http://dx.doi.org/10.5369/JSST.2016.25.1.71 pISSN 1225-5475/eISSN 2093-7563
독립 성분 분석과 비선형 자기상관을 이용한 동잡음이 포함된 PPG 신호에서의 맥박 검출
전학재+ · 김정도 · 임승주
Pulse Detection from PPG Signal with Motion Artifact using Independent Component Analysis and Nonlinear Auto-correlation
Hak-Jae Jeon+, Jeong-Do Kim, and Seung-Ju Lim
Abstract
PPG signal measured by pulse oximeter can measure pulse and the oxygen saturation of arterial blood. But the PPG signal is distorted by finger movement or other movement in the body. To detect pulse from the PPG signal with motion artifact, we use band pass filter(BPF), Independent component analysis(ICA) and nonlinear autocorrelation(NAC). BPF is used to remove DC component and high frequency noise in the PPG signal with motion artifacts. ICA is used to separate pulse sig- nal and motion artifact. However, pulse signal separated by ICA have no choice but to accompany signal distortion because pulse signal and motion artifact are not completely independent. So, we use nonlinear autocorrelation to emphasize the pure pulse signal from the distorted signal.
Keywords: Independent Component Analysis, ICA, Photoplethysmography, PPG, Nonlinear Autocorrelation
1. 서 론
광용적맥파(Photoplethysmography, 이하 PPG)는 서로 다른 파 장영역의 빛을 이용하여 손가락, 귓불과 손목 등에 입사시켜 투 과되거나 반사된 빛의 양으로 측정된다. 측정된 PPG 신호는 심 장맥박정보, 호흡, 마취 심도와 혈중 산소포화도 정보 등을 포 함하고 있다.
최근 휴대용 펄스 옥시미터(pulse oximeter)와 스마트 시계 (Smart watch)를 이용하여 산소포화도나 맥박수를 측정하는 장 치들이 많이 개발되고 있다. 하지만 이러한 장치들은 낮은 관류 (low perfusion), 실내 조명, 태양광 등의 주변광(ambient light), 사용자의 움직임에 의해 발생되는 동잡음(Motion artifact)이 생 체 정보를 측정하는데 많은 오류를 발생시키고 있다[1].
주변 광에 의한 문제는 주변 광을 측정하여 빼주는 방법으로
해결하였다[2]. PPG 신호에 포함된 잡음들을 제거하고 정확한 분석을 위해 많은 연구가 진행되고 있지만 완벽하게 해결하지 못하고 있다.
현재 임상에서는 이동 평균 필터(Moving Average filter, 이하 MAF) 를 사용하고 있다. MAF는 산발적으로 존재하는 잡음에는 잘 동작하지만, 큰 진폭을 가지거나, 갑자기 발생한 잡음에 대 해서는 효과를 보지 못하는 단점을 가지고 있다[3]. 또 다른 방 법으로는 Adaptive filter를 이용하여 동잡음을 제거하는 방법을 연구되었다. 그러나 최소 평균 제곱(Least Mean Square)를 이용 한 방법은 통상적으로 포함된 잡음(전원 잡음)을 제거하는데 매 우 효과적이나, 참조 신호(Reference Signal)가 불확실한 데이터 에서는 동잡음 제거에 매우 취약하다. 또한 필터의 차수와 수렴 인자(Convergence factor)에 따라 성능이 좌우된다[4,5]. 웨이블 릿 변환(Wavelet Transform)을 적용하여 동잡음을 제거하는 알 고리즘 연구도 진행되었다[6,7]. 웨이블릿 알고리즘은 임계 (threshold) 값에 의존하기 때문에 항상 최적이 되지 않는 문제 점이 있다. 독립 성분 분석 (Independent Component Analysis, 이하 ICA)을 이용한 동잡음 제거 방법도 제안되었다[8,9]. ICA 는 PPG신호와 동잡음이 독립이라는 가정으로 측정된 신호로부 터 두 신호를 분리해 내는 방법이다. 하지만 PPG신호와 동잡음 은 완전한 독립이 아니기 때문에 완전하게 분리되지 못하고 신 호가 왜곡 되거나 잡음이 포함되어 있을 경우가 발생한다. 이 경우 생체정보를 측정하는데 오류를 발생시킬 수 있다.
