Ⅰ. 서론
비접촉 방식으로 호흡이나 심박을 측정하는 방법에 대한 연구가 매우 큰 주목을 받고 있다. 피검자에서 불편함을 주는 센서를 부착할 필요 없이 주요 생체신호를 측정할 수 있어 수면다원검사 (polysomnography) [1, 2]나 수면각성활동량검사 (actigraphy) [3], 수면무호흡탐지 [4, 5]에서 많이 활용되고 있고, 재실탐지 (occupancy detection) [6]나 지진, 건물붕괴 등 재난지역에서의 생존자 탐지 [7]를 위해서도 사용될 수 있다.
이러한 비접촉 생체신호 측정을 위해서 레이더 기반 센서를 활용하는 것이 가장 널리 사용되고 있다. 사용되는 레이더는 도플러 (Doppler) 방식과 IR-UWB (Impulse Radio Ultra Wide Band) 방식이 있는데, 도플러 레이더는 Null Point 문제로부터 자유롭지 못하고 [8], 심박과 같은 미세한 이동의 탐지는 어려우므로 IR-UWB 방식이 최근에 많이 사용되고 있다. 특히, IR-UWB 방식은 저전력, 잡음수준의 송신파워를 가지므로, EMI에 취약한 여타 의료기기들과의 함께 사용될 수 있다는 장점을 갖는다.
최근 IR-UWB 레이더를 이용하여 심박 수와 심장의 활동을 비접촉 방식으로 측정하는 많은 방법들이 연구되어 왔다. Fast time 도메인에서 가장 진폭의 변화가 큰 신호를 호흡 신호로 간주하고, slow time 도메인에서 호흡 신호와 호흡 신호의 고조파 (harmonic signal)를 필터링하고 남은 신호를 심박 신호로 간주하는 방법이 가장 널리 사용되고 있다 [9]. 하지만, 러한 방법은 불필요한 모션에 의한 간섭이나 배경 잡음 (background noise)이 과도하게 추가되어 정확한 심박신호를 검출하기는 거의 불가능하다.
관련연구 [10]의 저자들은 피검자의 모션감지를 통해 불필요한 움직임으로 인한 호흡 및 심박신호의 잘못된 검출을 방지하는 방법을 제안하였다. 그리고, 피검자가 정지 상태에서 심박신호 측정을 일정 횟수 반복하여 가장 많이 관찰되는 주파수를 심박 수로 간주하는 방법을 제안하였다. 이 방법은 호흡신호 고조파의 간섭으로 인한 심박 측정의 오류를 줄일 수 있는 장점이 있다. 하지만, 반복측정으로 인해 심박의 실시간 측정이 불가능하여 심박 수의 변화를 실시간으로 추적하는 것이 불가능하다. 특히, 퓨리에 변환을 통해 호흡과 심박 신호의 주파수를 추출하는데, 충분한 주파수 분해능을 얻기 위해서는 오랜 샘플시간이 필요하게 된다, 예를 들어, 분당 호흡 5회의 변화는 대략 0.08Hz의 초당 주파수 변화를 발생시키고, 이 주파수 분해능을 얻기 위해서는 샘플링 속도가 초당 10회라고 가정했을 때, 대략, 12.5초 분량의 샘플블록이 필요하게 된다.
관련 연구 [11]은 IR-UWB를 이용하여 심박신호를 탐지하고자 할 때, 피험자가 호흡을 정지한 상태 (즉, 심박에 의한 미세한 흉곽 움직임만 있는 상태)에서 측정하는 방법을 사용하는 방법을 제안한다.
관련 연구 [12]는 레이더로부터 수신된 신호에 퓨리에 변환과 대역 통과 필터를 적용하고, 윈도우 함수와 Chirp-Z 변환을 적용하여 심박 신호를 검출하는 방법을 제안하고 있다. 하지만, 이 방법 역시 퓨리에 변환을 사용하고 있기 때문에 충분한 샘플블록을 확보해야 정확한 심박신호의 추출이 가능하다는 단점을 갖는다. 그리고, 피검자의 움직임으로 인한 부정확한 심박 검출에 대해서는 고려하고 있지 않다.
