유성 버스트 채널 도통율 향상을 위해 Transversal Filter를 적용한 DS시스템의 개선

권혁숭,Kwon Hyeog-Soong 한국통신학회 2006 韓國通信學會論文誌 Vol.31 No.6A

MBC(meteor burst communications)는 그 전송로의 많은 장점에도 불구하고 도통율이 수%이하로 낮다는 큰 결점이 있다. 이를 위해 큰 경제적 부담 없이 전송 채널의 도통율을 향상시키는 방법으로서 간단한 구조의 DS(Direct Sequence)시스템을 제안하였다. 제안된 DS 간이 수신방식은 동기신호의 포착이나 유지에 소요되는 시스템을 생략할 수가 있어서 MBC가 가지는 경제성을 만족시킬 수 있으나, 잡음의 영향을 크게 받아 도통율이 떨어지는 단점이 있다. 이를 위해 제안된 DS 시스템에 Transversal Filter회로를 적용하여 SNR을 6dB이상 향상시켰다. 이 방법으로 개선되는 효과는 수신신호가 약한 환경에서 보다 더 큰 것으로 나타나는데 시뮬레이션에 의하면 SNR이 약 6dB 개선되었을 때 평균 버스트 길이가 100ms인 것은 70%로 개선되어 170ms로 되고, 50ms환경에서는 130%개선되어 115ms가 되어 수신신호가 약한 환경에서 도통율이 크게 개선됨을 확인할 수 있었다. In spite of many advantages of Meteor Burst Communications(MBC) on its transmission channel, the fact that its duty rate is less than 10 percents is a considerable deficiency of MBC. To overcome with this deficiency without paying large cost, we use a direct sequence(DS) simple reception system. This method doesn't need to add the components for acquisition or tracking the signal so that it keeps the cost efficiency of the MBC. But it has a disadvantage that its duty rate shows a large decline by noise. For this problem we adopt the proposed system applying a transversal filter circuit. The improvement by this method is more significant when the received signal is weak Simulation results show as t1 is 100ms, then the burst length would be increased by 35% when the initial value of the received signal power increases by 3 dB, t2 is 135ms. If the power increases by 6dB the burst length would be 170ms thus increased by 70%, which shows a great enhancement. Suppose now that t1 is 50ms and the power is increased by 3dB, then t2 would be increased by 70% to 85ms, and increasing the power by 6dB it would be increased by 130% to 115ms.

유성 버스트 전송로의 도통을 향상을 위한 DS 간이 수신시스템의 개선

권혁숭,Kwon Hyeog-Soong 한국통신학회 2005 韓國通信學會論文誌 Vol.30 No.11A

MBC(meteor burst communications)는 그 전송로의 많은 장점에도 불구하고 도통율이 수$\%$이하로 낮다는 큰 결점이 있다. 이를 위해 큰 경제적 부담 없이 전송 채널의 도통율을 향상시키는 방법으로서 기존의 DS(Direct Sequence) 간이 수신시스템에 정귀환회로를 적용하였다. 기존의 DS 간이 수신방식은 동기신호의 포착이나 유지에 소요되는 시스템을 생략할 수가 있어서 MBC가 가지는 경제성을 만족시킬 수 있으나, 잡음의 영향을 크게 받아 도통율이 떨어지는 단점이 있다. 이를 위해 DS 간이 수신시스템에 정귀환회로를 적용하여 SNR을 6dB이상 향상 시켰다. 이 방법으로 개선되는 효과는 수신신호가 약한 환경에서 보다 더 큰 것으로 나타나는데 시뮬레이션에 의하면 SNR이 약 6dB 개선되었을 때 평균 버스트 길이가 100ms인 것은 $70\%$로 개선되어 170ms로 되고, 50ms환경에서는 $130\%$개선되어 115ms가 되어 수신신호가 약한 환경에서 도통율이 크게 개선점을 확인할 수 있었다. In spite of many advantages of Meteor Burst Communications(MBC) on its transmission channel, the fact that its duty rate is less than 10 percents is a considerable deficiency of MBC. To overcome with this deficiency without paying large cost, we use a direct sequence(DS) simple reception system. This method doesn't need to add the components for acquisition or tracking the signal so that it keeps the cost efficiency of the MBC. But it has a disadvantage that its duty rate shows a large decline by noise. For this problem, we adopt the proposed system applying a positive feedback circuit. The improvement by this method is more significant when the received signal is weak. Simulation results show as tl is l00ms, then the burst length would be increased by $35\%$ when the initial value of the received signal power increases by 3 dB, t2 is 135ms. If the power increases by 6dB the burst length would be 170ms thus increased by $70\%$, which shows a great enhancement. Suppose now that tl is 50ms and the power is increased by 3dB, then t2 would be increased by $70\%$ to 85ms, and increasing the power by 6dB it would be increased by $130\%$ to 115ms.