호서대학교 전자공학과(Department of Electronic Engineering, Hoseo University)
+Corresponding author: [email protected]
(Received: Nov. 26, 2015, Revised: Jan.14, 2016, Accepted: Jan. 26, 2016)
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/
licenses/bync/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
따라서 본 논문에서는 ICA를 이용하여 PPG신호와 동잡음을 분리하고, 후처리 과정으로 PPG신호에 비선형 자기상관 (Nonlinear Autocorrelation, 이하 NAC)을 이용하여 주기가 강조되도록 제 안한다.
2. PPG신호의 측정 원리
2.1 광용적맥파
광혈류 측정장치(photoplethsmograph)는 그리스 어로 빛을 뜻하는 photo와 증가함을 뜻하는 plethysmos와 기록한다는 뜻의 graphos가 결합한 것으로, 빛을 이용하여 어떤 물체의 부피의 변화를 기록하는 기계를 말한다. 대표적으로는 두 개 의 파장의 빛을 이용하여 혈류를 측정하는 펄스 옥시미터가 있다. 광혈류 측정계로부터 측정한 신호를 PPG라고 하며, 심 장맥박정보, 호흡, 마취 심도 및 혈중 산소포화도 정보 등을 포함하고 있다.
2.2 펄스 옥시미터
펄스 옥시미터는 비 침습성으로 동맥혈 산소포화도를 측정하 기 위한 광혈류 측정장치와 분광분석법 (Spectro- photometry) 의 원리를 결합한 장치이다. 광혈류 측정장치는 비 침습성인 방 법을 이용한 산소포화도를 측정하기 위한 장치이다. 침습성인 방법보다 혈액 채취를 통한 감염의 위험이 없고 결과를 내는데 시간이 오래 걸리지 않는다는 장점이 있으나, 잡음에 취약하다 는 단점을 가지고 있다[1]. Fig. 1은 펄스 옥시미터의 측정방법 인 투과 모드와 반사모드를 나타낸 것이다.
펄스 옥시미터(Pulse Oximeter)가 두 종류의 빛을 사용하는 이유는 산소와 결합한 헤모글로빈(O
2Hb) 과 산소와 결합하지 않 은 헤모글로빈(RHb)에 대한 적색광과 적외선광의 흡광률 차이 의 비를 이용하여 산소포화도를 측정하기 때문이다.
PPG신호로부터 맥박수를 구하기 위해서는 하나의 광을 이용 하여도 가능하지만, 본 논문에서는 독립 성분 분석을 적용하기 위해서 두 종류 빛을 사용한다.
2.3 맥박과 PPG 신호와의 관계
동맥은 심장 이완기보다 수축기에서 더 많은 혈액을 포함하 고 있다. 정상적인 안정상태에서 동맥 혈압은 수축기에 약 120 mmHg, 팽창기에 80 mmHg로 심장박동에 따라 변한다. 그 에 반해 정맥은 혈압에 박동적 변화가 없다. 그래서 입사된 빛 은 정맥혈과 뼈, 조직들을 지나 일부 빛을 흡수하면서 DC성분 을 만들게 되고 동맥혈을 지나 일부 빛을 흡수하여 AC성분을 만들게 된다.
Beer-Lambert법칙은 흡수된 빛의 양은 빛을 흡수하는 물질에 서 빛이 이동하는 경로의 길이와 물질의 농도에 비례한다는 법 칙이다. 따라서 심장이 수축할 때 많은 혈액을 포함 하고 있으 므로 더 적은 빛이 반사 또는 투과 되어 가장 낮은 피크점을 가 지게 된다. 심장이 팽창하는 이완기에서는 혈액의 양이 줄어들 어 상대적으로 더 많은 빛이 반사 또는 투과되어 가장 높은 피 크점을 가지게 된다. 따라서 PPG신호를 통하여 맥박을 추정할 수 있게 된다. 아래 Fig. 2는 빛이 정맥혈, 뼈, 조직, 동맥혈 등 을 투과하여 생긴 PPG신호를 나타낸 것이다.
