심박변동의 스펙트럼해석을 위한 자기회귀 모델차수 선택 알고리즘에 관한 연구

A Study on the Selection Algorithm of AR model order for Spectral Analysis of Heart Rate Variability

  • 김낙환 (경기공업대학 계측제어과) ;
  • 신재호 (인하대학교 전자공학과) ;
  • 한영환 (상지대학교 전자계산학과) ;
  • 이응혁 (한국산업기술대학교 전자공학과) ;
  • 민홍기 (인천대학교 정보통신공학과) ;
  • 홍승홍 (인하대학교 전자공학과)
  • 발행 : 2001.12.31

초록

본 논문에서는 자기회귀모델을 이용한 심박변동의 파워스펙트럼해석에서 복잡한 계산과정을 수행하지 않으면서 심박변동의 특성을 반영한 간단한 모델차수법을 제안하였다. 자기회귀모델을 이용한 심박변동의 단구간 시계열에 대한 파워스펙트럼해석은 모델차수에 따라 스펙트럼 추정의 분해능이 변화한다. 제안한 모델차수법과 기존의 AIC와 고정차수법에 대하여 비교실험을 하였다. 실험결과, AIC 보다 계산과정이 매우 간단해졌으며 낮은 분해능의 문제를 해결하였고 고정차수의 단점인 시계열의 특성에 대응한 모델차수를 선택 할 수 있었다. 또한 제안된 방법으로 파워스펙트럼말도를 추정한 결과 AIC에서 나타나는 낮은 분해능 문제 와 적은 시계열 개수에서 나타나는 고정차수에 의한 잡음성 파워성분 저l거 등이 가능함을 확인하였다.

In this paper, we proposed the simple and selective method for the order of model that reflected the feature of the heart rate variability without the complicated calculation in the power spectral analysis of heart rate variability using autoregressive model. The power spectral analysis of short-term of heart rate variability using autoregressive have been problem to resolution of spectral estimates by the selective model order. As a result that the proposed method for the order comparative tested with the AIC and the fixed order method, the calculation process could become very simple and select the order which correspond with the feature of the time series. We verified it could removed the noisy power components by the fixed order.

키워드

참고문헌

  1. Yuzuru Matsuura, Takatoshi Yanagida, 'A study of an evaluation based on physiological responses of driver's task and stress level while maneuvering a vehicle,' SAE transaction,979078, pp. 67 -73, 1997
  2. Task Force of the European Society of Cardiology and The North American Society of pacing and Electrophysiology(Membership of the Task Force listed in the Appendix) 'Heart rate variability' European Heart Journal vol. 17 pp 354-381 1996
  3. Hirsh J. A., Bishop B., 'Respiratory SInUS arrythmia in humans: how breathing pattern modulates heart rate', Am J. Physiol. Vol. 241, pp. 620-629, 1981
  4. 김낙환, 이은실, 민홍기, 이응혁, 홍승홍, 'AR 모델을 이용한 심전도와 맥파의 심박변동 스펙트럼해석,' 한국 신호처리ㆍ시스템 학회 논문지 제1권 1호 pp.15-22, 2000. 10
  5. David J. Christini, Abhijit Kulkarni, Srikar Rao, Eric R. Stutman, Frederick M Bennett, Jeffrey MHausdorff, Nancy Oriol, and Kenneth R, Lutchen, 'Influence of autoregressive model parameter uncertainty on spectral estimates of heart rate dynamics,' Annals of Biomedical Engineering. Vol. 23, pp. 127 - 134, 1995
  6. S. B. Kesler, 'Generalized Burg algorithm for beamforming in correlated multipath filter,' IEEE into conf. Trans. Acoust., Speech, Signal processing, Vol. 3, pp. 1481 - 1484, 1982
  7. G. D. Pinna, R. Maestri, A. Di Cesare, 'Application of time series spectral analysis theory: analysis of cardiovascular variability signals,' Medical & Biological Engineering & Computing March, pp. 142 - 148, 1996 https://doi.org/10.1007/BF02520019
  8. H. Tong, 'Autoregressiv model fitting with noisy data by Akaike's information criterion,' IEEE Trans. Inform Theory, Vol. 21, pp. 476- 480, 1975 https://doi.org/10.1109/TIT.1975.1055402
  9. Linken, D. A., 'Empirieal rules for the selection of parameters for auto-regressive spectral analysis of biorredical rhythms', Signal Process, Vol. 1, pp. 243-258, 1979 https://doi.org/10.1016/0165-1684(79)90027-6
  10. Saul J. P., Y. Berger, R. D., Lilly, 'Assesment of autonomic regulation in chronic congestive heart failure by heart rate spectral analysis' Am J. Cardiol., Vol. 61, pp. 1292- 1299, 1988 https://doi.org/10.1016/0002-9149(88)91172-1