Animal Health
NON-CONTACT HEALTH MONITORING SYSTEM BASED ON MILLIMETER-WAVE RADAR
NON-CONTACT HEALTH MONITORING SYSTEM BASED ON MILLIMETER-WAVE RADAR
- 저자: XiangRui Tang; Qian Guo; Dong Shen
- 출처: - (2026)
- DOI/링크: https://doi.org/10.61784/jpmr3087
- 연구 계열: Topics/Animal Health
- 게재일: 2026-07-30
TL;DR
밀리미터파 레이더(IWR6843AOPEVM)를 이용한 비접촉 생체신호(심박수·호흡) 모니터링 시스템을 개발하여 도베르만 3마리에서 데이터를 수집하고, 심박수가 상태 분류의 주요 지표임을 확인했다. 의사결정나무 분류 모델은 높은 정확도를 보였고, 설문 평가에서 휴대성과 연속 작동 시간이 개선 과제로 제시되었다.
1. 연구 배경 및 동기
- 다루는 문제: 반려동물 시장 확대에 따라 동물 보호·건강관리와 인간-동물 공존의 중요성이 커지고 있으며, 기존 생체신호 측정 방법은 침습적이거나 장시간 실시간 모니터링에 적합하지 않다.
- 기존의 공백 / 왜 필요한가: 비접촉식으로 동물의 흉벽 미세 움직임을 감지해 심박·호흡을 실시간으로 측정할 수 있는 휴대형 임베디드 시스템이 부족했다.
2. 관련 연구
- 기존 연구 흐름: 최근 FMCW 레이더, mmWave SoC, 인간 활동 인식, 다중 객체 추적, 자세·심박 추정 등 레이더 기반 생체신호 및 센싱 연구가 활발히 이루어지고 있다.
- 이 논문의 위치: 본 연구는 밀리미터파 레이더 기반 비접촉 생체신호 감지 기술을 동물(개) 건강 모니터링에 적용하여 하드웨어·신호처리·무선전송·머신러닝 분류·사용자 설문평가까지 통합한 포터블 임베디드 시스템을 제시한다.
3. 핵심 기여
- IWR6843AOPEVM 레이더와 ESP32 기반의 포터블 비접촉 생체신호 모니터링 시스템 설계·구현
- FFT 및 Kalman 필터링을 이용한 레이더 신호에서 심박·호흡 정보 추출
- 도베르만 3마리의 실제 데이터로 비모수검정, Spearman 상관분석, 의사결정나무 분류 모델 적용
- 설문조사를 통한 신뢰도·타당도 분석 및 제품 개선 방향 도출
4. 제안 방법론
- 전체 접근 논리: 레이더로 수집한 원시 생체신호를 신호처리 알고리즘으로 심박수·호흡수로 변환하고, 이를 동물의 일상 상태와 매칭하여 통계분석 및 머신러닝 분류로 유효성을 검증한 뒤, 사용자 설문을 통해 제품의 실용성을 평가했다.
- 단계:
- 하드웨어 설계: IWR6843AOPEVM 레이더, ESP32, OLED 디스플레이, 로터리 인코더, 무선모듈로 구성된 임베디드 시스템 구축
- 신호처리: FFT와 Kalman 필터링으로 레이더 에코에서 호흡·심박 주파수 추출 및 안정화
- 데이터 수집 및 통계분석: 도베르만 3마리에서 하루 동안 심박·호흡 데이터를 상태별로 수집, Friedman 비모수검정과 Spearman 상관분석 수행
- 분류 및 평가: CART 의사결정나무로 상태 분류 모델 학습(0.7 데이터 분할), 설문조사로 Cronbach’s alpha·KMO·Bartlett 검정을 통한 신뢰도·타당도 분석
5. 실험 설정
| 항목 | 내용 |
|---|---|
| 대상/재료 | 국내 사육 도베르만 핀셔 3마리(심박·호흡 데이터 각 그룹 288개 샘플), 설문 응답자 100명 |
| 처리 조건 | 하루 중 여러 일상 상태(state)에서 비접촉 레이더로 심박·호흡 데이터 수집, 의사결정나무 분류기는 지니 계수·best 분할 기준·0.7 훈련/검증 분할 적용 |
| 대조군 | 없음(단일군 반복측정 비교) |
| 측정 방법 | 심박수, 호흡수, Friedman 통계량, Spearman 상관계수, 의사결정나무 정확도·재현율·정밀도·F1, Cronbach’s alpha, KMO, Bartlett 검정 |
6. 실험 결과 분석
| 지표 | 변화(Δ) | 조건 · 유의성 |
|---|---|---|
| 심박수 그룹 간 차이(Friedman) | 통계량 4.292 | P=0.117, 유의하지 않음 |
| 호흡수 그룹 간 차이(Friedman) | 통계량 9.934 | P=0.007, 유의함 |
| 심박수-상태 Spearman 상관 | r=0.452 | P=0.000, 유의함 |
| 호흡수-상태 Spearman 상관 | r=0.247 | P=0.000, 유의함 |
| 의사결정나무 분류 성능(훈련셋) | 정확도 0.94, 재현율 0.94, 정밀도 0.939, F1 0.931 | 심박수가 주요 분류 기준 |
| 의사결정나무 분류 성능(테스트셋) | 정확도 0.938, 재현율 0.938, 정밀도 0.94, F1 0.933 | 훈련셋과 유사한 고성능 유지 |
| 설문 신뢰도(Cronbach’s alpha) | 0.738(표준화 0.723) | 7문항, 100표본, 수용 가능 수준 |
| 설문 타당도(KMO/Bartlett) | KMO=0.797, Bartlett P=0.000 | 요인분석 적합 |
제안 기전(인과 사슬):
밀리미터파 레이더가 흉벽의 미세한 주기적 움직임을 감지 → FFT·Kalman 필터링으로 심박·호흡 주파수 추출 → 심박수가 동물 상태와 강한 상관관계를 보여 의사결정나무 분류의 주요 특징으로 작동 → 상태 분류 및 건강 모니터링 가능
7. 비판적 평가
강점
- 비접촉·실시간·휴대 가능한 동물 생체신호 모니터링 시스템을 실제 하드웨어로 구현
- 통계검정, 상관분석, 머신러닝 분류, 설문 신뢰도·타당도 분석을 종합적으로 적용
- 실제 반려견을 대상으로 한 데이터 수집과 제품 사용성 평가 병행
한계 · 의문
- 실험 대상이 도베르만 핀셔 3마리로 표본 크기가 매우 작음
- Kalman 필터 수식 및 FFT 세부 알고리즘이 원문에 명확히 제시되지 않음
- 연속 작동 시간과 휴대성 등 제품 완성도 측면의 한계가 설문에서 지적됨
8. 향후 연구 방향
- 항간섭 능력 개선
- 알고리즘의 적응성 향상
- 다중 대상(multi-target) 모니터링 지원 및 반려동물 돌봄·스포츠 건강·동물 안전관리 분야로의 제품화 확대
9. 결론
밀리미터파 레이더 기반 비접촉 생체신호 모니터링 시스템이 성공적으로 구현되었으며, 심박수와 호흡수가 동물 상태와 유의하게 연관되어 있고 의사결정나무 모델이 높은 분류 성능을 보였다. 설문 평가에서는 신뢰도·타당도가 양호했으나 휴대성과 연속 작동 시간의 개선이 필요하다.
Keywords
millimeter-wave radar, non-contact monitoring, vital signs, heart rate, respiration, FMCW radar, animal health monitoring, signal processing
원문 그림







원문 그림 · 라이선스: cc-by