관련 연구 [13]는 다른 연구들과 달리 움직이고 있는 피험자로부터 심박신호를 검출하는 방법을 다루고 있다. Kalman 필터를 이용하여 레이더와 피험자간의 움직임으로 인한 거리 변화를 추정하여 움직임으로 인한 신호의 왜곡을 보상하는 방법을 제안한다.
이 논문에서는 호흡주파수가 제거된 신호에 피크감지 (peak detection)를 적용하여 기본 심박 주파수를 추정하고, 제일 자주 등장하는 주파수를 심박 주파수로 하는 방법과 이동평균 (moving average)를 사용하여 추정하는 방법 두 가지를 사용한다. 이렇게 함으로써, 높은 주파수 분해능과 실시간 심박 탐지가 가능해진다.
심박의 움직임으로부터 반사되는 레이더 신호는 매우 미약하여 몸의 움직임 또는 호흡 신호에 의해서 크게 간섭을 받게 된다. 따라서, 정확하고 신속한 모션 감지와 호흡 주파수 탐지가 선행되어야 한다. 이 논문에서는 자기상관 (auto correlation) [10] 방법을 사용하여 모션 감지를 하고, 정확한 호흡 주파수의 빠른 추정을 위해 곡선맞춤 (curve fitting)의 일종인 사인맞춤 (sine fitting)을 사용한다.
이 논문의 나머지는 다음과 같이 구성된다. 2장에서는 본 논문에서 제안하는 알고리즘에 대해서 기술하고, 3장에서는 구현 및 실험에 사용된 개발환경을 기술한다. 4장에서는 구현된 알고리즘의 실험 및 측정 결과를 기술하고, 5장에서 이 논문의 결론을 맺는다.
Ⅱ. 알고리즘
이 장에서는 호흡과 심박을 측정하는 과정을 기술한다. 대략적인 측정과정은 그림 1에 표현되어 있다.
그림 1. 호흡과 심박 탐지 절차
Fig. 1 Procedure of respiration and heartbeat detection
1. 피검자 위치 감지
그림 2에 표현되어 있는 그래프는 레이더를 통해 수신된 신호의 세기 (y축)를 프레임 (x축)별로 표현한 것이다. 여기서, 프레임은 레이더로부터 거리를 표현한다. 여기서, 프레임은 레이더로부터 거리를 표현한다. 한 프레임은 약 0.7cm의 거리에 해당되며 해당 프레임의 y축 값은 그 프레임에 해당하는 위치로부터 반사된 신호의 세기를 의미한다.
그림 2. 피검자의 위치 판별
Fig. 2 Detecting patient’s location
우선 피검자가, 들숨과 날숨으로 인한 흉부의 움직임 이외에는 아무런 움직임이 없는 상태에서 수신되는 레이더 신호의 진폭변화가 가장 큰 프레임을 감지하고, 이 프레임이 표현하는 위치에 피검자가 있는 것으로 간주할 수 있다. 만약, 프레임 120에서 가장 큰 진폭의 변화를 보인다면 피검자는 대략 레이더로부터 84cm 떨어진 곳에 위치하고 있는 것으로 파악할 수 있다. 그림 2 (a), (b)에서 보이는 바와 같이, 두 그래프에서 대략 프레임 70정도에서 가장 큰 폭의 변화를 보이고 있음을 알 수 있다. 이 프레임 값만 추출하여 진폭의 변화를 표현하여, 호흡으로 인한 흉부 움직임의 주파수를 측정한다.
2. 모션감지 기준점 탐지
피검자가 측정 도중 불필요하게 움직이면, 측정된 호흡 및 심박 주파수의 정확한 측정은 당연히 불가능하다. 따라서, 이러한 움직임이 있는 상태에서 측정된 신호는 무시되어야 하고, 움직임인지 아닌지를 판단하는 기준이 마련되어야 한다.
본 논문에서는 참고문헌 [10]에서 사용하고 있는 자기상관 (autocorrelation) 방법을 약간 개선한 모션감지 방법을 사용한다. 이 방법은, 호흡파 중간 위치 신호 폭의 평균값 변화를 통해 모션을 감지하는 것이다.
일정시간 (실험에서는 대략 10초) 동안 호흡파의 중간 신호폭들을 측정하여 그 폭들의 평균값을 획득한다. 이 평균값이 모션감지를 위한 기준 값이 되며, 이 기준값과 측정된 호흡파의 폭이 일정 값 (실험에서는 50%) 이상의 오차가 나는 경우 피검자가 움직이고 있는 것으로 간주한다.