하지만 본 논문에서는 PPG 신호로부터 맥박을 검출하기 위 해서 DC성분이 필요로 하지 않기 때문에 전처리에 의해서 제거된다.
3. 독립 성분 분석과 비선형 자기상관을 이용한 맥박 검출 알고리즘
본 논문에서는 독립 성분 분석과 비선형 자기상관을 사용하 여 동잡음이 포함되어있는 PPG신호에서 정확한 맥박을 검출하 기 위한 알고리즘을 제안한다. 독립 성분 분석은 측정된 신호에 서부터 독립 성분을 추출하는 알고리즘이다. 본 논문에서는 적 색광과 적외선광으로 측정한 PPG 신호로부터 독립 성분 분석 을 동잡음과 PPG신호를 분리하기 위해서 사용되었다. 하지만 PPG신호와 동잡음은 완전한 독립이 아니기 때문에 완벽하게 분 Fig. 1. Measurement method of pulse oximeter
(a) Transmission, (b) Reflection
Fig. 2. The light absorbance of tissue components.
리하지 못하고 잡음이나 왜곡이 포함되어 있기 때문에 맥박을 검출하는데 어려움이 있다. 따라서 비선형 자기상관을 사용하여 PPG 신호의 주기성을 강조해 정확한 맥박을 검출하기 위한 정 보를 제공하게 하였다. Fig. 3은 본 논문에서 제안하는 알고리 즘의 전체적인 구성도이다.
3.1 독립 성분 분석
본 논문에서는 잡음이 포함되어있는 PPG신호에서 정확한 맥 박을 검출하기 위해서 독립 성분 분석 알고리즘을 이용한다. 독 립 성분 분석은 블라인드 소스 분리(blind source separation)의 대표적인 방법으로, 여러 채널로부터 측정된 신호에서 각각의 독립된 신호를 분리 하는 알고리즘이다. 측정된 신호는 다음 식 (1) 과 같이 나타낼 수 있다.
(1) 여기서 는 측정된 신호, 독립 성분, 는 로 를 만들기 위한 가중치를 나타내며, 로 표현할 수 있다. 만의 정보를 이용하여 와 를 추정하는 것이 독립 성분 분석 알고리즘의 최종 목표이다[10,11].
독립 성분 분석을 통해 분리된 신호는 다음과 같이 나타낼 수 있다.
(2)
여기서 는 독립 성분 분석을 통하여 얻은 독립신호를 나 타내고 는 혼합 계수를 나타낸다. 만약 W의 역행렬이 A와 같다면, Y와 S는 같은 신호가 된다.
3.1.1 전처리
독립 성분 분석을 하기 위한 전처리로 중심화와 백색화 과정 이 있다. 중심화 과정은 측정된 신호 에 평균을 빼줌으로 써 의 평균이 0이 되도록 만들어 준다. 중심화는 ICA알고 리즘을 단순화시키기 위한 전처리이다.
(3) 여기서 x는 측정된 신호를 나타내며, 는 x의 평균을 나 타낸 것이다.
두 번째로 수행하는 전처리로는 신호가 비 상관이고 단위 분 산을 갖도록 선형적으로 변환하는 백색화 과정이 있다. 백색화 를 수행하기 위한 가장 간단한 방법은 x의 공분산 행렬을 고유
값 분해(eigenvalue decomposition, 이하 EVD) 또는 주성분 분 석(Principal component Analysis, 이하 PCA)을 사용하는 것이 다. x의 공분산 행렬(covariance matrix)을 분해하면 고유벡터 V 와 고유값을 나타내는 대각행렬 D로 표현할 수 있다.
(4) 고유값 분해로 얻은 고유값과 고유벡터를 이용하여 측정된 변 수 x를 백색화 변환 할 수 있다.
(5) 여기서 는 백색화된 x를 나타내며, V는 고유값, D는 고유 벡터, x는 측정된 신호를 나타낸다. 백색화 과정은 PCA를 통하 여 매우 작은 고유값을 가지는 벡터를 제거하여 차원을 줄이는 효과가 있으며 종종 잡음을 줄이는 효과도 있다. 또한 ICA의 과 잉 학습을 방지하여 복잡한 계산을 줄여주는 ICA의 절반이라 고도 할 수 있는 매우 중요한 과정중의 하나이다.
