Jurnal_thesis_12.en.id.docx

Tersedia secara online di www.sciencedirect.com

ScienceDirect ICT Ekspres 2 (2016) 145-149 www.elsevier.com/locate/icte

Sebuah metode deteksi laju respirasi pada Android menggunakan UWB Impulse Radar✩ * Young-Jin Park , Hui-Sup Cho, Hong-Kun Lyu Divisi IOT-Robotics Konvergensi, DGIST, Daegu, Korea Selatan Menerima Juli 2016 29; menerima dalam bentuk direvisi 25 Agustus 2016; diterima 29 Agustus 2016 Tersedia online 21 September 2016

Abstrak Pemantauan tingkat respirasi penting karena dapat membantu untuk mendeteksi dan mencegah tingkat pernapasan abnormal yang dapat menyebabkan serangan jantung dan penyakit paru obstruktif kronik. Saat ini, sebagian besar pengukuran medis dan pemantauan perangkat yang baik invasif atau kabel tetapi orang ragu-ragu untuk melampirkan sensor fisiologis untuk tubuh mereka. Dalam studi ini, kami menyelidiki apakah real-time pengukuran medis bernapas menggunakan Novelda Ultra-Wideband Impulse Radio (IR-UWB) - yang tidak perlu melekat pada tubuh manusia dan juga non-invasif - mungkin di Android. hasil eksperimen yang diperoleh ditemukan sebanding dengan perangkat kesehatan komersial.

⃝c 2016 Korea Institute of Communications Ilmu. Layanan Penerbitan oleh Elsevier Ini adalah sebuah artikel akses terbuka di bawah CC BY-NC-ND lisensi (http://creativecommons.org/licenses/by-nc-nd / 4.0 /). Kata kunci: IR-UWB; Kesehatan; Pernafasan; Android; tertanam

1. Perkenalan Saat ini, kita menggunakan banyaknya perangkat pintar dan jaringan kawat-kurang, seperti smartphone, WiFi, dan Bluetooth, dan ada banyak persyaratan yang terkait dengan produk perawatan kesehatan pribadi dan penggunaan teknologi tersebut. sensor nirkabel elektronik dapat membantu untuk mengurangi biaya medis dengan menggunakan perangkat pintar sementara pasien tinggal di rumah. Selama lebih dari satu dekade, permintaan untuk standar daya nirkabel baru rendah telah berkembang di seluruh dunia untuk berbagai aplikasi komersial, seperti rumah dan otomatisasi bangunan, kesehatan, olahraga dan kebugaran, kesehatan, jaringan sensor, dan bahkan bidang otomotif. Kami telah mengembangkan sistem sensor EKG di Android menggunakan Bluetooth Low Energy (BLE) di [1]. Sensor EKG node, yang dapat memantau kondisi jantung pasien operasi jantung atau orang tua dalam kehidupan sehari-hari, dikembangkan. Sistem sensor ini diharapkan dapat mengatasi ketidaknyamanan sistem EKG pengukuran konvensional dan sebagai hasilnya, itu akan membantu untuk meningkatkan kualitas hidup pasien. Namun, ini *

Penulis yang sesuai. Alamat email: [email protected] (Y.-J. Park). peer review di bawah tanggung jawab Korea Institute of Communica-tions Ilmu.

✩

Tulisan ini merupakan bagian dari edisi khusus berjudul Edisi Khusus tentang Emerging Technologies untuk tamu Diagnostik Medis diedit oleh Ki H. Chon, Sangho Ha, Jinseok Lee, Yunyoung Nam, Jo Woon Chong dan Marco DiRienzo.

http://dx.doi.org/10.1016/j.icte.2016.08.012

Studi meneliti kelayakan penggalian laju respirasi menggunakan Novelda Ultra-Wideband Impulse Radio (IRUWB) modul, Hardkernel ini ODROID-Xu4, dan Android. metode penginderaan saat ini untuk kesehatan mempekerjakan sensor fisiologis seperti elektroda dan klip jari. Namun, orang yang ragu-ragu untuk melampirkan ini sensor fisiologis untuk tubuh mereka. IR-UWB tidak perlu melekat pada tubuh manusia dan juga non-invasif. Sistem ekstraksi laju respirasi dilaksanakan sebagai berikut: (1) pengaturan sistem Android pada papan tertanam,

(2) silang kompilasi perpustakaan untuk IR-UWB dan libusb-1.0, (3) implementasi algoritma di C ++ pada Android NDK, dan (4) pelaksanaan antarmuka pengguna (UI) menggunakan Java pada Android SDK. langkah-langkah implementasi ini dijelaskan di bawah ini.