참고문헌에서는 신호폭의 표준편차 변화를 통해 모션을 감지하였으나, 우리는 평균을 사용한다. 그 이유는 표준편차를 사용하게 되면 큰 움직임이 긴 시간동안 지속해서 발생하는 경우 표준편차 자체에는 변화가 없어 모션 감지에 실패하는 것을 관찰했기 때문이다. 즉, 피검자가 정지상태에서 호흡만하고 있을 때, 신호폭의 표준편차와 움직이고 있을 때, 신호폭의 표준편차에 큰 차이가 없는 경우가 많이 발생하고, 이로 인해 움직임 감지에 실패하는 경우를 실험에 많이 관찰하였다.
모션감지가 발생되면 그림 3에 표현되어 있는 것처럼 측정 화면에 표시가 되도록 하고, 심박 주파수 측정 절차가 수행되지 않도록 한다. 위 그래프에서 x축은 수신한 샘플신호의 프레임 번호를 나타내며, 한 프레임간의 간격은 1/fps (frame per second)초 이다. 참고로, 본 논문에서 수행한 모든 측정은 fps = 150으로 하고 이루어졌다.
그림 3. 피검자의 움직임이 감지된 상태
Fig. 3 Signal corruption by patient’s random body movement
참고로, 피검자가 바뀌게 되면, 새로운 피검자를 대상으로 모션감지 기준점 탐지 과정을 수행하여야 한다.
3. 클러터 성분 감쇄
호흡파의 클러터 성분을 감쇄하기 위해 참고문헌 [14]에서 제안하는 background subtraction 방법을 사용한다. 호흡신호의 background를 추정하여, 측정된 신호로부터 빼주는 방법이다, Background는 호흡신호와 이전 단계에서 추정된 background의 이동평균을 적용하여 추정된다.
4. 호흡파의 추출
클러터 성분이 감쇄된1) 호흡파의 주파수를 추정하기 위해, 사인맞춤을 수행한다. 이를 위해, 우선 클러터 성분이 감쇄된 호흡파의 신호로부터 진폭, 오프셋, 주파수의 예측 값을 추출한다.
진폭은 신호 값의 표준편차의 두 배로 하고, 오프셋은 신호 값의 평균으로, 주파수의 예측은 이전 곡선맞춤 단계에서 추정된 값으로 한다. 단, 처음 곡선맞춤을 수행하는 단계에서는 이전 값이 존재하지 않으므로 퓨리에 변환 (Fourier Transform)을 주파수를 추정한다.
측정된 신호 값들을 Xi 라고 했을 때, 최소제곱법 (minimum square error)에 의해서 아래와 같이 가장 근사한 정현파 f(x)를 추출한다.
\(f(x)=Asin(wx+p)+C\) (1)
\(\min _{A, w, p, C} \sum_{i}\left(X_{i}-f\left(X_{i}\right)\right)^{2}\) (2)
사인맞춤을 수행한 후, 계산된 w 로부터 호흡신호의 주파수를 추정할 수 있다.
추가적으로, 호흡 신호의 파워가 미세한 경우, 호흡신호 검출이 불가능하다 (그림 4 참조). 이렇게 호흡 신호의 세기가 미세한 경우 (실험에서는 신호 값이 0.0015 미만이면 호흡이 없는 것으로 간주하고, 이 값은 반복 실험을 통해 얻어진 수치임) 에도 심박주파수 측정 절차를 수행하지 않는다.
그림 4. 호흡신호가 수신되지 않고 있는 상태
Fig. 4 Weak signal when not receiving respiration signal from patient
호흡신호가 수신되지 않는 경우는 피검자가 호흡 자체를 멈춘 경우에도 해당이 되지만, 피검자의 위치가 변함에 따라, 호흡 신호 검출 자체가 안되는 경우에도 해당이 될 수 있다. 이러한 경우는, 피검자의 위치 탐지 과정을 재차 수행하여야 한다.
