수면 상태 식별을 위한 UWB 레이더 기반 멀티모달 코골이 분석 프레임워크 : 수면 상태 식별을 위한 UWB 레이더 기반 멀티모달 코골이 분석 프레임워크 = - UWB Radar–Based Multimodal Snoring Analysis Framework for Sleep State Identification -

국문 초록 (Abstract)

수면 상태 식별을 위한 UWB 레이더 기반 멀티모달 코골이 분석 프레임워크 본 연구는 일반 가정에서의 장기적 수면 모니터링을 목표로, 초광대 역(Ultra-Wideband; UWB) 레이더, 음향 기반 코골이 분석, 적외선 기반 영상 센서를 통합한 비접촉 멀티모달 수면 분석 시스템을 제안한다. 제 안된 시스템은 호흡, 움직임, 코골이, 자세 등 생리 및 생체 신호를 1 Hz 기준의 통합 시간축으로 동기화하고, 표준화된 시간대별 시각화 패널을 통해 수면 상태 변화를 직관적이면서도 해석 가능한 형태로 표현한다. UWB 레이더는 호흡률 및 움직임 지표를 비접촉 방식으로 추출하고, 음 향 센서는 코골이 강도와 변동성을 정량화하며, IR 기반 영상은 정자세 (upright), 좌자세(left), 우자세(right)의 자세 분류에 사용된다. 이들 멀티 모달 특징은 랜덤포레스트(Random Forest) 기반 확률 추정과 히든마코 프모델(Hidden Markov Model)을 결합한 랜덤포레스트-히든마코프모델 (RF-HMM)에 입력되어, 깊은 비렘(deep NREM), 얕은 비렘(light NREM), 렘(REM) 후보의 3단계 수면 상태를 시간적으로 연속성 있게 추정한다. 본 모델은 임상적 수면다원검사(Polysomnography; PSG)를 대 체하기 위한 진단 목적이 아니라, 비접촉 신호 환경에서 수면 상태를 구 분할 목적으로 설계되었다. 4명의 성인 남성을 대상으로 총 28시간의 야간 수면 데이터를 분석한 결 과, 코골이 강도는 자세에 따라 뚜렷한 차이를 보였으며, 정자세에서 가 장 높고 측면 자세에서 가장 낮게 관찰되었다. 움직임 버스트(burst)는 호흡 변동성 증가 및 코골이 변동성 확대와 밀접하게 연관되었고, 반대 로 움직임이 억제된 구간에서는 호흡 안정성과 낮은 코골이 변동성이 유 지되었다. 이러한 멀티모달 상호작용은 각성(arousal) 가능성을 포함한 수면 중 생리적 불안정 구간을 비접촉 신호만으로도 효과적으로 시각화 할 수 있음을 보여 준다. 연구의 제한점은 수면다원검사 기반의 임상 검증이나 수면 단계 정확도 평가를 포함하지 않으며, 대상자 수 또한 제한적이라는 점이다. 그러나, 제안된 프레임워크는 센서 착용이나 수동 판독 없이도 수면 중 호흡, 코 골이, 자세 간의 상호작용과 시간적 추이를 일관되게 관찰할 수 있는 재 현 가능하고 저비용 구조를 제공한다. 특히 고정 스케일 기반의 표준화 된 시각화 표현은 수면 간 비교, 장기 추세 분석, 행동 기반 중재 효과 평가에 적합하다. 결론적으로 본 연구는 비접촉 멀티모달 센싱, 시간축 정합, 해석 가능한 AI 모델링을 결합하여 가정 기반 수면 건강 평가를 위한 실용적 분석 틀을 제시한다. 향후 연구에서는 수면다원검사, 심박변동도(Heart Rate Variability; HRV), 산소포화도(SpO₂) 등의 생리 신호를 통합하고, 교차 검증 방법(leave-one-subject-out; LOSO)을 포함한 확장된 검증을 통해 수면무호흡증(Obstructive Sleep Apnea; OSA) 관련 지표와의 연관성을 정량적으로 분석할 예정이다.

