UWB 레이다로부터 획득한 호흡 신호를 벡터 형태로 변환하는 전처리부;변환된 벡터를 1-D CNN을 통해 특징 벡터로 추출하는 분석부; 및추출한 특징 벡터를 각 1-D CNN을 통해 학습하여 호흡 패턴 별로 매칭하여 저장 및 관리하는 학습/인지부를 포함하되,상기 분석부는,변환된 벡터를 입력받는 Input Layer; 및 입력된 벡터를 1 * m 형태의 Kernel에 의한 Convolution을 수행하여 Feature map을 추출하고, Max Pooling을 통해 Feature map에 포함된 특징들을 직렬화 하는 Convolutional Layer를 포함하고,상기 학습/인지부는,직렬화된 특징들을 기 설정된 비율과 대응하도록 무작위로 선택(Dropout)하여 특징을 학습 및 인지하는 Fully-connected Layer를포함하는 것을 특징으로 하는 1-D CNN 기반의 UWB 호흡 데이터 패턴 인식 시스템.

제1항에 있어서,상기 특징 벡터는,일반호흡(Eupnea), 서호흡(Bradypnea), 빈호흡(Tachypnea), 무호흡(Apnea) 또는 움직임(motion) 중에 어느 하나를 포함하는 것을 특징으로 하는 1-D CNN 기반의 UWB 호흡 데이터 패턴 인식 시스템.

제1항에 있어서,상기 Convolutional Layer는,각 Depth, Kernel 사이즈, Kernel 개수, 및 Fully-connected Layer의 뉴런 개수를 파라미터로 설정하고, 파라미터들의 다양한 경우를 조합하여 기 설정된 기준 이상의 파라미터 범위를 도출하는 것을 특징으로 하는 1-D CNN 기반의 UWB 호흡 데이터 패턴 인식 시스템.

제1항에 있어서, 상기 Convolutional Layer는,Convolutional Layer Depth를 도출하는 절차; 및N회 실험을 통해 기 설정된 기준을 초과하는 인식률을 갖는 파라미터 조합을 도출하는 절차를수행하는 것을 특징으로 하는 1-D CNN 기반의 UWB 호흡 데이터 패턴 인식 시스템.

삭제

삭제

삭제