5. 호흡신호와 고조파 필터링
추정된 호흡신호와 호흡신호의 고조파를 필터링하기 위해 노치 필터 (notch filter) 를 사용한다. 실험에서는 추정된 호흡신호 주파수의 3배수 주파수 성분까지 필터링 하도록 했다. 추가적으로, 심박 신호로 간주할 수 있는 주파수 구간 (실험에서는 0.7Hz ~ 0.2Hz)을 제외한 주파수 구간을 대역 통과 필터를 사용하여 추가적으로 필터링한다.
6. 심박신호의 검출
호흡신호와 고조파 필터링까지 완료된 신호를 대상으로 심박수 검출을 수행한다. 심박에 의한 레이더 신호의 진폭변화는 매우 미세하므로, 모션감지 모듈에서 감지되지 않는 미세한 움직임과 부정확한 호흡신호, 그리고, 호흡 주파수의 고조파 간섭은 정확한 심박 주파수 추출을 방해한다.
따라서, 이러한 방해 요인을 최소화하기 위해 측정된 심박 주파수의 이동 평균과 일정 측정 구간에서 가장 자주 측정되는 주파수를 심박 주파수로 간주하는 두 가지 방법을 적용한다.
우선 심박신호의 주파수는 일정 샘플링 구간2) 내 신호의 피크거리 (peak-to-peak distance)의 평균값을 통해 추정된다.
피크거리가 d로 측정되었고, 초당 s로 샘플링을 수행한다면, 피크의 주기(t) 는 d/s로 얻어지고, 이의 역수를 취함으로써 초당 심박 횟수를 추정할 수 있다.
심박신호의 진폭은 급격하게 변화를 하므로, 피크로 간주하는 진폭을 최대 신호세기의 30% 이상으로 하였다.
6.1 이동평균에 의한 추정
심박신호 주파수의 이동평균 (Hbavg)은 아래의 식을 이용하여 계산한다.
\(Hb_{avg}=Hb_{t-1}\times 0.95+Hb_t \times 0.05\) (3)
Hbt-1은 이전 샘플링 구간에서의 이동평균 값이고, Hbt는 현재 측정 구간에서 평균 피크거리에 의해 추정된 심박 신호 주파수이다. 심박의 측정 정확도가 낮기 때문에, 부정확한 측정이 평균에 반영되는 것을 억제하기 위해 새로 구한 평균값에 0.05의 가중치 (weight)만 부여한다. 이는 반복 실험에 의해 결정된 값으로, 부정확한 호흡 측정이 심박 검출에 반영되는 것을 억제한다. 그리고, 측정속도가 빠르기 때문에 (초당 150회 측정) 정확한 호흡 측정이 재개 되었을 때, 0.05 정도의 가중치로도 신속하게 평균값에 반영되는 것을 확인하였다.
가중치를 0.05보다 큰 값으로 정할 경우, 정확하기 않은 심박 측정 결과가 이동 평균에 지나치게 신속하게 반영되는 경향을 관찰하였고, 반대로 작은 값을 갖는 경우에는 실제 심박에 변화가 발생하여도 이동 평균 값에는 변화가 없는 것을 관찰하였고, 정확한 심박 측정이 재개되어도 이동 평균에 반영이 되지 못하는 현상을 관찰하였다.
6.2 최대 등장횟수 측정에 의한 추정
우선, 심박 신호로 간주가 가능한 주파수 대역 (실험에서는 0.7Hz ~ 2.0Hz로 설정하고, 주파수 분해능은 0.1Hz 단위로 함)을 설정한다. 그리고, 샘플링 구간 내 심박 신호의 주파수를 평균 피크거리로 추정하고, 추정된 주파수의 측정 횟수를 1씩 증가시킨다. 샘플링 구간을 수십 차례 반복하게 되면, 명확하게 측정횟수가 가장 많이 등장한 주파수가 있을 것이고, 이를 심박 신호의 주파수로 간주하는 것이다.
Ⅲ. 측정 및 구현 환경
이 논문에서 제안하는 알고리즘의 구현과 성능 측정은 Novelda사에서 제작한 X4M03 IR-UWB 레이더 키트 (그림 5 참조) 를 기반으로 한다. 이 레이더는 0 ~ 25m 거리 이내에 서브 밀리미터의 해상도로 미세한 움직임을 감지할 수 있고 1.4GHz의 대역폭을 가지고, 7.29GHz의 중앙 주파수 영역에서 동작한다 [15].
