Abstract
Motion artifacts of central and autonomic nervous system signals degrades the performance of the bio-signal based human factor analysis. Firstly, we propose a defining method of motion artifact section by analyzing successive image frames. Motion artifact section is defined when the amount of motion is greater than the pre-defined threshold. In here, the amount of motion is estimated by first derivation of image frames at temporal domain. Secondly, we propose another defining method of motion artifact section through designing 2D Gaussian probability density function model by analyzing feature vectors of one cycle of signal such as length and amplitude. The defined motion artifact sections are interpolated on the basis of 1D Gaussian function. At result of applying the method into photoplethysmography signal, we confirmed that the calculated heartbeat rate from the restored photoplethysmography came up to the one from electrocardiography. Also, we found that the video based method generated relatively more false acceptance of motion artifact section and the probability density function based method generated relatively more false rejection of motion artifact section.
자율신경계 및 중추신경계 반응 신호는 취득 시 피험자의 움직임이 있는 경우 노이즈가 첨가되어 의도한 분석이 불가능하게 될 수 있다. 본 논문에서는 생리신호 취득시 피험자의 영상을 동시에 촬영 및 분석하고 움직임을 감지하여, 생리신호의 노이즈 구간을 정의하는 방법을 제안한다. 움직임 감지를 위해 시계열에서 영상 프레임간 1차 미분하고 임계치 이상 움직임이 발생했을 때를 해당 신호의 노이즈 발생 구간으로 정의하였다. 또한, 영상을 사용하지 않는 방법으로써, 수집된 신호를 주기 단위로 분석하여 길이와 높이를 특징으로 한 정상 신호를 2차원 가우시안 확률밀도함수로 모델화하여, 신호의 훼손 구간을 정의하는 방법을 제안한다. 두 방법으로 정의된 훼손 구간은 가우시안 함수를 기반으로 보간하였다. 광혈류량 신호에 적용한 결과, 심전도 신호에서 추출된 평균 심박간격에 가까운 수치로 복원됨을 확인하였다. 또한, 영상기반 방법은 정상구간을 훼손구간으로, 신호기반 방법은 훼손구간을 정상구간으로 잘못 인식하는 경우가 나타남을 확인하였다.