목차 (Table of Contents)

• 목 차
• 국문초록 i
• 목 차 ⅳ
• 표 목 차 ⅷ
• 그림목차 ⅸ
• 제 1장 서론 1
• 1.1. 연구 배경 및 필요성 1
• 1.1.1 수면 건강과 생체 신호 분석의 중요성 2
• 1.1.2 가정 기반 비접촉 수면 모니터링의 필요성 3
• 1.1.3 기존 수면다원검사 기반 수면 단계 분석의 한계 4
• 1.1.4 온도, 습도 기반 수면 자세 연구 배경 소개 5
• 1.2 수면 관련 무자각 센싱 기술의 진화 6
• 1.2.1 UWB 레이더 생체 신호 측정 원리 6
• 1.2.2 음향 기반 코골이 분석 기술의 발전 7
• 1.2.3 영상 기반 자세 인식 기술(CCD, 적외선(IR)) 8
• 1.2.4 온도, 습도 기반 스마트 베개 센싱 연구 소개 9
• 1.3 기존 연구의 기술적 한계 10
• 1.3.1 단일 모달 분석의 한계 10
• 1.3.2 시간축 불일치 문제 11
• 1.3.3 수면다원검사, 스마트워치 기반 분석의 제약 12
• 1.3.4 해석 가능성의 부족 13
• 1.4 본 연구의 주요 연구 질문 14
• 1.4.1 UWB, 음향, 자세 융합 시 수면 역학을 어떻게 설명할 수 있는가? 14
• 1.4.2 비접촉 멀티모달 데이터를 이용해 수면 단계를 분류할 수 있는가? 15
• 1.4.3 RFt-HMM 통합AI 모델의 성능은 어떤가? 16
• 1.4.4 표준화된 시각화 패널이 수면 비교 분석에 기여하는가? 16
• 1.5 본 연구의 학술적·기술적 기여도 18
• 1.5.1 완전 비접촉 멀티모달 프레임워크 구축 18
• 1.5.2 AI 모델(Random Forest-Hidden Markov Model) 설계 및 검증 20
• 1.5.3 자세, 호흡, 코골이 상호작용 분석 21
• 1.5.4 홈 헬스케어 시스템으로의 적용성 22
• 제2 장 이론적 배경 및 관련 연구 23
• 2.1 수면 생리학 및 수면 단계 23
• 2.1.1 비렘(NREM), 렘(REM) 생리 기전 23
• 2.1.2 수면 분절 및 각성 메커니즘 25
• 2.1.3 자세, 호흡, 코골이의 생리적 상관성 26
• 2.2 비접촉 센싱 기술 이론 28
• 2.2.1 UWB 레이더 기반 호흡, 미세 움직임 분석 28
• 2.2.2 음향 방식의 특징 및 스펙트럼 분석 30
• 2.2.3 CCD, 적외선(IR) 영상 기반 자세 인식 알고리즘 31
• 2.3 온도, 습도기반 자세 판별 기술 32
• 2.3.1 온도, 습도 기반 자세 판별 센서 특성 32
• 2.3.2 CNN 기반 자세 이미지 분류 34
• 2.3.3 본 연구(UWB, 음향, 영상)와 온도, 습도 기반 접근법의 비교 35
• 제 3 장 시스템 설계 및 데이터 처리 36
• 3.1 전체 시스템 아키텍처 38
• 3.1.1 멀티모달 데이터 파이프라인(데이터 흐름도) 41
• 3.2 UWB 레이더 기반 호흡·미세 움직임 센서 모듈 45
• 3.2.1 UWB 레이더의 동작 원리 및 생체 신호 추출 절차 45
• 3.2.2 수면 연구에서의 UWB 신호 활용성 46
• 3.3 음향 기반 코골이 분석 모듈 47
• 3.3.1 마이크 구성 및 설치 47
• 3.3.2 코골이 특징 추출 48
• 3.3.3 음향 특징의 수면 단계 분류 기여도 50
• 3.3.4 코골이 데시벨(dB) 표현의 정당화 및 표준화 절차 51
• 3.4 CCD, IR 기반 자세 영상 모듈 53
• 3.4.1 영상 수집 구조 및 하드웨어 53
• 3.4.2 자세 분류 54
• 3.5 정규 시간축 구축 55
• 3.5.1 1 Hz 기반 타임스탬프 매핑 55
• 3.5.2 이벤트 기반 조정 56
• 3.5.3 보간 최소화 및 품질관리 기반 보정 57
• 3.6 멀티모달 특징 추출 및 시각화 58
• 3.6.1 초단위 특징 추출 58