심실 조기 수축 비트 검출을 위한 딥러닝 기반의 최적 파라미터 검출

조익성,권혁숭,Cho, Ik-sung,Kwon, Hyeog-soong 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.12

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 퍼지(Fuzzy), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 오류 역전파 알고리즘을 이용한 부정맥 분류에 가장 많이 사용되고 있다. 딥러닝 모델을 심전도 신호에 적용하기 위해서는 적절한 모델선택과 파라미터를 최적에 가깝게 선택할 필요가 있다. 본 연구에서는 심실 조기 수축 비트 검출을 위한 딥러닝 기반의 최적 파라미터 검출 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG신호에서 R파를 검출하고 QRS와 RR간격 세그먼트를 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 검증데이터로 모델을 평가하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 딥러닝 모델로 훈련 및 검증 정확도를 확인하였다. 성능 평가 결과 R파의 평균 검출 성능은 99.77%, PVC는 97.84의 평균 분류율을 나타내었다. Legacy studies for classifying arrhythmia have been studied to improve the accuracy of classification, Neural Network, Fuzzy, etc. Deep learning is most frequently used for arrhythmia classification using error backpropagation algorithm by solving the limit of hidden layer number, which is a problem of neural network. In order to apply a deep learning model to an ECG signal, it is necessary to select an optimal model and parameters. In this paper, we propose optimal parameter extraction method based on a deep learning. For this purpose, R-wave is detected in the ECG signal from which noise has been removed, QRS and RR interval segment is modelled. And then, the weights were learned by supervised learning method through deep learning and the model was evaluated by the verification data. The detection and classification rate of R wave and PVC is evaluated through MIT-BIH arrhythmia database. The performance results indicate the average of 99.77% in R wave detection and 97.84% in PVC classification.

부호화와 정보 엔트로피에 기반한 심방세동 (Atrial Fibrillation: AF) 패턴 분석

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2012 한국정보통신학회논문지 Vol.16 No.5

Atrial fibrillation (AF) is the most common arrhythmia encountered in clinical practice, and its risk increases with age. Conventionally, the way of detecting AF was the time·frequency domain analysis of RR variability. However, the detection of ECG signal is difficult because of the low amplitude of the P wave and the corruption by the noise. Also, the time·frequency domain analysis of RR variability has disadvantage to get the details of irregular RR interval rhythm. In this study, we describe an atrial fibrillation pattern analysis based on symbolization and information entropy. We transformed RR interval data into symbolic sequence through differential partition, analyzed RR interval pattern, quantified the complexity through Shannon entropy and detected atrial fibrillation. The detection algorithm was tested using the threshold between 10ms and 100ms on two databases, namely the MIT-BIH Atrial Fibrillation Database. 심방세동(Atrial Fibrillation:AF)은 각종 심장질환에서 비교적 빈번히 발생하는 부정맥으로 알려져 있으며, 그 발병률은 연령의 증가와 더불어 점차 증가한다. 전통적으로 심방세동을 검출하는 방법은 시간 영역 분석법과 주파수 영역분석법이 대부분이었다. 하지만 심전도 신호는 잡음의 영향을 많이 받는 환경에서 검출의 정확도가 떨어지며, 시간 주파수 영역 분석법은 RR 간격에 따라 변화하는 불규칙적 리듬에 관한 정보를 정확하게 얻지 못하는 단점이 있다. 본 연구에서는 부호화와 정보 엔트로피에 기반한 AF 패턴 분석 방법을 제안한다. 이를 위해 먼저 RR 간격 데이터를 차분 분할 방식을 통해 부호 서열화 한 후 그 리듬에 대한 패턴을 분석하고 이를 샤논의 정보 엔트로피를 통해 복잡도를 정량화하여 심방세동을 검출하였다. 성능 평가를 위해 10부터 100까지의 문턱값에 따른 엔트로피를 통해 복잡도를 분석하였으며 MIT-BIH 심방세동 데이터베이스를 이용하여 실험하였다.