그림 5. X4M03 레이더 개발 키트
Fig. 5 X4M03 IR-UWB radar kit
측정 환경은 그림 6에서 보이는 것처럼 피험자가 레이더 앞에 앉아서 호흡을 하고, 레이더 키트가 피험자로부터 수신된 레이더 신호 PC로 보내면 PC내에서 구현된 응용프로그램이 제어 및 신호처리를 하고, 그 결과를 화면에 표현하도록 한다.
그림 6. 실험 환경
Fig. 6 Experiment set-up
레이더 키트는 Novelda사에서 제공되는 Module Connector 드라이버를 통해 호스트 컴퓨터와 통신을 하며 응용프로그램은 C++, Matlab, 파이썬을 이용해 제작될 수 있는데, 이 논문에서는 파이썬과 관련 내장모듈들 (Numpy, Scipy, Matplotlib, peakutils)을 이용하여 논문에서 제안하는 알고리즘의 모든 부분 (제어 및 신호처리)과 처리 결과를 그래프로 표현하는 시각화 (visualization) 인터페이스를 작성한다.
Ⅳ. 실험 결과
실험을 위해 사용된 주요 파라미터는 다음과 같다. 이는 반복 실험을 통해 결정된 값으로, 가장 정확한 심박 신호 도출과 레이더의 성능, 신호처리 프로그램의 성능을 고려하여 결정된 값들이다.
- 레이더 수신신호 샘플링 회수: 30회/초
- 피검사 위치 탐지 구간: 35cm ~ 2.1m
- 피검자 위치 탐지를 위한 진폭변화 허용량: 0.03~0.4
- 최다 등장 주파수 및 이동평균 계산 구간: 150개의 샘플링구간
- 피검자 모션감지 기준: 모션감지 기준점의 50% 이상의 변화
- 최소 허용 호흡신호 세기: 0.0015
- 심박신호 탐지시 피크로 간주하는 진폭: 샘플링 구간 최대 신호세기의 30% 이상
- 심박신호로 간주하는 주파수 구간: 0.7Hz ~ 2.0Hz
피검자의 위치감지와, 모션감지는 2절에서 대략적인 실험결과를 기술하였으므로, 이 절에서는 클러터 성분 감쇄 부분부터 실험 결과를 기술한다.
1. 클러터 성분 감쇄
그림 7은 레이더로부터 받은 신호 가운데, 피검자의 위치에 해당하l는 프레임의 신호 값을 샘플링 한 것 (그래프 상에 ‘raw signall’ 이라고 표현)과 그 샘플링 된 신호의 클러터 성분을 앞서 기술한 방법으로 감쇄한 것 (그래프 상에 ‘clutter removed’ 라고 표현)을 표현한 것이다. 그래프에 표현되어 있듯이, 클러터 성분이 감쇄된 것을 확인할 수 있다.
그림 7. 원래 신호 (raw signal)와 클러터 성분을 감쇄한 신호 (clutter-removed)
Fig. 7 Raw signal vs. clutter-removed signal
2. 호흡 정현파 추출
우선, 사인맞춤에 의해 호흡신호와 주파수를 탐지한 결과를 그림 8에 표현한다. 그림에 실선이 클러터신호가 제거된 호흡신호이고, 그 신호와 가장 오차가 적은 정현파를 찾아 점선으로 표현한다. 그리고, 그 정현파의 주파수를 통해 추정된 분당 호흡 수 (RPM by sine fitting으로 표현) 가 분당 17회로 측정되어 아래 박스 부분에 표시되어 있다.
그림 8. 사인맞춤을 통한 분당 호흡수의 추정
Fig. 8 Estimation of respiration rate by sine-fitting
이렇게 사인맞춤을 통해 추정된 호흡신호의 주파수와 이 호흡신호의 고조파를 notch 필터를 이용하여 필터링하고, 추가적으로 심박신호의 주파수로 간주할 수 있는 대역만 대역통과 필터를 사용하여 추출한 신호가 그림 9에 표현되어 있다. 이 그래프에서 빨간 점으로 표시되어 있는 부분이 피크로 간주되는 부분이고, 이 피크와 피크간의 거리를 측정함으로써 심박신호의 주파수를 추정할 수 있다. 이렇게 추정된 분당 심박횟수와 계산된 이동평균 결과가 아래 박스 부분에 표시되어 있다.
