. 제안된 기법

본 절에서는 걸어 다니는 사람의 실시간 생체신호탐지를 수행하기 위하여, 1) 위상 unwrapping, 2) 이동 평균 필터 기반의 걸음 움직임 보상, 3) 위상변화의 스펙트럼 분석 및 최빈값 기반의 생체신호탐지로 구성된 알고리즘을 제안한다.

먼저, 파장 길이보다 상대적으로 큰 걸음 움직임에 의해 식 (14) 내에 극심한 위상 천이 현상이 발생하기 때문에, 아래와 같은 위상 unwrapping 과정이 사전에 반드시 필요하다.

여기서 N_T는 샘플 개수이며,

는 unwapping 함수, n=0,1, 2...이며, 이 과정은 연속되는 위상 θ가 Π보다 클 경우, ±2Π의 배수를 더해 위상을 변위하는 것이다^[13].

다음으로 걸음 움직임에 의한 저주파 위상변화성분들을 제거하기 위하여, 다음과 같은 2q+1의 윈도우 길이를 가지는 이동평균필터를 사용한다.

여기서 w_j는 j번째 가중치이고, m[k]는 걸음 움직임에 의해 발생하는 저주파 위상변화성분들이다. 최종적으로 걸음 움직임을 보상한 위상변화는 식 (15) 및 (16)을 사용하여 다음과 같이 정의된다.

다음으로 걸음 움직임이 보상된 식 (17)의 위상변화에서 생체신호를 탐지하기 위하여 푸리에 변환을 다음과 같이 수행한다.

이후, 식 (18)의 주파수 스펙트럼에서 호흡수가 존재하는 대역(e.g., 0<f[j]<0.5 Hz)의 첨두치를 호흡수로, 심장박동수가 존재하는 대역(e.g., 1.0<f[j]<02.0 Hz)의 첨두치를 심장박동수로 각각 탐지한다. 하지만, 식 (16)의 이동평균필터를 통해 걸음 움직임이 완벽하게 보상되지 못할 경우, 잔존 오차 성분들이 존재할 수 있으며, 이는 SNR이 급격히 낮아진 환경으로 고려될 수 있다. 이러한 경우, 생체신호 탐지확률을 높이기 위하여 탐지된 생체신호 결과들의 통계적인 특성을 활용할 수 있다. 즉, 일반적으로 호흡수와 심장박동수는 msec 단위에서 급격하게 변화하지 않기 때문에, 통계적 분석을 통해 민감하게 변화하는 탐지 결과들을 오탐지된 것으로 판단할 수 있다. 이를 위하여 만약 N_d번 동안 실시간 탐지된 호흡수와 심장박동수가 각각 f_r0 [1],  f_r0 [2],...,f_r0 [N_d] 및 f_c0 [1], f_c0 [2],...,f_c0 [N_d]이라 가정할 경우, 다음과 같이 N_d-1의 자유도(degree-of-freedom)를 바탕으로 추정되는 최빈값(mode)이 최종적인 호흡수 ${\widehat{f}}_{r0}$와 심장박동수 ${\widehat{f}}_{c0}$가 된다.

여기서 hist{}는 최빈값을 추정하기 위한 히스토그램(histogram) 연산자이다.

Ⅳ. 실험 결과

본 절에서는 제안된 알고리즘에 대한 실험 결과를 도시한다. 이때, 실험은 그림 6과 같이 걸어 다니는 사람 표적이 있는 환경에서 상용 IR-UWB 레이다를 활용하였으며, 관련 레이다 변수들은 표 2와 같다. 그리고 실시간 성능 검증을 위하여 Intel i7기반의 Window 10 운영체제에서 MATLAB R2017a버전을 활용하었다.

그림 6. | Fig. 6. IR-UWB 레이다를 사용한 생체신호측정 실험 환경 | Experimental environment for vital sign detection using IR-UWB radar.

Download Original Figure

먼저, 레이다를 향해 걸어오는 사람 표적에 대한 실제 IR-UWB 레이다 수신신호 s(R, t_slow)는 그림 7(a)와 같이 나타났다. 이때 표적 정보가 나타나는 거리 영역 범위(i.e., 0.2m≤R≤1m)에서 시간축 방향으로 투영하여 1차원 레이다 수신신호 s(t_slow)를 획득한다(그림 7(a)). 이 과정에서 거리 영역 범위 내 주변 클러터 및 정지 표적의 수신 신호들이 중첩되어 나타날 수 있다. 하지만, 이들은 위상 성분 내에 DC 값만 증가시키기 때문에 제안된 기법으로 충분히 보상 가능하다. 다음으로 1차원 레이다 수신신호에 대한 위상성분을 추출할 경우, 그림 7(b)와 같이 걸음 움직임에 의해 위상변조가 일어남을 확인할 수 있다. 그리고, 그림 7(b)의 위상성분에 대한 스펙트럼 분석 결과, 걸음 움직임 영향으로 인해 호흡수와 심장박동수 탐지가 매우 어려움을 확인할 수 있었다(그림 7(c)).