2. pekerjaan Terkait 2.1. Sekilas IR-UWB Istilah Ultra-Wideband (UWB) mengacu pada frekuensi spek-trum dialokasikan oleh US Federal Communications Commis-sion untuk digunakan tanpa izin. Berbeda dengan teknologi narrowband konvensional seperti FM dan AM, teknologi UWB menyebar spektrum sehingga emisi pada setiap frekuensi sangat lemah, yang memungkinkan daya yang ditransmisikan total pada setiap frekuensi harus sama.

2405-9595 /⃝c 2016 Korea Institute of Communications Ilmu. Layanan Penerbitan oleh Elsevier Ini adalah sebuah artikel akses terbuka di bawah CC BY-NC-ND lisensi (http://creativecommons.org/licenses/by-nc-nd / 4.0 /).

146

YJ. Taman et al. / ICT Ekspres 2 (2016) 145-149

Gambar. 2. Tertanam perangkat dan UWB Impulse Radar.

disusun dan ditambal agar sesuai dengan sistem Android. Selanjutnya, sumber libusb Gambar. 1. Metode yang digunakan untuk mengukur respirasi dengan IR-UWB.

Satu bisa membayangkan mengolesi impuls deltaseperti Dirac radio narrowband di atas yang jauh lebih luas spektrum [2]. Untuk pengenalan menyeluruh untuk teknologi radio Wideband Ultra, lihat Siwiak dan McKeown [3].

2.2. Mengukur laju respirasi Sejumlah perusahaan, lembaga penelitian dan uni-versities seluruh dunia sedang meneliti penggunaan teknologi radar Wideband Ultra untuk melakukan non-kontak dan pengukuran non-invasif respirasi. Kedua aktivitas jantung dan respira-tory menyebabkan gerakan nyata dan terukur pada dinding dada. Ketika bertujuan radar untuk dada subjek, gerakan ini dapat direkam dan diproses untuk memperoleh tingkat pernapasan. Untuk pengukuran denyut jantung, estimasi frekuensi waktu window panjang cocok dilakukan. Sebuah jendela waktu terlalu lama mengurangi resolusi saat denyut jantung perkiraan, karena ratarata dalam jendela yang ditemukan. Sebuah terlalu pendek window menurunkan resolusi frekuensi denyut jantung. Ini adalah keterbatasan yang paling waktu-frekuensi distribusi wajah. Faktanya,2-4].

Tulisan ini memberikan informasi yang diperlukan untuk memahami konsep mendeteksi tingkat respirasi menggunakan Radar Novelda NVA-R661 Impulse pada Android. laju respirasi adalah mea-sured dengan terlebih dahulu mendeteksi variasi kecil di kejauhan kepada orang yang diuji. Hal ini dimungkinkan untuk mendeteksi paru-paru dan jantung bergerak-KASIH dengan memanfaatkan akurasi dan penetrasi kemampuan tinggi radar. The Novelda NVA-R661 Impulse Radar memancarkan pulsa sangat pendek dengan bandwidth yang tinggi, memberikan kemampuan penetrasi yang unik [4]. Metode yang digunakan untuk mengukur respirasi dengan IRUWB diilustrasikan padaGambar. 1.