그림 9. 심박신호의 추출과 분당 심박수의 추정
Fig. 9 Estimation of heart rate by peak detection
그림 10은 레이더를 통해 측정된 심박횟수와 심박측정기를 이용해 측정된 심박횟수의 결과를 비교한 것을 보이고 있다.
그림 10. 심박측정기와의 비교
Fig. 10 Comparison with heart rate monitor
그림 11은 부정확한 호흡 측정으로 인해 잘못된 심박 주파수가 추출되었을 때, 이동평균 (그래프 상에 ‘moving average’로 표현)과 최다 등장 측정주파수 (그래프 상에 ‘most common’으로 표현)는 실제 심박 주파수 (실제 심박은 분당 81~83로 측정됨) 를 어느 정도 유지하고 있음을 보여준다. 하지만, 부정확한 호흡 측정이 지속되는 경우, 정확한 심박 수 추정은 불가능하게 된다. 참고로, 그림 11의 두 번째 그래프의 x축은 샘플 구간을 의미한다.
그림 11. 이동평균과 최다 등장 측정주파수의 비교
Fig. 11 Estimation of heart rate by applying moving average
심박 측정 결과의 정확성과 심박측정기 측정결과와의 오차를 보다 명확하게 보이기 위해 측정과정을 영상으로 촬영하였다. 아래의 링크를 통해 측정과정 영상을 확인할 수 있다.
링크 1: https://youtu.be/9HV43Pghrq4
링크 2: https://youtu.be/_7weiLIGmFg
영상 초기에는 정확한 호흡의 측정이 한 번에 이루어지지 못하면서 심박측정 또한 부정확하게 수행되다가, 차 높은 정확성으로 심박을 측정함을 확인할 수 있다 (링크 2의 영상 참조). 그리고, 측정 중간에도 불필요한 미세 움직임에 의한 간섭으로 측정된 심박 수와 심박 측정기와 측정한 심박 수에 오차가 있음이 관찰되었다. 오차는 최대 ±25% 정도 발생하고, 약 3~4 초의 시간 후 간섭이 사라지면, 5% 이내로 오차가 감소하는 것을 관찰하였다.
V. 결론
호흡 및 심박 신호를 비접촉으로 측정하게 됨으로써 많은 이득을 취할 수 있다. 수면검사에서는 환자 몸에 부착하는 센서의 수를 최소화하여 검사의 정확성을 높일 수 있고, 재난지역에서의 생존자 탐지, 재실 탐지 등에도 유용한다.
IR-UWB 레이더는 이러한 비접촉 호흡과 심박 신호 검출에 매우 적합한 기술이다. 매우 낮은 전자기파 간섭과 밀리미터 단위의 미세한 움직임의 감지가 가능하기 때문이다.
IR-UWB로부터 수신된 신호는 피검자의 위치 감지, 모션 감지 기준 값 감지, 클러터 성분 감쇄의 과정을 통해 호흡 신호를 추출하고, 호흡 신호와 고조파 필터링 과정을 통해 심박 신호를 추출할 수 있다. 이 논문에서는 호흡 신호의 추출에는 곡선 맞춤을 사용하고, 심박 신호의 검출에는 피크 탐지 방법을 적용한다.
심박의 움직임으로 인한 레이더 수신 신호는 매우 미약하므로, 앞서 수행한 모션 감지, 호흡 신호 검출, 호흡 신호의 고조파 필터링에 오류가 있게 되면 정확한 심박 신호 추출이 방해를 받게 된다. 이러한 방해를 최소화하기 위해 이 논문에서는 일정 측정구간에서 이동 평균과 최다 등장 심박 주파수를 찾는 방법을 사용한다.
하지만, 이동평균과 최다 누적 심박 주파수 방법을 사용해도 여전히 전 단계에서 발생된 오류로 인한 잘못된 심박 수 추정이 빈번하게 발생한다. 특히, 호흡 주파수 측정이 지속적으로 정확하게 이루어지지 않은 경우에는 더 문제가 심각해진다. 이 문제를 완화하기 위해, 단순한 이동평균이 아닌 주파수 대역에서 다양한 윈도우 함수 필터의 적용을 하고자 한다. 또한, 피검자의 위치감지를 지속적으로 수행하여 가장 정확하게 호흡 신호를 감지할 수 있는 기능을 추가하고자 한다.