3.1.2 네그엔트로피
ICA 모델을 평가하기 위한 중요한 요소는 비가우시안 특성이 다. 랜덤 변수의 확률분포가 정규분포를 가질수록 혼합 행렬 A 에 대한 정보를 얻을 수 없게 되어 신호를 분리해 낼 수 없다.
따라서 독립적인 요소들은 비가우시안 분포를 가져야 한다.
비가우시안성을 측정하기 위해서 신호는 정규화 되어야 하고, 측정방법으로 쿼터시스(kurtosis)와 네그엔트로피(Negentropy)가 있다. 본 논문에서는 비가우시안성을 측정하기 위해 고정점 반 복(fixed-point iteration)에 기반을 둔 fastICA를 사용하기 위해 서 네그엔트로피를 사용하였다.
엔트로피는 정보이론의 기본 개념으로 신호의 균일성을 측정 한다. 이산 값을 가지는 신호 S의 엔트로피는 다음과 같이 나타낸다.
(6) 여기서 는 신호 S에서 가 나올 확률을 나타낸다.
연속적인 값을 가지는 신호 S에 대한 엔트로피는 차동 엔트로 피(differential entropy)라 부르며 랜덤 변수 S에 대해 밀도 를 가진 차동 엔트로피는 다음과 같이 나타낸다.
(7) 정보이론으로부터 단일 분산을 가지는 신호 중에 가우시안 신 호는 최대 엔트로피를 가진다. 엔트로피는 특정 값에 대해 분포 를 가지거나 뾰족한 확률밀도함수(probability density function) 를 가지는 신호에 대해 작은 엔트로피를 가진다. 따라서 엔트로 피는 비가우시안성을 측정하는데 사용될 수 있다.
엔트로피의 정규화된 네그엔트로피는 다음과 같이 나타낸다.
(8) 는 S와 같은 공분산 행렬을 가지는 가우시안 신호를 나 x
i( ) t a
ijs
j( ) t
j 1= m
∑
=
x
i( ) t s
j( ) t a
ijs
j( ) t
x
i( ) t X = AS
x
i( ) t s
j( ) t a
ijy
i( ) t w
ijx
j( ) t
j 1= m
∑
=
y
i( ) t w
ijx
i( ) t x t ( )
x = x E x – { }
E x { }
E xx {
T} VDV =
Tx
w= VD
–1 2⁄V
Tx x
wH S ( ) = – ∑ P S a ( =
i) log P S a ( =
i) P S a ( =
i) a
if S ( )
H S ( ) = – ∫ f S ( ) ⋅ log f S ( ) d s
J S ( ) H S = (
gauss) H S – ( ) S
gaussFig. 3. A proposed algorithm for pulse detection
타낸다. 네그엔트로피는 항상 양수이고, 순수한 가우시안 신호 인 경우에 영 값을 가진다. 하지만 네그엔트로피는 계산이 매우 어려워 근사화한 방식을 사용한다. 다음 식은 최대 엔트로피 원 리에 기반을 둔 근사화 방식을 나타낸 것이다.
(9) 여기서 v는 단일 분산과 영 평균을 가지는 가우시안 변수를 나타내고 G는 2차가 아닌 함수(non-quadratic function) 를 나타 낸다. 너무 빠르게 성장하지 않는 G를 선택하는 것이 강력한 추 정기를 얻을 수 있다. 다음은 입증된 매우 유용한 함수 G를 나 타낸 것이다.
(10) 여기서 는 1과 2사이의 상수를 나타낸다.
3.1.3 FastICA
FastICA 는 의 비가우시안성의 최대값을 찾기 위한 고정 점 반복에 기반을 두었다. 여기서 는 단위 분산이어야 한 다. 뉴턴 반복에 의한 근사화로서 2차가 아닌 함수 G의 도함수 g 를 사용한다.
(11) 여기서 는 1과 2사이의 상수를 나타내고 보통 값 을 사용한다. FastICA 알고리즘의 기본 형태는 다음과 같다
1. 가중치 벡터 w 초기값 선택 2.