3. Metode 3.1. sistem konstruksi Dalam studi ini, verifikasi eksperimental mengharuskan con-struction dari sistem embedded, seperti Android atau Linux, dan cross-toolchain untuk lingkungan lintas pembangunan. Selain itu, sumber Radarlib dari Novelda harus

juga harus disusun agar sesuai dengan sistem Android karena modul IR-UWB Nov-elda ini menggunakan SPI ke USB. (1) Membangun Sistem Lingkungan Embedded Kami dikonfigurasi Android (versi 4.4.4, Kitkat) pada memori MMC portabel dari ODROID-Xu4 tertanam papan (yang diproduksi oleh Hardkernel). perangkat tertanam dan UWB Impulse Radar, yang digunakan dalam makalah ini, akan ditampilkan diGambar. 2. (2) Mengatur Lingkungan Cross-toolchain Sebuah lingkungan lintas-toolchain diperlukan untuk mengkompilasi dan sesuai dengan sistem Android pada PC Linux. (3) Menciptakan Perpustakaan untuk Chip dan Modul Radarlib3 adalah sumber perpustakaan untuk chip IR-UWB dan modul yang disediakan oleh produsen. Kami silang dikompilasi pada PC Linux. Bahkan, sumbersumber perpustakaan disusun setelah mengubah direktori, sumber, dan file-file konfigurasi agar sesuai dengan sistem, Android, karena produsen mendukung perpustakaan selesai hanya pada Windows. Kami dikompilasi untuk Windows, Linux, Mac, Android, dan Atmel untuk menerapkannya ke PC dan embedded system.

Dalam tulisan ini, kami menyajikan sistem Android untuk mendapatkan sinyal dan pengolahan algoritma dari IR-UWB DVK (Development Kit). (4) Membangun Perpustakaan untuk Connection Libusb merupakan open-source untuk USB yang harus juga cross-disusun untuk menyesuaikan setiap sistem. Setelah kompilasi perpustakaan ini, beberapa file konfigurasi lingkungan di setiap sistem harus dimodifikasi untuk memungkinkan komunikasi antara sistem Android (USB) dan IR-UWB DVK (SPI).

3.2. Algoritma pengolahan Radar ini memiliki jendela waktu; yaitu, jendela waktu di mana radar dapat merekam gelombang tercermin dan menciptakan dataset. Window time berkaitan dengan jarak dengan cara berikut: radar memiliki 256 samplers dalam satu frame bahwa sampel dengan penundaan setara dengan 4 mm jarak antara setiap sampler; 256 samplers ini mewakili jendela waktu penuh sekitar 1 m [5].

Namun, kita tidak bisa mengukur laju respirasi pada 1 m, itu hanya mungkin pada jarak maksimum antara DVK dan orang dari 80 cm. Untuk pemantauan respirasi, window time penuh terlalu lama karena tempat tujuan berada dalam dimensi tubuh orang yang diuji. Ini berarti bahwa jendela berisi kelebihan data yang menghasilkan waktu proses yang lama; Oleh karena itu, dataset harus dikurangi.

YJ. Taman et al. / ICT Ekspres 2 (2016) 145-149

147

Gambar. 3. Blok diagram dari algoritma laju respirasi.

pindah jendela, seperti yang ditunjukkan padaGambar. 4(E) dan (f). Dengan kata lain, ukuran jendela dihitung dalam setiap langkah adalah 512 × 256.

Gambar. 4. Proses pembuatan jendela.

(1) Mengumpulkan frame Dalam studi ini, kami diekstraksi laju respirasi menggunakan langkah-langkah di bawah ini. Setiap langkah dimulai dengan matriks dua dimensi waktu yang mewakili jendela dataset direkam dari IR-UWB. Diagram blok dasar dari algoritma yang digunakan untuk menghitung laju respirasi per menit diberikan dalamGambar. 3.

Dalam studi ini, kami menerima sampler setiap 20 ms (milidetik-OnD) dan dikumpulkan untuk ukuran jendela 512. Sebuah jendela dapat dibuat di 10 s karena salah satu sampler diterima setiap 20 ms (512 × 20 ms = 10.240 ms; 10 s).

