생체 모니터링을 위한 적응형 바이오 레이더 시스템 및 의료환경 응용 = Adaptive Bio-Radar System for Vital Sign Monitoring and Application in Medical Environments

국문 초록 (Abstract)

의료 및 헬스케어 환경에서는 사용자의 건강 상태를 평가하기 위해 생체 신호를 연속적으로 관찰·추적할 수 있는 비접촉·무구속 방식의 모니터링 기 술에 대한 요구가 증가하고 있다. 이에 따라 도플러 레이더를 활용한 연구가 활발히 이루어져 왔다. 본 논문에서는 호흡수 및 심박수 추정을 위한 적응형 바이오 레이더 시스템을 제안하며, 경험적 모드 분해(empirical mode decomposition, EMD)를 기반으로 심박 신호의 신호 대 잡음비(signal-to-noise ratio, SNR)를 향상시키고, 사전 정보 없이도 생체신호가 포함된 내재 모드 함수(intrinsic mode function, IMF)의 분해 레벨을 자동으로 선택할 수 있는 신호처리 알고리즘 연구를 진행하였다.
호흡 신호는 심박 신호보다 진폭이 10배 이상 크며, 생성되는 호흡 고조파는 심박과 매우 인접한 주파수 대역에 존재하여 심박 검출 성능을 저하시킨다. 이러한 문제를 해결하기 위해 제안한 기법에서는 비선형 신호를 여러 주파수 대역의 IMF로 분해하는 EMD를 활용하여, 임의의 호흡 고조파를 생성하고 심박이 포함된 IMF로부터 해당 성분을 제거한다. 기존 FFT 기반 기법 및 단순 EMD 기반 기법과 비교했을 때, 제안 기법은 심박 신호의 SNR을 각각 22.3 dB, 20.3 dB 향상시켰으며, 정지 상태에서 97.5%, 2 km/h 보행 시 92.8%의 평균 정확도를 달성하였다.
시간에 따라 변화하는 잡음의 영향으로 인해 생체신호가 포함된 IMF 분해 레벨은 고정되어 있지 않다. 따라서, 각 IMF의 위상 스펙트럼 특성을 분석하여 유효한 주파수 범위를 식별하고, 호흡 및 심박 신호가 존재하는 IMF 분해 레벨을 자동으로 선택하는 알고리즘을 제안한다. 이를 통해 입력 신호 에 대한 사전 정보 없이도 생체신호 관련 IMF를 적응적으로 선택하여 기존 SNR 기반 IMF 선택 방법 대비 호흡 및 심박 추출 정확도가 각각 3.3%, 11.6% 향상되었으며, 연속 모니터링의 환경에서도 활용될 잠재력을 나타내었다.
또한 본 논문에서는 정제된 측정 환경을 벗어나, 제안하는 바이오 레이더 시스템을 실제 의료환경에 적용하여 환자의 생체신호를 비접촉으로 모니터링하기 위해 활용하였다. 재활운동을 수행하는 환자를 대상으로 임상 실험을 수행하여, 운동 강도 변화에 따른 호흡수 변화를 관찰하였다. 일반적인 호흡 및 심박 범위를 벗어날 정도로 고강도 운동을 수행한 피험자에 대해서 바이오 레이더 시스템으로 추출한 호흡수는 기준 의료 장비의 측정 결과와 유사한 변화 추세를 나타냈으며, 연속적인 호흡수 간 평균 상관계수 0.7 이상이라는 높은 상관성을 달성하였다.

다국어 초록 (Multilingual Abstract)