3.
4. 만약 수렴하지 않았다면 2번 반복
여기서 수렴의 의미는 이전 w값과 새로운 w값이 같은 방향 이라는 것을 의미한다. 즉 두 개의 내적이 거의 1과 같은 것을 의미한다[12-14].
하지만 동잡음과 PPG신호는 독립이 아니기 때문에 ICA를 통 하여 완벽하게 분리되지 않아 잡음이나 왜곡이 존재할 수 있다.
Fig. 4는 ICA를 통하여 분리되었지만 왜곡되고 잡음이 섞여 있는 PPG신호를 나타낸 것이다. 이 경우 맥박을 측정하는데 오 류를 발생 시킬 수 있다. 따라서 이를 보완하기 위한 후처리가 필요하다.
3.2 비선형 자기상관
ICA 는 원신호가 서로 독립성을 가질 경우 가장 큰 성능을 발 휘한다. 하지만 PPG신호와 동잡음은 서로 완벽하게 독립성을 가지지 않기 때문에 완벽하게 분리하기 어렵다. ICA를 이용하 여 분리된 PPG신호에 어느 정도 잡음이나 왜곡이 발생하게 되 고, 이 신호를 가지고 주기를 판단하게 되면 판단에 오류를 범 할 수 있다. 따라서 본 논문에서는 잡음이 존재하거나 왜곡이 발생한 신호의 주기를 검출하기 위해서 다음 식(12)의 비선형 자기 상관을 사용하였다[15].
(12)
여기서 는 신호 에서부터 까지의 평균
을 나타내고 은 에서부터 까지의 평균
이다. Fig. 5는 NAC를 이용하여 주기를 구한 결과를 나타낸 것이다.
또한 움직임에 의해 짧은 시간 동안 왜곡이 발생한 경우가 존 재하지만 주기적 특성은 크게 변하지 않는다. 따라서 NAC를 이 용하여 짧은 시간 동안 왜곡이 발생하여도 맥박 주기 검출에 오 J S ( ) ∝ [ E G S { ( ) } E G v – { ( ) } ]
2G
1( ) u 1 a
i--- log ( cosh ( a
1u ) )
=
G
2( ) u u
2--- 2
⎝ – ⎠
⎛ ⎞ exp –
=
a
1w
Tx
w
Tx
g
1( ) u = tanh ( a
1u )
g
2( ) u u u
2--- 2
⎝ – ⎠
⎛ ⎞
⋅ exp
=
a
1a
1= 1
w
+= E xg W { (
Tx ) } E g′ w – { (
Tx ) }w w = w
+⁄ w
+R
x( ) m ∑
N mK 1–={ x k ( ) x k – ( ) } x k m ⋅ { ( + ) x k m – ( + ) } x k ( ) x k – ( )
{ }
N m– K 1=
∑ ⋅ ∑
N mK 1–={ x k m ( + ) x k m – ( + ) } ---
=
x k ( ) x 1 ( ) x N m ( – ) x k m ( + ) x m 1 ( + ) x N ( )
Fig. 4. Separated PPG signal by ICA
Fig. 5. Clean PPG signal and result of Nonlinear Autocorrelation. (a) PPG signal, (b) Result of nonlinear Autocorrelation.
Fig. 6. Separated PPG signal by ICA and NAC. (a)Distorted PPG
signal, (b) Result of Nonlinear Autocorrelation
류를 줄일 수 있다.
Fig. 6은 왜곡된 PPG신호와 NAC를 적용한 결과를 나타낸 것 이다. Fig. 6(a)에서 800~2000 사이 데이터 구간에 왜곡이 발생 하였으나 NAC에 의해 주기를 측정하여 왜곡된 구간에도 주기 를 나타내고, 주 성분에 대한 주기를 나타내어 정확한 맥박 주 기를 검출을 위한 정보를 제공하고 있다.
4. 실험 결과
4.1 실험 데이터
정확한 맥박수를 측정하기 위해 제안된 알고리즘을 검증하기 위해서 산소포화도 시험장비 (Index 2XL Pulse Simulator, Fluke) 에서 발생시키는 PPG신호를 사용하였다.