GAN 오버샘플링 기법과 CNN-BLSTM 결합 모델을 이용한 부정맥 분류

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2022 한국해양정보통신학회논문지 Vol.26 No.10

부정맥이란 심장이 불규칙한 리듬이나 비정상적인 심박동수를 갖는 것을 말하며, 뇌졸중, 심정지 등을 유발하거나 사망에도 이를 수 있는 만큼, 조기 진단과 관리가 무엇보다 중요하다. 본 연구에서는 심전도 신호의 QRS 특징 추출에 적합한 CNN과 기존 LSTM의 직전 패턴의 수렴 한계를 해결할 수 있는 BLSTM을 연결한 CNN-BLSTM 결합 모델을 이용한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 전처리 과정을 통해 잡음을 제거한 심전도 신호에서 QRS 특징점을 검출하고 단일 비트 세그먼트를 추출하였다. 이때 데이터의 불균형 문제를 해결하기 위해 GAN 오버샘플링 기법을 적용하였다. 이 후 합성곱 계층을 통해 부정맥 신호의 패턴을 정밀하게 추출하도록 구성하고 이를 BLSTM의 입력으로 사용한 후 매개변수를 학습시키고 검증 데이터로 학습 모델을 평가한 후 부정맥 분류의 정확도를 확인하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 이용하여 분류의 정확도, 정밀도, 재현율, F1-score를 비교하였다. 성능평가 결과 각각 99.30%, 98.70%, 97.50%, 98.06%로 우수한 분류율을 나타내는 것을 확인할 수 있었다. Arrhythmia is a condition in which the heart has an irregular rhythm or abnormal heart rate, early diagnosis and management is very important because it can cause stroke, cardiac arrest, or even death. In this paper, we propose arrhythmia classification using hybrid combination model of CNN-BLSTM. For this purpose, the QRS features are detected from noise removed signal through pre-processing and a single bit segment was extracted. In this case, the GAN oversampling technique is applied to solve the data imbalance problem. It consisted of CNN layers to extract the patterns of the arrhythmia precisely, used them as the input of the BLSTM. The weights were learned through deep learning and the learning model was evaluated by the validation data. To evaluate the performance of the proposed method, classification accuracy, precision, recall, and F1-score were compared by using the MIT-BIH arrhythmia database. The achieved scores indicate 99.30%, 98.70%, 97.50%, 98.06% in terms of the accuracy, precision, recall, F1 score, respectively.

Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석

조익성,권혁숭,김주만,김선종,김병철,Cho, Ik-Sung,Kwon, Hyeog-Soong,Kim, Joo-Man,Kim, Seon-Jong,Kim, Byoung-Chul 한국정보통신학회 2015 한국정보통신학회논문지 Vol.19 No.1

부정맥 분류를 위한 기존 연구들은 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 즉, 생체 신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단규칙에 따라 진단을 수행하기 때문이다. 또한 이러한 대부분의 방법들은 P, Q, R, S, T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 특성을 가진 ECG 데이터를 분석하여 최소한의 특징점을 추출함으로써 그에 따른 패턴을 분류하는 것이 필요하다. 본 연구에서는 이상 심전도와 같은 다양한 신호를 고려하여 Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석기법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 Q, R, S의 진폭과 위상변화에 따른 8개의 특징점을 추출하였다. 이후 각 특징점의 피크 변화와 형태에 따른 ECG 신호를 분석하고 부정맥 유형에 따른 9가지 패턴을 정의하였다. 제안한 방법의 우수성을 입증하기 위해 43개의 MIT-BIH 레코드를 대상으로 Normal, PVC, PAC, LBBB, RBBB, Paced Beat의 각 패턴을 분석하였다. 실험결과 9가지 패턴에 대한 검출율은 93.72%로 우수하게 나타났다. Several algorithms have been developed to classify arrhythmia which rely on specific ECG(Electrocardiogram) database. Nevertheless personalized difference of ECG signal exist, performance degradation occurs because of carrying out diagnosis by general classification rule. Most methods require accurate detection of P-QRS-T point, higher computational cost and larger processing time. But it is difficult to detect the P and T wave signal because of person's individual difference. Therefore it is necessary to classify the pattern by analyzing personalized ECG signal and extracting minimal feature. Thus, QRS pattern Analysis of personalized ECG Signal by Q, R, S peak variability is presented in this paper. For this purpose, we detected R wave through the preprocessing method and extract eight feature by amplitude and phase variability. Also, we classified nine pattern in realtime through peak and morphology variability. PVC, PAC, Normal, LBBB, RBBB, Paced beat arrhythmia is evaluated by using 43 record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 93.72% in QRS pattern detection classification.

