1 |
1
동일한 생체신호를 각각 측정하는 복수개의 센서;상기 복수개의 센서로부터 측정된 각각의 생체신호의 신뢰도를 판단하여, 상기 판단된 각각의 생체신호의 신뢰도 중 가장 높은 신뢰도를 가지는 하나의 생체신호만을 선택하되, 상기 선택된 생체신호의 신뢰도가 소정 이상인 경우에만 건강 파라미터 추정을 위한 유효 생체신호로 선택하는 생체신호 판별부; 및상기 선택된 유효 생체신호를 이용하여 상기 건강 파라미터를 추정하는 건강 파라미터 추정부;를 포함하고, 상기 생체신호는 심전도(ECG), 심탄도(BCG), 광용적맥파(PPG) 중 어느 하나이고, 상기 건강 파라미터는 부정맥, 심박, 체온, 스트레스 정도 중 적어도 어느 하나를 포함하는 건강파라미터 추정 시스템
|
2 |
2
제1항에 있어서,상기 생체신호 판별부는, 상기 각각의 생체신호의 신호특성을 추출하고, 추출된 상기 신호특성을 분류 알고리즘에 의해 분류하여, 상기 각각의 생체신호의 신뢰도를 판단하는 건강 파라미터 추정 시스템
|
3 |
3
제2항에 있어서,상기 신호특성은, 5 ~ 15Hz에서의 power, 0 ~ 1Hz에서의 power, 신호의 purity, 0 ~ 5Hz에서의 power, 신호의 kurtosis, 신호의 skewness, 신호의 high frequency mask, 및 신호의 엔트로피 중 적어도 하나를 포함하는 건강파라미터 추정 시스템
|
4 |
4
제2항에 있어서,상기 분류 알고리즘은, 서포트 벡터 머신(Support Vector Machine, SVM), 인공 신경망 회로(Artificial Neural Network, ANN), 선형판별분석(Linear Discriminant Analysis, LDA), 및 다중선형회귀분석(Multiple Linear Regression Analysis, MLRA) 중 어느 하나의 알고리즘인 건강 파라미터 추정 시스템
|
5 |
5
삭제
|
6 |
6
제1항에 있어서,상기 선택된 생체신호의 신뢰도가 소정 이상이 아닌 경우에는, 상기 각각의 생체신호를 조합하여 추정 생체신호를 생성하는 생체신호 추정부;를 더 포함하고,상기 생체신호 판별부는, 상기 추정 생체신호의 신뢰도를 판단하여 상기 추정 생체신호의 신뢰도가 소정 이상인 경우에만, 상기 추정 생체신호를 유효 생체신호로 선택하는 건강 파라미터 추정 시스템
|
7 |
7
제6항에 있어서,상기 생체신호 추정부는, 칼만 필터(Kalman Filter)에 의해 추정 생체신호를 생성하는 건강 파라미터 추정 시스템
|
8 |
8
제1항에 있어서,상기 복수개의 센서는, 무구속적으로 생체신호를 측정하는 비접촉식 센서인 건강 파라미터 추정 시스템
|
9 |
9
삭제
|
10 |
10
동일한 생체신호를 측정하는 복수개의 센서 각각에서 측정된 생체신호를 입력받는 생체신호 입력단계;입력된 각각의 생체신호의 신뢰도를 판단하여, 상기 판단된 각각의 생체신호의 신뢰도 중 가장 높은 신뢰도를 가지는 하나의 생체신호를 선택하되, 상기 선택된 생체신호의 신뢰도가 소정 이상인 경우에만 건강 파라미터 추정을 위한 유효 생체신호로 선택하는 생체신호 판별 단계; 및상기 선택된 유효 생체신호를 이용하여 상기 건강 파라미터를 추정하는 건강 파라미터 추정 단계;를 포함하고, 상기 생체신호는 심전도(ECG), 심탄도(BCG), 광용적맥파(PPG) 중 어느 하나이고, 상기 건강 파라미터는 부정맥, 심박, 체온, 스트레스 정도 중 적어도 어느 하나를 포함하는 건강 파라미터 추정 방법
|
11 |
11
제10항에 있어서,상기 생체신호 판별 단계는, 상기 각각의 생체신호의 신호특성을 추출하는 신호특성 추출단계;상기 추출된 각각의 신호특성을 분류 알고리즘에 의해 분류하여, 상기 각각의 생체신호의 신뢰도를 판단하는 신뢰도 판단단계; 상기 판단된 각각의 생체신호의 신뢰도 중 가장 높은 신뢰도를 가지는 하나의 생체신호를 선택하는 생체신호 선택단계; 및상기 선택된 생체신호의 신뢰도가 소정 이상인 경우에는 유효로, 상기 선택된 생체신호의 신뢰도가 소정 미만인 경우에는 무효로 판단하는 생체신호 유무효 판단단계;를 포함하는 건강 파라미터 추정 방법
|
12 |
12
제11항에 있어서,상기 신호특성은, 5 ~ 15Hz에서의 power, 0 ~ 1Hz에서의 power, 신호의 purity, 0 ~ 5Hz에서의 power, 신호의 kurtosis, 신호의 skewness, 신호의 high frequency mask, 및 신호의 엔트로피 중 적어도 하나를 포함하는 건강 파라미터 추정 방법
|
13 |
13
제11항에 있어서,상기 분류 알고리즘은, 서포트 벡터 머신(Support Vector Machine, SVM), 인공 신경망 회로(Artificial Neural Network, ANN), 선형판별분석(Linear Discriminant Analysis, LDA), 및 다중선형회귀분석(Multiple Linear Regression Analysis, MLRA) 중 어느 하나의 알고리즘인 건강 파라미터 추정 방법
|
14 |
14
삭제
|
15 |
15
제11항에 있어서,상기 생체신호 유무효 판단단계에서 무효로 판단된 경우, 상기 각각의 생체신호를 모두 조합하여 추정 생체신호를 생성하는 추정 생체신호 생성단계;상기 추정 생체신호의 신뢰도를 판단하여, 상기 추정 생체신호의 신뢰도가 소정 이상인 경우에는 유효로, 소정 미만인 경우에는 무효로 판단하는 추정 생체신호 유무효 판단단계;를 더 포함하고, 상기 건강 파라미터 추정 단계는, 상기 추정 생체신호가 유효인 경우에 상기 추정 생체신호를 이용하여 건강 파라미터를 추정하는 건강 파라미터 추정 방법
|
16 |
16
제15항에 있어서,상기 추정 생체신호 생성단계는, 칼만 필터(Kalman Filter)에 의해 추정 생체신호를 생성하는 건강 파라미터 추정 방법
|
17 |
17
제10항에 있어서,상기 생체신호는 무구속적 상황에서 비접촉식으로 측정되는 건강 파라미터 추정 방법
|
18 |
18
삭제
|