Study on the Detection the Section with the Motion Artifacts of the PPG Signal

학 술 논 문

1

PPG 신호의 동잡음 구간 검출에 관한 연구

이한욱·이건기

경상대학교 전자공학과

Study on the Detection the Section with the Motion Artifacts of the PPG Signal

Hanwook Lee and Gunki Lee

Department of Electronic Engineering. Gyeongsang National University

(Manuscript received 15 October 2015; revised 21 February 2016; accepted 22 February 2016)

Abstract: The biomedical information (heart rate, HRV, SpO2 etc) from the Photoplethysmography (PPG) signal sec- tion can be estimated without the motion artifacts if the PPG signal section in the motion artifacts is detected accu- rately. But the PPG signal is easily exposed to the motion artifacts by the decrease of the medical instrument size and applying as portable or wearable. Besides, it is difficult to completely eliminate the motion artifacts from the PPG signal without distortion and ensure reliability as well. In this paper, the method was suggested to determine the motion artifacts or not on the PPG signal of the section divided into intervals of constant length. By comparing the spectrum of each section, it can be determined whether the motion artifacts are or not after obtaining the spectrum of each section by the Goertzel algorithm. Moreover, an amount of computation while maintaining a high detection rate can be reduced by using the Goertzel algorithm.

Key words: Photoplethysmography (PPG), Goertzel algorithm, Motion artifacts

I. 서 론

광용적맥파(Photoplethysmography (PPG))는 조직의 미세 혈관 층에서의 혈액량의 변화를 검출하는데 사용될 수 있는 저가의 단순한 광학 기법이다[1]. 스마트 와치의 출현 으로 스마트 와치를 착용한 사람의 손목으로부터 레코딩된 PPG 신호를 사용한 헬스케어와 피트니스용 스마트 밴드는 산업계와 학계의 새로운 연구 주제로 자리 잡았다[2]. PPG 신호를 이용한 심박수나 산소포화도(SpO2) 등 생체정보의 정확한 측정은 동잡음이나 다른 소스로부터의 잡음을 PPG

신호에서 얼마나 잘 제거하느냐에 영향을 받는다. PPG 신 호의 정확도를 떨어뜨리는 잡음 요소로는 호흡, 동잡음, 외 부 광원의 변화에 의한 잡음 등이 있는데 그중 피측정자의 움직임에 의한 동잡음은 측정의 정확도를 떨어뜨리는 주요 요인이다[3]. 최근, PPG 신호는 의료기기의 크기가 작아지 고, 휴대용이나 웨어러블 형태로 발전함에 따라 더 많은 잡 음에 노출되기 쉬워졌다. 환자나 기기 사용자들의 움직임에 의한 동잡음은 PPG 신호와 주파수 대역이 겹치고[4,5], 신 호에 비해 큰 진폭을 가지기 때문에 왜곡 없이 PPG 신호 의 동잡음을 완벽하게 제거하고 신뢰성을 보장하는 것이 어 렵다[6]는 사실을 다양한 연구와 논문으로부터 확인할 수 있 다[7]. 지금까지의 PPG 신호의 동잡음 제거를 위한 다양한 알고리즘은 동잡음 구간을 검출한 후, 동잡음이 발생했을 때 만 필터링을 수행하는 것이 아니라 동잡음 유무에 상관없이 전 구간을 필터링하고 있다[5,6,7]. 이는 불필요한 연산량만 증가시킬 뿐 아니라 동잡음이 없는 구간의 PPG 신호를 왜 곡하게 된다. 만약 동잡음이 없는 PPG 신호 구간을 정확히 Corresponding Author : Gun Ki Lee

Department of Electronic Engineering & Engineering Re- search Institute. Gyeongsang National University, 501, Jinju- daero, Jinju-si, Gyeongsangnam-do, Korea

TEL: +82-55-772-1723(010-5595-7582) / FAX: +82-55-772-1729 E-mail : [email protected]

이 연구는 2014년도 경상대학교 학술진흥지원사업 연구비에 의하여 수행되었음(RPP-2014-006).