효율적인 QRS 검출과 프로파일링 기법을 통한 심실조기수축(PVC) 분류

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2013 한국정보통신학회논문지 Vol.17 No.3

심전도 신호의 QRS 영역은 심장의 질환을 판단하는 중요한 자료로 쓰이는데, 여러 종류의 잡음으로 인해 이를 분석하는데 어려움을 준다. 또한 일반인들의 건강상태를 지속적으로 모니터링 하는 헬스케어 시스템에서는 신호의 실시간 처리가 필요하다. 그리고 생체신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수밖에 없다. 이러한 문제점을 해결하기 위해서는 최소한의 연산량으로 QRS를 검출하고 환자의 특성에 맞게 부정맥을 분류할 수 있는 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 형태연산을 통한 효율적인 QRS 검출과 개인별 정상신호 분류를 위해 해쉬 함수를 적용하여 프로파일링 하였으며, 검출된 QRS 폭과 RR 간격을 이용하여 심실조기수축(PVC)을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 통해 기존 방법과 부정맥 분류 성능을 비교하였다. 성능평가 결과, R파는 평균 99.77%, 정상 신호 분류에 대한 에러율은 0.65%, PVC는 각각 93.29%로 기존 방법에 비해 약 5% 우수하게 나타났다. QRS detection of ECG is the most popular and easy way to detect cardiac-disease. But it is difficult to analyze the ECG signal because of various noise types. Also in the healthcare system that must continuously monitor people's situation, it is necessary to process ECG signal in realtime. In other words, the design of algorithm that exactly detects QRS wave using minimal computation and classifies PVC by analyzing the persons's physical condition and/or environment is needed. Thus, efficient QRS detection and PVC classification based on profiling method is presented in this paper. For this purpose, we detected QRS through the preprocessing method using morphological filter, adaptive threshold, and window. Also, we applied profiling method to classify each patient's normal cardiac behavior through hash function. The performance of R wave detection, normal beat and PVC classification is evaluated by using MIT-BIH arrhythmia database. The achieved scores indicate the average of 99.77% in R wave detection and the rate of 0.65% in normal beat classification error and 93.29% in PVC classification.

심전도신호 샘플링 주파수에 따른 R파 검출 최적 문턱치 설정

조익성,권혁숭,Cho, Ik-sung,Kwon, Hyeog-soong 한국정보통신학회 2017 한국정보통신학회논문지 Vol.21 No.7

R파 검출에 사용되는 여러 심전도 데이터베이스는 샘플링 주파수의 차이로 인해 서로 다른 환경에 적용할 경우 성능에 변화가 많아 알고리즘의 신뢰도를 보장하기 어렵다. 본 연구에서는 심전도신호의 샘플링 주파수에 따른 R파 검출의 최적 문턱치 설정 방법을 제안한다. 이를 위해 미분 기반의 이동평균과 제곱합수를 이용하여 전처리를 수행하였다. 이후 샘플링 주파수에 따라 피크 문턱치에 대한 최적 값을 검출하였다. 문턱치 단계는 신호의 변화와 이전 검출된 피크 값에 따라 문턱치를 변경함으로써 최적의 성능을 나타내는 값을 선정하는 과정으로 실험하였다. 제안한 방법의 우수성을 입증하기 위해 부정맥 데이터베이스 레코드를 대상으로 실험한 결과 MIT-BIH 샘플링 주파수 360Hz에 대한 미분 구간($N_d$), 윈도우 사이즈(N), 문턱 계수($p_{th}$)의 최적 값은 각각 7, 8, 6.6일 때 R파 검출율은 99.758%의 우수한 성능을 나타내었다. It is difficult to guarantee the reliability of the algorithm due to the difference of the sampling frequency among the various ECG databases used for the R wave detection in case of applying to different environments. In this study, we propose an optimal threshold setting method for R wave detection according to the sampling frequency of ECG signals. For this purpose, preprocessing process was performed using moving average and the squaring function based the derivative. The optimal value for the peak threshold was then detected according to the sampling frequency by changing the threshold value according to the variation of the signal and the previously detected peak value. The performance of R wave detection is evaluated by using 48 record of MIT-BIH arrhythmia database. When the optimal values of the differential section, window size, and threshold coefficient for the MIT-BIH sampling frequency of 360 Hz were 7, 8, and 6.6, respectively, the R wave detection rate was 99.758%.