• 3.6.2 표준화된 시각화 패널 구성 59
• 3.6.3 이벤트 기반 정렬과 샘플링 전략 60
• 3.7 비접촉 멀티모달 신호 기반 수면 단계 정의 및 객관적 구분 기준 63
• 3.8 랜덤포레스트-히든마코프모델 기반 수면 단계 분류 모델 66
• 3.8.1 랜덤포레스트(Random Forest)의 역할 66
• 3.8.2 히든마코프모델(Hidden Markov Model)의 역할 67
• 3.8.3 랜덤포레스트-히든마코프모델 전체 파이프라인 68
• 3.9 자세, 코골이 연관 분석 70
• 3.10 자동 품질관리 71
• 3.11 본 연구 시스템의 차별성 72
• 제 4 장 실험 및 결과 74
• 4.1 데이터셋 개요 75
• 4.2 표준화된 시간대별 패널 기반 시각화 78
• 4.3 자세 의존적 분석 83
• 4.4 AI 기반 3단계 수면 분류 결과 85
• 4.4.1 랜덤포레스트 단독 모델과 랜덤포레스트-히든마코프모델 85
• 4.4.2 절제 연구 87
• 4.5 호흡, 움직임, 코골이, 자세의 상호 연관성과 3단계 수면 지표 해석 90
• 제 5 장 논의 93
• 5.1 호흡, 코골이, 자세의 생리적 상호작용에 대한 해석 93
• 5.2 수면 단계 역학과 신호 변동성에 대한 해석 94
• 5.3 멀티모달 기반 설명가능성 향상 95
• 5.4 임상 적용 가능성과 잠재적 한계 96
• 5.5 온도, 습도 기반 보조 연구와의 비교 97
• 제 6 장 결론 및 향후 연구 98
• 6.1 결론 98
• 6.2 본 연구의 주요 공헌 99
• 6.3 본 연구의 제한점 100
• 6.4 본 연구의 실용화 가능성 101
• 6.5 향후 연구 방향 102
• 참 고 문 헌 103
• 영 문 초 록 107
• 감 사 의 글 110
• 표 1.1. 멀티모달 센싱 입력 변수의 핵심 특징과 생리적 의미 15
• 표 2.1. 수면 중 자세, 호흡, 코골이 간 동적 상호 연결 구조 27
• 표 2.2. 온도, 습도 센싱 기반 수면 자세 인식 기법의 구조적, 기술적 한계 33
• 표 2.3. 온도, 습도 기반 자세 판별과 본 연구의 멀티모달 프레임워크 비교 35
• 표 3.1. UWB 기반 호흡, 움직임 지표와 수면 단계 간 생리적 관계 요약 46
• 표 3.2. 규칙 기반 수면 단계 결정 기준 65
• 표 3.3. 제안된 비접촉 멀티모달 수면 모니터링 시스템의 모달리티별 기술적 차별성 73
• 표 4.1. 표준화된 시간대별 수면 생리 지표 요약(00:00–06:59) 80
• 표 4.2. 자세 유형별 코골이 강도(dB) 84
• 표 4.3. RF-HMM 기반 수면 단계 분류 성능 및 절제 연구 결과 88
• 그림 3.1. 제안된 비접촉 멀티모달 수면 모니터링 시스템의 블록 다이어그램 38
• 그림 3.2. 멀티모달 데이터 파이프라인(데이터 흐름도) 41
• 그림 3.3. UWB 레이더 46
• 그림 3.4. 음향 기반 코골이 분석 모듈의 하드웨어 구성 48
• 그림 3.5. CCD, 적외선(IR) 기반 자세 영상 수집 구조도 54
• 그림 3.6. 시간축 정규화 파이프라인 57
• 그림 3.7. 표준화된 시간별 멀티모달 패널 60
• 그림 3.8. 랜덤포레스트(Random Forest) 피처-확률 구조 다이어그램 67
• 그림 3.9. 수면 단계 분류를 위한 히든마코프모델 상태 전이 다이어그램 68
• 그림 3.10. RF-HMM 수면 단계 분류 파이프라인 69
• 그림 3.11. 자세, 코골이 상관관계 시각화 70
• 그림 4.1. 각 시간대별 호흡률, 움직임, 코골이 진폭, 자세를 하나의 패널로 통합 표시 78
• 그림 4.2. Random Forest 단독 모델과 RF-HMM 수면 단계 결과 비교 87
• 그림 4.3. 호흡, 움직임, 코골이, 자세 간의 결합 분석 90