2

검출할 수 있다면 PPG 신호로부터 정확한 생체 정보를 얻 을 수 있을 것이다. 그럼에도 불구하고, PPG 신호의 전 구 간 필터링을 통한 동잡음 제거를 위한 연구에 비해 동잡음 구간 검출에 대한 연구가 충분하지 않은 이유는 최근의 연 구 트렌드가 저전력과 한정된 메모리에 기반한 모바일 헬스 케어 시스템에 적용할 수 있는 알고리즘의 개발에 있기 때 문에 비교적 적은 연산량의 알고리즘으로 개발 가능한 전 구간 필터링 기법에 관한 연구가 더 많이 진행되었기 때문 이다. 본 논문에서는 Goertzel 알고리즘을 적용하여 최소한 의 스펙트럼만으로 PPG 신호의 주파수 특성을 파악하고, PPG 신호의 구간 중 동잡음이 유입된 구간을 검출해내는 새로운 알고리즘을 제안한다. Goertzel 알고리즘을 적용함 으로써, 동잡음 구간을 정확히 검출하면서도 연산량을 최소 화할 수 있었다.

II. 본 론

제안된 방법을 그림 1의 블록도로 나타내었다. 본 논문에 사용된 PPG 신호는 웨어러블 장비의 센싱 방법인 손목의 요골동맥으로부터 얻었다.

1. 전처리 과정

입력 신호Sin(n)은 식 (1)과 같이 동잡음 신호인 MA(n)이 유입된 PPG 신호 PPG(n)이다.

Sin(n) = PPG(n) + MA(n) (1) 샘플링된 신호는 제안된 알고리즘의 적용을 위해 L-개의 샘플을 가진 섹션으로 분리한다.

각 섹션으로의 분리를 위해 중요한 것은 각 섹션 내 PPG 신호의 첫 주기의 시작 포인트와 마지막 주기의 끝 포인트

를 일정하게 맞추어 주는 것이다. 분리한 섹션 내에는 많은 주기의 PPG 신호가 포함되지 않으므로 첫 주기의 시작 포 인트와 마지막 주기의 끝 포인트가 일정하지 않다면 각 섹 션의 주파수 성분에 영향을 줄 것이기 때문이다. 이에 본 논 문에서는 p번째 섹션의 시작 포인트의 진폭 VSp를 p-1번째 섹션의 최대값과 최소값을 이용하여 식 (2)와 같이 결정하 였다.

VSp=Max(Sp−1)− (Max(Sp−1)− Min(Sp−1)) (2) 여기서 p번째 섹션의 분리점 nVp는 다음과 같이 얻을 수 있다.

Index{Sp(l) ~− VSp} (3)

여기서 Lp는 p번째 섹션의 샘플 개수이고, Index{}는 중 괄호 내부를 만족하는 샘플, 즉 p번째 섹션 신호의 l번째 샘 플 Sp(l)이 VSp와 가장 가까운 값을 갖는 샘플의 넘버를 나 타낸다.

따라서 입력신호 Sin(n)은 식 (4)와 같이 P개의 섹션으로 나눌 수 있다.

(4)

p번째 섹션의 신호는 식(5)와 같은 급수로 나타낼 수 있다.

(5)

본 논문에서는 PPG 신호의 동잡음 유무를 확인하기 위 1

2---

nVp Lp+

p 1= P 1–

∑

=

Sin( )n

Sin( ),1 Sin( ) …2 , , Sin( ) ,nV1

Sin(nV1+1), Sin(nV1+2) …, , Sin( ) ,nV2

Sin(nV2+1), Sin(nV2+2) …, , Sin( ) ,nV3

Sin(nVn 1–+1), Sin(nVn 1–+2) …, , Sin( )nVn

=

Sseries( )p Sin n n=Vp 1–+1

nVp

∑ ^{( )n}

=

그림 1. 블록도.

Fig. 1. Block diagram of proposed method.

3 해 식 (5)와 같이 나눈 각 섹션의 신호에 먼저 Goertzel 알

고리즘을 적용하여 원하는 주파수의 스펙트럼을 얻어 각 주 파수 성분끼리 비교하였다.

