Core Concepts
変分オートエンコーダーニューラルネットワークを用いて、レーダー信号から生体徴候を抽出するためのドップラー干渉運動を除去する手法を提案する。
Abstract
本研究では、レーダーを用いた生体徴候検出における主要な課題の1つである干渉運動の除去に取り組んでいる。生体徴候(呼吸と心拍)によるドップラーシフトと、被験者の随意的な動作による干渉運動のドップラーシフトが重複するため、これらを分離することが困難である。
提案手法では、変分オートエンコーダーを用いたニューラルネットワークモデルを用いて、単一チャンネルのレーダー信号から生体徴候成分を抽出する。モデルは、実際の生体徴候データと合成した干渉運動データを組み合わせて学習を行う。
実験の結果、提案手法は様々なSIR(信号対干渉比)条件下で干渉運動を効果的に除去し、呼吸レートの推定精度を向上させることができることが示された。変分オートエンコーダーの確率的な性質により、入力に対して適切な出力分布を学習できるため、ノイズに対する頑健性も確認された。
Stats
生体徴候成分のドップラーシフトは、振幅|Xb|と範囲変化Rb(t)で表される。
心拍成分のドップラーシフトは、振幅|Xh|と範囲変化Rh(t)で表される。
干渉運動は、N個の反射点の重ね合わせとして表現でき、振幅|Xk|と範囲変化Rk(t)で表される。
受信信号ρ(t)は、生体徴候成分と干渉運動成分の和として表される。
Quotes
"レーダーを用いた生体徴候検出では、干渉運動の除去が主要な課題の1つである。"
"提案手法では、変分オートエンコーダーを用いたニューラルネットワークモデルにより、単一チャンネルのレーダー信号から生体徴候成分を抽出する。"
"実験の結果、提案手法は様々なSIR条件下で干渉運動を効果的に除去し、呼吸レートの推定精度を向上させることができることが示された。"