그림 7. | Fig. 7. 측정된 레이다 수신신호 | Measured signal.

Download Original Figure

반면에, 걸음 움직임 보상을 위해 제안된 이동 평균 필터를 사용할 경우, 그림 8(a)와 같이 걸음 움직임에 의한 위상 변조 현상이 줄어든 것을 확인할 수 있었다. 그리고, 그림 8(b)의 주파수 스펙트럼 상에서 호흡수와 심장박동수가 보다 안정적으로 나타남을 확인할 수 있었다. 하지만, 걸음 움직임 보상 이후 잔존하는 위상 오차 및 잡음 성분들로 인해, 상대적으로 호흡수보다 SNR에 민감한 심장박동수의 탐지 성능이 저하되는 문제점이 있었다. 이러한 문제점을 극복하기 위하여, N_d=50번의 생체신호탐지 결과들에 대한 히스토그램을 그림 9와 같이 분석하였다. 그 결과, 호흡수의 경우에는 안정적으로 탐지가 됨을 확인할 수 있었으며, 심장박동수의 경우에는 탐지결과 편차가 상대적으로 넓게 발생함을 확인할 수 있었다. 하지만, 히스토그램의 최빈값을 통해 최종적인 심장박동수를 탐지함으로써 보다 안정적으로 생체신호정보를 추출할 수 있었다. 게다가, 히스토그램 분석을 위한 50번의 생체신호탐지 결과들은 0.5초 간격으로 실시간 추출되었으며, 1번의 탐지 결과는 약 0.4481초 만큼의 계산 시간을 필요로 하기때문에, 제안된 기법으로 실시간 생체신호 탐지가 충분히 가능함을 확인할 수 있었다.

그림 8. | Fig. 8. 걸음 움직임이 보상된 결과 | Experimental results of motion compensation.

Download Original Figure

그림 9. | Fig. 9. 히스토그램 분석 결과 | Experimental results of histogram analysis.

Download Original Figure

제안된 기법의 생체신호탐지 성능을 비교하기 위하여, 참고문헌 [8]의 기법을 통해 추출된 호흡수와 그림 6의 스마트 시계로 추출된 심장박동수 결과들과 비교하였다(그림 10). 이때, 제안된 기법에 의한 결과와 스마트 시계에 의한 결과는 실시간 동영상을 통해 시간 동기화시켜 비교 및 분석하였다. 그 결과, 호흡수 ${\widehat{f}}_{r0}$(i.e., 파랑색 o)는 제안된 기법을 통해 상대적으로 안정적으로 탐지되었다. 이는 걸음 움직임 외에 손과 발의 미세 움직임에 의한 미세도플러 현상으로 인해, 참고문헌 [8]의 기법 내 도플러 주파수 천이 추정 성능이 저하되었기 때문이다. 그리고, 심장박동수 ${\widehat{f}}_{c0}$(i.e., 빨강색*)의 경우, 스마트 시계와 유사한 결과를 보임에 따라, 제안된 기법을 통해 비접촉식으로 걸어다니는 사람의 생체신호탐지가 가능함을 확인할 수 있었다.

그림 10. | Fig. 10. 생체신호탐지 성능 비교 | Comparison of detection performance for vital sign.

Download Original Figure

Ⅴ. 결 론

본 논문에서는 걸어 다니는 사람의 실시간 생체신호탐지를 위한 알고리즘을 제안하였다. 이를 위하여 걸어 다니는 사람의 레이다 수신신호 모델링을 수행한 후, 이를 바탕으로 걸음 움직임이 생체신호탐지에 어떠한 영향을 주는지 분석하였다. 그리고, 분석된 결과를 바탕으로 걸음 움직임을 보상하기 위한 1) 위상 unwrapping, 2) 이동 평균 필터 기반의 걸음 움직임 보상, 3) 위상변화의 스펙트럼 분석 및 최빈값 기반의 생체신호탐지로 구성된 알고리즘을 개발하였다. 상용 IR-UWB 레이다를 사용한 실험 결과, 제안된 기법을 통해 걸어 다니는 사람의 생체신호탐지가 가능함을 확인할 수 있었다. 하지만, 일부 신체 부위가 호흡수와 유사한 주기로 움직이는 특수한 경우, 제안된 기법에 의한 호흡수 탐지가 어려워지게 된다. 따라서, 이러한 문제점을 해결하기 위해, 본 저자들은 일부 신체 부위의 수신 신호들을 보다 효과적으로 제거하기 위한 추가적인 알고리즘을 향후 개발할 예정이다.