2. Goertzel 알고리즘

DFT 연산을 시스템의 입출력 개념을 이용하여 간단히 구 현할 수 있는데, 이를 Goertzel 알고리즘이라 한다. 같은 스 펙트럼의 수를 갖는 경우에 Goertzel 알고리즘의 연산량은 FFT 에 비하여 많다. 그러나 0 ≤ k < N에 대한 모든 X(k) 값을 구하는 것이 아니라 일부 k에서의 X(k) 값만을 구하 려할 때 Goertzel 알고리즘이 효율적인 계산 방법을 제시 하여 준다[8]. Goertzel 알고리즘에 대한 자세한 내용은 참 고문헌[8]의 내용을 참고하기 바라며, 결론을 요약하면 다음 과 같다.

, (6)

uk(−1) = uk(−2) = 0

(7) 실수 x(n)에 대한 특정 k0의 X(k0)값을 구하려면, 식(6)에 k = k0를 대입하고 0 ≤ k < N 구간에서 실수 연산만으로 uk0(N − 1)과 uk0(N)을 구하고, 마지막으로 식 (7)에 따라

(8) 식 (8)과 같이 원하는 주파수 성분을 구하면 된다.

3. 제안된 방법

본 논문에서는 전처리 과정을 통해 나눈 각 섹션 PPG 신 호의 이산 주파수 스펙트럼의 샘플들을 기준신호 섹션의 이 산 주파수 스펙트럼의 샘플들과 각각 비교하여 각 주파수 샘플들 간의 차분을 통해 동잡음 유입 여부를 판단할 것이 다. 이 알고리즘의 연산량과 동잡음 구간 검출 정확도는 이

산 주파수 스펙트럼의 샘플 수에 비례하게 될 것이다. 그러나 알고리즘의 정확도를 높이기 위하여 연산량을 늘리는 것은 알 고리즘의 시스템 적용을 고려할 때, 좋은 방법은 아니다. 여 기서 알고리즘의 정확도는 높이면서 연산량도 줄일 수 있는 알고리즘의 적용이 필요하다. 이를 위하여 본 논문에서는 입 력신호의 원하는 특정 주파수 성분을 구할 수 있는 Goertzel 알고리즘을 적용하였다.

동잡음이 혼입된 구간 검출율을 떨어뜨리지 않으면서 연 산량을 최소화할 수 있는 방법은 PPG 신호와 혼입된 동잡 음의 주파수 특성을 잘 분석하여 Goertzel 알고리즘을 적 용할 주파수를 결정하는 것이다. 먼저 일반적인 심박수는 대 략 30에서 300bpm이다. 따라서 처리할 PPG 신호의 주파 수를 0.5~5 Hz로 제한할 수 있다[9]. 그림 2는 70bpm의 심 박수를 가지는 PPG 신호의 주파수 스펙트럼이다. 그림 2(a) 동잡음이 없는 PPG 신호의 주파수 성분을 분석해 보면 호 흡 등에 의한 저주파수와 심박수에 의한 기본 주파수, 그리 고 제2고조파와 제3고조파로 이루어져 있다[10]. 그림 2(b) 의 동잡음이 유입된 PPG 신호의 주파수 스펙트럼과 비교 해 보면 기본 주파수 부분과 제2고조파, 제3고조파 부분의 주파수 성분이 확연히 구별됨을 확인할 수 있다. 따라서 PPG 신호의 특징점을 나타내는 기본 주파수와 제2고조파 제3고조파를 중심으로 식 (8)의 k0를 집중함으로써 Goertzel 알고리즘을 적용하여 최소한의 연산량으로 동잡음 혼입구간 검출율을 높일 수 있을 것이다.

그림 3에 실험에 사용된 70bpm PPG 신호 중 동잡음이 혼입되지 않은 섹션과 동잡음이 혼입된 섹션의 Goertzel 알 고리즘 출력 스펙트럼을 나타내었다. (a)는 동잡음이 유입되 지 않은 PPG 신호의 스펙트럼이고, (c)는 동잡음이 유입된 PPG 신호 구간의 스펙트럼이다. 스펙트럼의 패턴이 동잡음 의 유입 여부에 따라 (a)와 (c)의 형태만 가진다면 스펙트럼 의 각 주파수 성분끼리의 차분을 단순히 더함으로써 동잡음 유입된 구간을 쉽게 검출할 수 있을 것이다. 먼저 기준이 되 는 동잡음이 유입되지 않은 참조 신호구간과 k번째 비교 신 uk( ) 2n 2π

---kN

⎝ ⎠

⎛ ⎞uk(n 1– )

cos –uk(n 2– ) x n+ ( )

=

yk( ) un = k( ) en – ^–j2π---kNuk(n 1– )

X k( ) y0 = k0( ) uN = k0( ) eN – ^{–j2π---kN0}uk0(N 1– )

그림 2. PPG 신호의 주파수 스펙트럼 (a) 동잡음 없는 경우, (b) 동잡음 유입된 경우.