In medical and healthcare environments, there is an increasing demand for non-contact and unconstrained monitoring technologies capable of continuously observing vital signs to assess a user’s health status. Accordingly, Doppler radar–based vital sign detection has gained significant attention. This thesis proposes an adaptive bio-radar system for estimating respiration and heart rate, and develops a signal processing algorithm that enhances the signal-to-noise ratio(SNR) of cardiac signals and automatically selects the intrinsic mode function(IMF) levels containing vital information using empirical mode decomposition(EMD), without requiring prior knowledge of the input signals.
Respiration typically has an amplitude more than ten times larger than that of heartbeat signals, and its harmonics appear in frequency bands adjacent to the heart rate, thereby degrading detection performance. To address this issue, the proposed method uses EMD to decompose the nonlinear radar signal into IMFs across different frequency bands, synthesizes arbitrary respiration harmonics, and removes these components from the IMF containing the heart rate. Compared with conventional FFT-based and basic EMD-based approaches, the proposed technique improves the cardiac SNR by 22.3 dB and 20.3 dB, respectively, achieving average heart rate accuracies of 97.5% in the stationary state and 92.8% during walking at 2 km/h.
Because time-varying noise affects the decomposition structure, the IMF levels containing vital signals are not fixed. To ensure reliable identification, this thesis analyzes the phase spectrum characteristics of each IMF to estimate valid frequency ranges and automatically determine the IMF levels containing respiration and heart rate. By adaptively selecting IMFs without prior information, the proposed algorithm improves respiration and heart rate extraction accuracy by 3.3% and 11.6%, respectively, compared to SNR-based selection methods, and demonstrates strong potential for continuous vital sign monitoring.
Furthermore, this research extends beyond controlled laboratory conditions and applies the proposed bio-radar system in real clinical settings for non-contact monitoring of patients’ vital information. Clinical experiments were conducted with patients performing rehabilitation exercises, and respiratory rate variations were analyzed according to exercise intensity. In high-intensity cases where subjects exhibited respiration and heart rates beyond normal ranges, the respiration rates extracted from the bio-radar showed trends similar to those measured by a standard medical device, achieving a high mean correlation coefficient of over 0.7 across consecutive measurements.

목차 (Table of Contents)

• 표목차 ⅲ
• 그림목차 ⅳ
• 국문초록 ⅵ
• 제1장 서론 1
• 제1절 레이더 시스템 1
• 제2절 연속파 도플러 레이더 이용한 생체신호 검출 4
• 제3절 생체신호 모니터링의 한계 및 개선 방안 8
• 제2장 경험적 모드 분해 (EMD) 11
• 제1절 생체신호 추출을 위한 EMD 기법 11
• 1. EMD의 Sifting process 12
• 2. 시뮬레이션 적용 예시 15
• 제3장 호흡 고조파 완화를 통한 심박 추출 기법 18
• 제1절 생체신호 내 고조파 성분 18
• 제2절 호흡 고조파 제거 알고리즘 20
• 1. 알고리즘 설계 및 시뮬레이션 결과 20
• 2. 디지털 신호처리 과정 26
• 제3절 측정 및 분석 28
• 1. 측정 셋업 28
• 2. 정적 타겟 측정 결과 및 분석 31
• 3. 동적 타겟 측정 결과 및 분석 37
• 4. 최종 결과 분석 41
• 제4절 요약 44
• 제4장 위상 특성 기반 IMF 자동 선택 기법 45
• 제1절 생체신호 IMF 분해 레벨의 변화 45
• 제2절 IMF 위상 스펙트럼 분석 알고리즘 49
• 1. I/Q 신호 상관관계를 이용한 IMF 분해 레벨 융합 49
• 2. 위상 특성을 활용한 IMF 주파수 범위 추정 53
• 3. 생체신호 IMF 선택 및 시뮬레이션 결과 61
• 4. 디지털 신호처리 과정 64
• 제3절 측정 및 분석 67
• 1. 측정 셋업 67
• 2. 생체신호 IMF 선택 결과 및 분석 74
• 3. 연속 측정 결과 및 분석 76
• 4. 최종 결과 분석 81
• 제4절 요약 83
• 제5장 바이오 레이더 시스템을 이용한 생체신호 모니터링 85
• 제1절 의료환경 내 바이오 레이더 시스템 적용 85
• 제2절 바이오 레이더 시스템의 구성 및 응용 환경 87
• 1. 의료환경 응용을 위한 바이오 레이더 시스템 87
• 2. 측정 환경 및 수행 시나리오 89
• 제3절 측정 결과 및 분석 91
• 1. 의료 장비 및 레이더 시스템 데이터 비교 91
• 2. 최종 결과 분석 93
• 제4절 요약 97
• 제6장 결론 98
• 참고문헌 101
• ABSTRACT 107