Jendela kemudian diolah dengan algoritma kami dan menampilkan satu respirasi per menit (RPM) hasil pada aplikasi Android. (2) Membuat jendela Langkah-langkah yang digunakan untuk membuat jendela yang digambarkan dalam Gambar. 4. DiGambar. 4(Sebuah), jendela saat kosong. Selanjutnya, pada menerima sampler dari DVK itu alloberdedikasi di jendela seperti yang ditunjukkan pada Gambar. 4(B). Ketika jendela penuh pada ukuran 512 × 256, seperti dalamGambar. 4(C), algoritma Calcu-lambatnya satu RPM. Berikutnya, sampler yang diterima pertama kali di jendela saat dihapus, seperti yang ditunjukkan padaGambar. 4(D). Sebuah sam-pler baru kemudian ditambahkan ke jendela saat ini untuk

Gambar. 5 menggambarkan hanya tiga samplers (3 × 256) dari orang bernapas dengan indeks tiga dimensi (3D) axis. Selanjutnya, menerima sampler akan ditumpuk sampai jendela sepenuhnya berurutan. (3) Menerapkan transformasi Fourier cepat Setelah selesai koleksi jendela, langkah berikutnya adalah untuk menghitung transformasi Fourier cepat (FFT). Bernapas adalah gerakan periodik; frekuensi (tingkat) dapat diekstraksi dengan melakukan Fourier Transform. Puncak pada output dari FFT sesuai dengan frekuensi dominan yang, dalam kasus kami, adalah tingkat pernapasan [6]. FFT algoritma diterapkan untuk merasakan frekuensi pernapasan tubuh. Namun, hanya mengambil puncak FFT tidak memberikan perkiraan yang akurat dari laju respirasi. Dengan demikian, pada saat penyelesaian langkah FFT, low pass filter diaplikasikan dengan tujuan menghilangkan perubahan yang cepat yang tidak diinginkan yang mungkin terjadi dalam dataset. (4) Puncak deteksi Ia menemukan semua indeks sampler yang muncul puncak maksimum dan kemudian indeks ini digunakan untuk membuat histogram. sampler frekuensi tinggi akan ditunjuk untuk sampler referensi. Tahap radar pulsa bervariasi dengan berlalunya waktu setelah penggalian data berdasarkan waktu sumbu sampler referensi sepertiGambar. 5. Namun, data berdasarkan pada sumbu waktu yang dicampur kebisingan di Gambar. 5. Oleh karena itu, sampler referensi telah harus melewati sebuah band-pass filter dan itu menunjukkan bentuk gelombang diGambar. 6. Perhatikan bahwa setiap interval puncak adalah periode pernapasan.

(5) Menghitung satu RPM Setelah semua langkah-langkah sebelumnya telah diproses, RPM dihitung dengan menggunakan (1). Selain itu, (2) dan (3) di bawah ini, masing-masing, digunakan untuk menghitung periode (T) dan frekuensi (Hz) untuk (1): RPM = Frekuensi × 60 Periode (T) = rata-rata puncak × 20 ms

(1) (2)

Frekuensi (Hz) = 1 / Periode.

(3)

Akhirnya, ketika salah satu nilai RPM telah dihitung secara tepat, sampler yang diterima pertama dari DVK di jendela harus dihapus. Sebuah jendela sekarang memiliki ukuran 51 × 256 dan harus menerima satu sampler baru dari DVK. Sampler baru diposisikan dalam array dua dimensi lalu setelah relokasi samplers

148

YJ. Taman et al. / ICT Ekspres 2 (2016) 145-149

Gamb ar. 7. lingkungan percobaan. Tabel 1 Hasil dan tingkat kesalahan. subyek

Gambar. 5. Sinyal pernapasan diamati dalam data time-axis.

Hasil BM3 Rata-rata (10 kali)

Kesalahan

Jarak mm

SEBUAH

12,7 11

13.78 11,59

8.1 5.4

700 500

B

19,5 19,57

19.99 19,15

2,5 2.1

700 500

C

10 13

11.75 13,38

7.8 2.8

700 500

10%, bila dibandingkan dengan perangkat BM3 di semua percobaan. juga Android

Gambar. Periode respirasi 6. Menghitung.