Fig. 2. Frequency spectrum of PPG signal (a) without the MA, (b) with the MA.

4

호구간의 각 주파수 성분의 오차 성분은

Ek(n) = ref(n) − outk(n) (10) 이다. ref(n)은 동잡음이 유입되지 않은 참조신호 스펙트럼 의 n번째 주파수 성분을 나타내고, outk(n)은 k번째 비교 신 호 스펙트럼의 n번째 주파수 성분을 나타낸다. 그러나 (b) 와 같이 동잡음이 유입되지 않은 PPG 신호 중 신호의 크 기가 작은 펄스 구간의 스펙트럼이 존재한다. 따라서 동잡음 유입 구간의 검출이 단순히 각 주파수 성분의 차분의 합으로 비교할 경우 오류가 발생할 확률이 높다. 동잡음 유입 여부 를 판별할 구간의 총 오차 신호를 정규화하기 위해 각 주파 수 성분의 오차에 식 (11)과 같은 가중치 Wk를 곱하였다.

(11)

따라서 k번째 구간의 각 주파수 스펙트럼 오차 성분의 합은

(12)

로 결정하였다. 실험을 통해 문턱치(Threshold)를 조정하면 서 동잡음 구간 검출율이 가장 높은 문턱치값을 결정하였다.

각 PPG 신호 구간의 주파수 스펙트럼 오차 성분의 합을 문 턱치값과 비교하여 동잡음 유입 여부를 판단하였다. 그림 4 에 PPG 신호의 동잡음 유입구간 검출 결과를 나타내었다.

III. 실험 및 결과

본 논문에서는 PPG 신호를 측정하기 위해 빨간색 LED 를 사용하였고, 손목의 요골동맥에 포토센서(TSL250RD)를 손목 밴드에 장착하여 반사형으로 구성하였다. 4가지의 동 잡음을 의도적으로 발생시킨 100초간의 PPG 신호를 포토 센 서로부터 받아 신호를 10배 증폭하고 5 Hz 저역통과필터로 필터링한 후, 100 Hz로 샘플링하여 MathWorks사의 Matlab (Ver. 7.6(R2008a))으로 시뮬레이션하였다. 샘플링된 신호 를 5 Hz 8차 버터워스 저역통과 필터로 필터링한 후, 위에 서 설명한 전처리 과정을 통해 300개 전후의 샘플로 구성 된 PPG 신호 블록으로 100 샘플마다 나누었다. 본 논문에 서 결정한 Goertzel 주파수는 PPG 신호의 기본 주파수와 Wk outk( )n

ref n( )

--- out^k(n 1+ ) ref n 1( + ) --- –

n 0= N 1–

∑

=

Esum( )k WkEk( )n

n 0= N 1–

∑

=

그림 3. Goertzel 알고리즘으로부터 얻은 PPG 신호의 스펙트럼.

Fig. 3. Spectrum of the PPG from the Goertzel algorithm.

그림 4. PPG 신호의 동잡음 유입구간 검출.

Fig. 4. Detection of MA section in PPG signal.

표 1. 문턱치값 변화에 따른 검출율 변화.

Table 1. Detection rate variation as the threshold is changed.

Threshold 17 18 19 20 21 22 23

MA 없는 구간을 있다고 판단 ( 회 ) 6 5 2 1 0 0 0

MA 있는 구간을 없다고 판단 ( 회 ) 2 3 4 3 6 7 7

총 실패 횟수 ( 회 ) 8 8 6 4 6 7 7

검출율 (%) 91.8 91.8 93.8 95.9 93.8 92.8 92.8

5 제2 고조파, 제3 고조파 성분을 중심으로 많이 배치하고, 그

외의 주파수는 일정 간격을 유지하였다.