참고문헌
- "XeThru vs. Polysomnography (PSG) Comparative Study," Xethru Whitepaper By Novelda AS, 2016.
- S.S. Byun, "UWB Radar and Non-contact Polysomnography," Journal of Embedded Systems and Applications, Vol. 10, No. 1, pp. 33-40, 2015 (in Korean). https://doi.org/10.14372/IEMEK.2015.10.1.33
- J.W. Choi, Y.N. Lee, S.H. Cho, Y.H. Lim, "Sleep Efficiency Measurement Algorithm Using IR-UWB Radar Sensor," Journal of Korean Institute of Communications and Information Sciences, Vol. 42, No. 1, pp. 214-217, 2017 (in Korean). https://doi.org/10.7840/kics.2017.42.1.214
- I. Ko, H.C. Park, "Apnea Detection and Respiration Rate Estimation Using IR-UWB Radar Signals," Journal of Korean Institute of Electromagnetic Engineering and Science, Vol. 28, No. 10, pp. 802-809, 2017 (in Korean). https://doi.org/10.5515/KJKIEES.2017.28.10.802
- A.Q. Javaid, C.M. Noble, R. Rosenberg, M.A. Weitnauer, "Towards Sleep Apnea Screening with an Under-the-mattress IR-UWB Radar Using Machine Learning," Proseedings of IEEE International Conference on Machine Learning and Applications, pp. 837-842, 2015.
- H.B. Li, T. Kagawa, R. Miura, "A Real-time Indoor Position Trackking System Using IR-UWB," Proceedings of ASEAN IVO Forum, pp. 203-207, 2015.
- K. M. Chen, Y. Huang, J. Zhang, A. Norman, "A Microwave Life-detection Systems for Searching Human Subjects Under Earthquake Rubble and Behind Barrier," Journal of IEEE Transactions on Biomedical Engineering, Vol. 47, No. 1, pp. 105-114, 2000. https://doi.org/10.1109/10.817625
- O.B. Lubecke, P.-W, Ong, V.M. Lubecke, "10 GHz doppler Radar Sensing of Respiration and Heart Movement," Proceedings of IEEE Annual Northeast Bioengineering Conference, pp, 55-56, 2002.
- A. Lazaro, D. Girbau, R. Villarino, "Analysis of Vital Signs Monitoring Using an IR-UWB Radar," Proceedings of Electronmatnetics Research, pp. 265-284, 2010.
- F. Khan, S.H. Cho, "A Detailed Algorithm for Vital Sign Monitoring of a Stationary/non-stationary Human Through IR-UWB Radar," Journal of Sensors, Vol. 17, No. 2, pp. 1-15, 2017. https://doi.org/10.1109/JSEN.2017.2761499
- Y. Lee, J.Y. Park, Y.W. Choi, H.K. Park, S.H. Cho, S.H. Cho, Y.H. Lim, "A Novel Non-contact Heart Rate Monitoring Using Impulse-radio Ultra-wideband (IR-UWB) Radar Technology," Journal of Scientific Reports, Vol. 8, No. 1, pp. 1-10, 2018. https://doi.org/10.1038/s41598-017-17765-5
- H.S. Cho, Y.J. Park, "Accurate Heartbeat Frequency Extraction Method Using UWB Impulse Radar," Journal of IEIE Transactions on Smart Processing and Computing, Vol. 6, No. 4, pp. 246-252, 2017. https://doi.org/10.5573/IEIESPC.2017.6.4.246
- W. Yin, X. Yang, L. Li, L. Zhang, N. Kitsuwan, E. Oki, "HEAT: Approach for Heartbeat Monitoring with Body Movement Compensation by IR-UWB Radar," Journal of Sensors, Vol. 18, No. 9, pp. 1-18, 2018. https://doi.org/10.1109/JSEN.2018.2870228
- A. Lazaro, D. Girbau, R. Villarino, "Techniques for Clutter Suppression in the Presence of Body Movements During the Detection of Respiratory Activity Through UWB Radars," Journal of Sensors, Vol. 14, No. 2, pp. 2595-2618, 2014. https://doi.org/10.3390/s140202595
- Avaliable on : https://www.xethru.com/community/resources/x4m03-radar-sensor-datasheet.86/