이 장치는 사용자가 설정한 파라미터에 따라 SpO2, PI, PR등 을 조절하여 PPG 신호를 생성, 출력함으로써 개발한 산소포화 도 측정 장치의 측정 정확성 및 검증 검사 장비로 사용되고 있 다. 또한 미리 저장되어 있는 중환자 및 미숙아 등에서 나타날 수 있는 저산소증(Hypoxic)과 서맥 (Bradycardia)등 여러 임상 적 상태의 PPG 신호와 tap과 shiver 등의 잡음 신호를 발생시 킬 수 있다.
산소포화도 시험 장비로부터 발생되는 PPG 신호는 Pulse oximeter 장비를 이용해 500Hz로 샘플링 하였다. Pulse oximeter 는 텍사스 인스트루먼트(Texas Instruments) 사의 AFE4490 모 델을 사용하였다. Matlab 툴을 사용하여 제안한 알고리즘을 검 증하였다.
4.2 실험 결과
맥박 검출을 위한 제안된 알고리즘을 입증하기 위해서 Table 1에 나타낸 각 데이터들의 ICA결과가 왜곡이 발생하였거나 잡 음이 껴있는 부분을 선정하였고, 6초 길이로 잘라서 Figs. 7~13 에 나타내었다
Fig. 7은 LowFreq1신호에 제안한 알고리즘을 적용한 결과를 나타낸다. Fig. 7(c)의 1500~ 2500 사이에 왜곡이 발생하였고, 이 부분이 맥박의 주기를 측정하는데 오류를 발생시킬 수 있다.
하지만 Fig. 7(e)에 나타난 것처럼 NAC에 의해 주기를 측정하 여 왜곡된 구간에도 주기를 나타내어 정확한 맥박 주기 측정을 위한 정보를 제공하고 있다.
Fig. 8 은 LowFreq2신호에 제안한 알고리즘을 적용한 결과를 나타낸다. Fig. 8(c)의 1000~ 2000 사이에 왜곡이 발생하였고, Table 1. PPG signal information in Index 2XL
PPG signal information MA
frequency BPM frequency
Test 1 LowFreq1 75 1.25Hz 0.5Hz
Test 2 LowFreq2 75 1.25Hz 0.5Hz
Test 3 Brady Tap #2 45 0.75Hz 3.9Hz
Test 4 Slow Tap 75 1.25Hz 2.0Hz
Test 5 Hypox Tap #2 95 1.58Hz 4.3Hz
Test 6 Weak Shiver 95 1.58Hz 6.0Hz
Test 7 Weak Tap 95 1.58Hz 4.3Hz
Fig. 7. The result proposed algorithm with LowFreq1.
(a) Red signal, (b) Infrared signal, (c) Separated PPG signal by ICA, (d) Separated MA by ICA, (e) NAC of PPG signal (f) NAC of motion artifact
Fig. 8. The result proposed algorithm with LowFreq2.
(a) Red signal, (b) Infrared signal, (c) Separated PPG signal
by ICA, (d) Separated MA by ICA, (e) NAC of PPG signal
(f) NAC of motion artifact
이 부분이 맥박의 주기를 측정하는데 오류를 발생시킬 수 있다 . 하지만 Fig. 8 (e)에 나타난 것처럼 NAC에 의해 주기를 측정 하여 왜곡된 구간에도 주기를 나타내어 정확한 맥박 주기 측정 을 위한 정보를 제공하고 있다.
Fig. 9 는 Brady Tap #2 신호에 제안한 알고리즘을 적용한 결과를 나타낸다. Fig. 9(c)의 500~ 2000 사이에 왜곡이 발생 하였고, 전체적으로 동잡음이 완전히 분리되지 못한 것을 볼 수 있다. 이 요소들이 맥박의 주기를 측정하는데 오류를 발생
시킬 수 있다. 하지만 Fig. 9(e)에 나타난 것처럼 NAC에 의 해 주기를 측정하여 왜곡된 구간에도 주기를 나타내고, 주성 분에 대한 주기를 나타내어 정확한 맥박 주기 측정을 위한 정 보를 제공하고 있다.