그림 6의 평균 심박수 70bpm PPG 신호의 경우, Goertzel 주파수를 0.5 1.1 1.2 1.3 1.4 2.0 2.2 2.3 2.4 2.5 3.0 3.5 3.6 3.7 4.0 5.0로 결정하여 실험하였다. 총 4가지의 동잡 음을 구간별로 혼입하였다. 각 동잡음은 10초 부근의 손목 옆으로 흔들기, 40초 부근의 손목 아래위로 흔들기, 60초 부근의 손가락 움직이기, 70초에서 90초 사이 자유롭게 움 직이기를 통해 발생시켰다. 실험에 적용한 4가지 동잡음 구 간의 주파수 스펙트럼을 그림 5에 나타내었다. 그림 2의 동 잡음이 없는 구간의 주파수 스펙트럼과 비교해보면 주파수 성분의 대부분이 5 Hz이내에 분포하고 있고, 동잡음이 없는 상태에서의 PPG 신호와 중첩되어 나타나거나 가장 인접한 영역에서 나타남을 볼 수 있다.

그림 6의 아래 부분은 본 논문에서 제안한 알고리즘을 통 해 각 섹션의 스펙트럼을 분석하고 각 스펙트럼의 오차 성 분의 합을 구한 후, 그 값을 기반으로 동잡음 유입 여부를 판단한 그림이다. 각 섹션의 동잡음 유입 여부의 판단 기준 은 먼저 시간 영역 파형을 각 섹션별로 확인하여 그 섹션의 동잡음 유입 여부를 판정하여 동잡음 유무의 기준으로 하였 다. 표 1과 같이 문턱치값을 변화시키면서 실험한 결과, 문 턱치를 20으로 결정하였을 때, 가장 우수한 검출율을 보였 다. 총 97개의 구간 중, 31개의 구간을 동잡음 유입 구간으 로 판단하였다. 이 결과는 동잡음이 유입되지 않은 15초 구 간을 동잡음 유입 구간으로 판별하였으며, 71초 이후 3개의 동잡음 유입 구간을 검출하지 못하였다. 이는 95.9%의 정 확도를 나타낸다.

본 논문에서 제안한 방법의 연산 효율성을 검증하기 위해

N-포인트 FFT와 연산 시간 및 검출율을 비교하여 표 2에 나타내었다. 256-포인트 FFT를 수행한 결과 본 논문에서 제안한 Goertzel algorithm을 적용한 실험과 같은 검출율을 그림 5. 동잡음이 혼입된 4개의 PPG 신호 구간의 주파수 스펙트럼.

Fig. 5. Frequency spectrums of 4 sections of the PPG signal with Motion Artifacts.

그림 6. 범례 “4개의 동잡음 구간 검출 결과”.

Fig. 6. Legend “Detection result of the section with the 4 kinds of Motion artifacts”.

표 2. 연산 효율성 검증.

Table 2. Verification Operation Efficiency.

Algorithm 수행시간 (ms) 실패구간수 검출율 (%)

32-point FFT 21.529 11 88.7

64-point FFT 43.391 10 89.7

128-point FFT 75.001 7 92.8

256-point FFT 133.621 4 95.9

Goertzel

(proposed method) 38.660 4 95.9

6

보였으나, 수행시간은 3.5배 정도 더 긴 시간이 걸렸다. 연산 수행 시간을 줄이면서 실험한 결과, 32-포인트 FFT를 수행 하였을 때, 수행시간이 제안된 알고리즘에 비해 빨랐으나, 검출율은 7.2% 포인트 낮게 나타났다.

IV. 결론 및 토의

본 논문에서는 PPG 신호를 특정 길이의 구간으로 나눈 뒤, 각 구간에 Goertzel 알고리즘을 이용하여 동잡음 유입 여부를 판별할 수 있었다. Goertzel 알고리즘은 생체신호와 같이 주파수 특성을 파악할 수 있는 신호의 경우, 원하는 주 파수 성분만을 골라 스펙트럼을 구할 수 있어 최소한의 연 산으로 최대한 효율적인 신호처리를 하기에 적합한 알고리 즘이다[11]. Goertzel 알고리즘을 적용한 제안된 방법으로 PPG 신호의 동잡음 구간을 검출할 때, 검출율을 떨어뜨리 지 않으면서 연산 수행 시간을 줄일 수 있었다.