심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.10

심전도는 심근허혈, 부정맥, 심근경색과 같은 심장질환의 진단에 이용된다. 특히 심근허혈은 ST 세그먼트의 형태 변화가 나타나는데, 이러한 변화는 일시적으로 나타나며 특별한 증상을 동반하지 않는다. 따라서 지속적인 모니터링을 통해서 ST의 일시적인 변화를 검출하는 것이 매우 중요하다. 이에 본 연구에서는 심근허혈 진단을 위한 ST세그먼트 형태 분류 알고리즘을 제안한다. 이는 전처리 과정과 적응가변형 문턱치를 통해 R파와 각 특징점을 검출 한 후 S와 T파사이의 굴곡점으로부터 특정한 기울기 정보를 추출하여 ST의 기울기 기준점과 비교함으로써, 검출된 ST를 6가지 형태로 분류하는 방법이다. 개발된 알고리즘은 심전도로부터 ST 레벨 변화 구간을 검출하고, 검출된 구간에 대해서도 ST의 형태를 분류함으로써 심전도 레벨 변화뿐만 아니라 형태에 대한 정보도 제공한다. 제안한 알고리즘의 심근허혈 패턴 진단 성능을 평가하기 위해서 European ST 데이터베이스를 사용하였다. 성능 평가 결과 가장 높은 분류성공률은 99.4%이며, 낮은 성공률은 68.48%를 나타내었다. ECG is used to diagnose heart diseases such as myocardial ischemia, arrhythmia and myocardial infarction. Particularly, myocardial ischemia causes the shape change of the ST segment, this change is transient and may occur without symptoms. So it is important to detect the transient change of ST segment through long term monitoring. ST segment classification algorithm for making diagnosis myocardial ischemia is presented in this paper. The first step in the ST segment shape classification process is to detect R wave point and feature points based adaptive threshold and window. And then, the suggested algorithm detects the ST level change, To classify the ST segment shape, the suggested algorithm uses the slope values of the four points between the S and T wave. The ECG data in the European ST-T database were used to verify the performance of the developed algorithm. The best correct rate was 99.40% and the worst correct rate was 68.48%.

QRS 특징점 변화에 따른 바이너리 코딩 기반의 부정맥 분류

조익성,권혁숭,Cho, Ik-Sung,Kwon, Hyeog-Soong 한국정보통신학회 2013 한국정보통신학회논문지 Vol.17 No.8

부정맥 검출을 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지 이론, SVM 등과 같은 비선형 방법이 주로 사용되어 왔다. 이러한 대부분의 방법들은 P-QRS-T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 또한 P파, T파의 개인차가 있어 파형을 구분할 수 없을 경우도 존재한다. 따라서 이러한 문제점을 극복하기 위해서는 최소한의 특징점을 추출함으로써 연산의 복잡도를 줄이고, 실시간으로 다양한 부정맥을 분류할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 QRS 특징점 변화에 따른 바이너리 코딩 기반의 실시간 부정맥 분류 방법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파, RR 간격, QRS 폭을 추출하고, 각 특징점들의 문턱치(threshold) 만족 여부를 바이너리 코드화시킴으로써 실시간으로 부정맥을 분류 하였다. 제안한 방법의 우수성을 입증하기 위해 39개의 MIT-BIH 부정맥 데이터베이스 레코드를 대상으로 PVC, PAC, Normal, BBB, Paced beat의 검출률을 비교하였다. 실험결과 PVC, PAC, Normal, BBB, Paced beat는 각각 97.18%, 94.14%, 99.83%, 92.77%, 97.48%의 우수한 평균 검출률을 나타내었다. Previous works for detecting arrhythmia have mostly used nonlinear method such as artificial neural network, fuzzy theory, support vector machine to increase classification accuracy. Most methods require accurate detection of P-QRS-T point, higher computational cost and larger processing time. But it is difficult to detect the P and T wave signal because of person's individual difference. Therefore it is necessary to design efficient algorithm that classifies different arrhythmia in realtime and decreases computational cost by extrating minimal feature. In this paper, we propose arrhythmia detection based on binary coding using QRS feature varibility. For this purpose, we detected R wave, RR interval, QRS width from noise-free ECG signal through the preprocessing method. Also, we classified arrhythmia in realtime by converting threshold variability of feature to binary code. PVC, PAC, Normal, BBB, Paced beat classification is evaluated by using 39 record of MIT-BIH arrhythmia database. The achieved scores indicate the average of 97.18%, 94.14%, 99.83%, 92.77%, 97.48% in PVC, PAC, Normal, BBB, Paced beat classification.