Fig. 10은 Slow Tap 신호에 제안한 알고리즘을 적용한 결 과를 나타낸다. Fig. 10(c)의 2500~3000 부분에 왜곡이 발생 하였고, 이 부분이 맥박의 주기를 측정하는데 오류를 발생시 킬 수 있다. 하지만 Fig. 10(e)에 나타난 것처럼 NAC에 의해 Fig. 9. The result proposed algorithm with Brady Tap #2.
(a) Red signal, (b) Infrared signal, (c) Separated PPG signal by ICA, (d) Separated MA by ICA, (e) NAC of PPG signal (f) NAC of motion artifact
Fig. 10. The result proposed algorithm with Slow Tap.
(a) Red signal, (b) Infrared signal, (c) Separated PPG signal by ICA, (d) Separated MA by ICA, (e) NAC of PPG signal (f) NAC of motion artifact
Fig. 11. The result proposed algorithm with Hypox Tap #2.
(a) Red signal, (b) Infrared signal, (c) Separated PPG signal by ICA, (d) Separated MA by ICA, (e) NAC of PPG signal (f) NAC of motion artifact
Fig. 12. The result proposed algorithm with Weak Shiver.
(a) Red signal, (b) Infrared signal, (c) Separated PPG signal
by ICA, (d) Separated MA by ICA, (e) NAC of PPG signal
(f) NAC of motion artifact
주기를 측정하여 왜곡된 구간에도 주기를 나타내고, 주 성분 에 대한 주기를 나타내어 정확한 맥박 주기 측정을 위한 정보 를 제공하고 있다.
Fig. 11 은 Hypox Tap #2 신호에 제안한 알고리즘을 적용한 결과를 나타낸다. Fig. 11(c)의 0~ 1000 부분에 왜곡이 발생하 였고, 이 부분이 맥박의 주기를 측정하는데 오류를 발생시킬 수 있다. 하지만 Fig. 11(e)에 나타난 것처럼 NAC에 의해 주기를 측정하여 왜곡된 구간에도 주기를 나타내고, 주 성분에 대한 주 기를 나타내어 정확한 맥박 주기를 측정을 위한 정보를 제공하고 있다.
Fig. 12 는 Weak Shiver 신호에 제안한 알고리즘을 적용한 결 과를 나타낸다. ICA에 의해 동잡음과 PPG신호가 완벽하게 분 리 되었고 NAC 결과 또한 정확하게 주기 측정을 위한 정보를 제공하고 있다.
Fig. 13은 Weak Tap 신호에 제안한 알고리즘을 적용한 결과 를 나타낸다. ICA에 의해 동잡음과 PPG신호가 완벽하게 분리 되었고 NAC 결과 또한 정확하게 주기 측정을 위한 정보를 제 공하고 있다.
5. 결 론
본 논문은 심한 동잡음이 포함되어있는 PPG신호에서 맥박수 를 측정하기 위한 연구로서, PPG신호 처리의 문제점인 동잡음 을 제거하기 위해서 ICA를 이용하여 동잡음과 PPG신호를 분 리하였고, 잡음이 완전히 분리되지 않거나 왜곡된 구간이 존재 하는 PPG 신호로부터 비선형 자기 상관 을 사용하여 주기를 판
단하도록 제안하였다. 제안된 알고리즘의 성능 분석을 위해 산 소포화도 시험장비로부터 나오는 임상에서 맥박수 및 산소포화 도 측정이 어렵다는 PPG신호를 사용하였다. 제안된 알고리즘을 적용한 결과 심한 동잡음에 의해 PPG신호의 판별이 불가능한 PPG 신호에서 동잡음과 PPG신호를 분리하였고, 고주파 잡음이 존재하거나 PPG 신호의 왜곡이 존재하는 구간에서도 주기에 대 한 정보를 제공하도록 하였다. 그러나 잡음과 PPG신호를 잘 분 리해내지 못한다면 잘못된 주기를 측정할 수 있기 때문에 ICA 를 통하여 확실하게 분리해 내는 것이 중요하다.
REFERENCES