본 논문에서 제안한 방법을 웨어러블 기기 등 필드에 적 용하려면 참조 신호구간의 선정과 동잡음 유입 여부를 결정 할 문턱치값의 자동 결정을 위한 알고리즘 개발에 관한 연 구가 진행되어야 할 것이다. 특히 정확한 참조 신호구간의 선정은 중요한 부분인데[12,13], 잘못된 참조 신호구간의 선 정은 대부분의 신호구간을 모두 동잡음 유입구간으로 잘못 판정할 가능성이 높기 때문이다. 일부 PPG 신호를 사용하 는 기기는 기동 초기에 피측정자의 움직임을 제한하여 참조 신호를 얻는 방법을 적용하는 경우도 있고, 본 논문에서도 초기 동잡음이 유입되기 전의 신호구간을 참조신호로 선정 하여 알고리즘을 적용하였다.

본 논문에서 제안한 방법으로 검출한 동잡음 유입 구간을 제외한 PPG 신호 구간을 이용하여 심박수, HRV, SpO2 등 의 생체 정보를 추출한다면 생체 정보의 정확도를 높일 수 있을 것으로 기대한다.

References

[1] J. Allen, “Photoplethysmography and its application in clini- cal physiological measurement”, Physiological measurement, vol. 28, no. 3, pp. R1-R39, 2007.

[2] Zhilin Zhang, “Photoplethysmography-based heart rate mon- itoring in physical activities via joint sparse spectrum recon- struction”, IEEE TRANSACTION ON BIOMEDICAL ENGINEERING, vol. 62, no. 8, pp. 1902, AUGUST 2015.

[3] B.A. Shapiro, W.T. Peruzzi, and R. Templin, Clinical Appli- cation of Blood Gases, 5th ed., vol. 64, Mosby, St. Louis, MO, USA, 1994.

[4] M. Raghu Ram, K. Venu Madhav, E. Hari Krishna, Nagar- juna Reddy Komalla, and K. Ashoka Reddy “A Novel Approach for Motion Artifact Reduction in PPG Signals Based on AS-LMS Adaptive Filter”, IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, vol. 61, no. 5, MAY 2012.

[5] Seyedtabaii S, Seyedtabaii L, “Kalman filter based adaptive reduction of motion artifact from photoplethysmographic signal”, Internal J of Electronics, Circuits and systems, 2008.

[6] B.S. Kim and S.K. Yoo, “Motion artifact reduction in pho- toplethysmography using independent component analysis”, IEEE Transactions on Biomedical Engineering, vol. 53, Issue 3, March 2006.

[7] H. Lee, J. Lee, W. Jung, G. Lee, “The periodic moving aver- age filter for removing motion artifact from PPG signals”, International J of Control, Automation and Systems, vol. 5, no. 6, 2007.

[8] H.J. Park, D.K. Sim, J.S. Ryu. Digital signal processing. Paju Korea: Life & Power Press. 2009, pp. 252-254.

[9] Z. Xiaopeng, Z. Shaochun, P. Zhigeng, Y. Ruwei, Enterain- ment for Education. Digital Techniques and Systems, 1st ed., July 2010, pp. 238.

[10] J.M. cho, Y.K. Sung, K.W. Shin, D.J. Jung, Y.S. Kim, N.H.

Kim, “A preliminary Study on Photoplethysmogram (PPG) Signal Analysis for reduction of Motion Artifact in Fre- quency Domain”, IEEE EMBS International conference on biomedical Engineering and Sciences, 17th-19th December 2012.

[11] Kevin Banks, “The Goertzel Algorithm”, Embedded Systems Programming, Aug., 2002.

[12] J.Y. Lee, “The potion artifacts reduction from the PPG based on EWMA”, The Journal of Digital Policy & Management, Aug., 2013.

[13] H. Lee, H. Seo, W. Jeong, D. Jang, G. Lee, “Detection the biomedical information using the piezo film sensor”, KIIECT, vol. 3, no. 3, 2010.