di jendela. Proses ini telah dijelaskan denganGambar. 3 di Bagian 3.2. 3.3. Menerapkan algoritma di Android Real-time akuisisi data manusia dan pengolahan direalisasikan oleh perangkat lunak yang ditulis dalam Android NDK. Berikut implementasi kode MATLAB dan C ++ untuk memvalidasi algoritma lebih mudah, Android NDK perpustakaan dan aplikasi SDK dilaksanakan. 4. Percobaan Dalam studi ini, kami menerapkan dan dilakukan realtime monitoring respirasi. Hasilnya dibandingkan dengan perangkat kesehatan komersial (BM3 yang diproduksi oleh Bionet). Lingkungan percobaan digambarkan dalamGambar. 7. Jarak antara radar subjek dan dorongan yang ditetapkan untuk 500 mm atau 700 mm dan tunduk tetap postur dalam percobaan ini untuk mengukur RPM. Pertama, setiap subjek terpasang elektroda biokompatibel untuk menghubungkan ke BM3 di tubuh mereka (LL, LA, RA). Sebagai langkah kedua, itu harus dipantau pada perangkat membandingkan BM3 dan kemudian dieksekusi aplikasi android yang dikembangkan. Akhirnya, hasil RPM diperoleh dari dua perangkat yang sebanding. Hasil dan tingkat kesalahan dari percobaan ini dengan tiga mata pelajaran dirangkum dalamTabel 1. Hal ini menunjukkan hasil yang lebih baik dalam 500 mm setelah percobaan ini. Selain itu, tingkat kesalahan berada dalam

sistem telah dilakukan cukup baik dalam menghitung tingkat respi-ransum. Saya pikir makalah ini berguna untuk pengembang perangkat lunak yang ingin mengembangkan menggunakan radar impuls pada Android, karena makalah ini memperkenalkan metode pengembangan dan prosedur. Actually, ada beberapa metode yang ada, tetapi mereka tidak han-dle pada sistem Android. Selain itu, metode implementasi algoritma juga berbeda. Aplikasi ini berpotensi dapat bermanfaat bagi banyak orang sebagai sumber estimasi untuk kondisi pernapasan mungkin dari waktu ke waktu. Pemantauan tingkat respirasi penting karena bisa membantu subyek untuk mencapai keadaan tenang dan untuk mendeteksi dan pra-vent tingkat pernapasan abnormal yang dapat menyebabkan serangan jantung dan paru obstruktif kronik penyakit [7]. Kami menyelidiki apakah mungkin untuk mengukur pernapasan menggunakan IR-UWB pada Android. Hasil penelitian ini cocok dengan yang dari sensor com-komersil. Terlepas dari IR-UWB, aplikasi Android diimplementasikan dalam penelitian ini tidak memerlukan sensor eksternal atau perangkat. IR-UWB tidak perlu melekat pada tubuh manusia dan juga non-invasif.

Pengakuan Karya ini didukung oleh DGIST R & D Program dari Departemen Ilmu, ICT dan Teknologi Korea (16-IT-01). Referensi [1] Y. Park, H. Cho, Transmisi data ECG dengan patch-jenis sistem sensor EKG menggunakan energi yang rendah bluetooth, di: IEEE ICTC2013, Oktober 2013, hlm 289-294.. [2] P. Kvalvaag, Meningkatkan jalur pemrosesan sinyal untuk estimasi detak jantung secara online dengan menggunakan Ultra Wideband Radar, 14 Juni, 2009, p. 6.

YJ. Taman et al. / ICT Ekspres 2 (2016) 145-149 [3] K. Siwiak, D. McKeown, Ultra Wideband Radio Teknologi, Wiley, 2004.

[4] B. Lohman, O. Borat-Lubecke, VM Lubecke, PW Ong, MM Sondhi, Sebuah prosesor sinyal digital untuk penginderaan doppler radar dari tanda-tanda vital, di: Teknik di Kedokteran dan Masyarakat Biologi, Prosiding Konferensi Internasional Tahunan ke-23 dari IEEE , Vol. 4, 2001, pp. 3359-3362.

149

[5] Novelda Umum, detak pemantauan Respirasi v2, 14 Juli 2011. www.novelda.no. [6] F. Adib, H. Mao, Z. Kabelac, D. Katabi, RC Miler, Smart Home yang Monitor Pernapasan dan Heart Rate, ACM 2015, tanggal 18 April. [7] L. Jimenez, A. Parnandi, R. Guiterrez-Osuna, Ekstrak denyut jantung dan laju respirasi menggunakan kamera ponsel, 2013.