프로세서; 및상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 구비하는 레이더 기반의 비접촉식 심장 상태 예측 장치로서,상기 프로세서는: 시간에 따라 주파수가 변조되는 레이더 신호를 기 설정된 시간동안 피검자에게 복수 회 조사한 후 상기 피검자로부터 반사되어 돌아오는 반사 신호를 획득하고,상기 반사 신호를 구조화된 데이터로 변환하고,- 상기 구조화된 데이터는 제1 축과 제2 축을 포함하는 축으로 구성되고, 상기 제1 축은 레인지 빈을, 상기 제2 축은 상기 피검자의 생리적 변동 정보를 표현하고,상기 레인지 빈 각각에 포함된 상기 피검자와 떨어진 거리 별 반사 신호의 세기 정보에 기초하여 상기 레인지 빈 중 타겟 빈을 선별하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제1항에 있어서, 상기 프로세서는:상기 반사 신호에 푸리에 변환을 적용하여 상기 구조화된 데이터로서, 상기 반사 신호를 채널 임펄스 응답 행렬로 변환하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제2항에 있어서,상기 프로세서는:상기 채널 임펄스 응답 행렬을 상기 기 설정된 시간 구간 별로 나눈 윈도우 각각에서 신호 세기의 크기가 가장 큰 반사 신호를 식별하고, 상기 가장 큰 반사 신호가 포함된 레인지 빈을 상기 타겟 빈으로 선별하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제2항에 있어서,상기 프로세서는:상기 채널 임펄스 응답 행렬의 크기에 기초하여 상기 레인지 빈 별 반사 신호의 세기를 판별하고,상기 반사 신호의 세기가 가장 큰 레인지 빈을 상기 타겟 빈으로 선별하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제3항에 있어서,상기 프로세서는:상기 반사 신호의 세기가 가장 큰 레인지 빈과 이웃하는 레인지 빈을 상기 타겟 빈으로 선별하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제1항에 있어서,상기 프로세서는:기 학습된 인공지능 모델에 포함된 제1 서브 모델에 상기 타겟 빈을 입력하여, 제1 심장 신호 특징을 추출하고,상기 제1 서브 모델은 잔차 블록 및 그래프 어텐션 블록을 포함하고, 상기 잔차 블록은 상기 타겟 빈의 차원을 증가시키면서 시간적 특징을 강화하고, 상기 그래프 어텐션 블록은 상기 타겟 간의 상호 연관성의 특징을 통합하도록 학습된 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제6항에 있어서,상기 프로세서는:상기 기 학습된 인공지능 모델에 포함된 제2 서브 모델의 인코더에 상기 제1 심장 신호 특징을 입력하여 상기 제1 심장 신호 특징의 해상도를 압축하여 핵심 특징을 추출하고,상기 핵심 특징을 상기 제2 서브 모델의 디코더에 입력하여 상기 해상도를 복원하고 제2 심장 신호 특징을 추출하고,상기 인코더는, 잔차 블록과 맥스 풀링 레이어를 포함하고,상기 디코더는, 업샘플링 레이어와 전치 잔차 블록을 포함하고,상기 제2 심장 신호 특징은 상기 제1 심장 신호 특징 보다 높은 수준인 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

제7항에 있어서,상기 프로세서는:상기 기 학습된 인공지능 모델에 포함된 제3 서브 모델에 상기 제2 심장 신호 특징을 입력하여, 시퀀스 형태의 심장 펄스 파형을 생성하고,상기 제3 서브 모델은, 상기 제2 심장 신호 특징의 시간적 맥락을 고려하여 상기 제2 심장 신호의 시간적 흐름을 모델링하여 상기 심장 펄스 파형을 생성하도록 학습되는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 장치.

프로세서; 및상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 구비하는 레이더 기반의 비접촉식 심장 상태 예측 장치에 의해 수행되는 방법으로서,상기 방법은:시간에 따라 주파수가 변조되는 레이더 신호를 기 설정된 시간동안 피검자에게 복수 회 조사한 후 상기 피검자로부터 반사되어 돌아오는 반사 신호를 획득하는 단계; 상기 반사 신호를 구조화된 데이터로 변환하는 단계;- 상기 구조화된 데이터는 제1 축과 제2 축을 포함하는 축으로 구성되고, 상기 제1 축은 레인지 빈을, 상기 제2 축은 상기 피검자의 생리적 변동 정보를 표현함- 및상기 레인지 빈 각각에 포함된 상기 피검자와 떨어진 거리 별 반사 신호의 세기 정보에 기초하여 상기 레인지 빈 중 타겟 빈을 선별하는 단계를 포함하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제9항에 있어서, 상기 변환하는 단계는,상기 반사 신호에 푸리에 변환을 적용하여 상기 구조화된 데이터로서, 상기 반사 신호를 채널 임펄스 응답 행렬로 변환하는 단계를 포함하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제10항에 있어서,상기 선별하는 단계는,상기 채널 임펄스 응답 행렬을 상기 기 설정된 시간 구간 별로 나눈 윈도우 각각에서 가장 큰 반사 신호를 식별하는 단계; 및상기 가장 큰 반사 신호가 포함된 레인지 빈을 상기 타겟 빈으로 선별하는 단계를 포함하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제10항에 있어서,상기 선별하는 단계는,상기 채널 임펄스 응답 행렬의 크기에 기초하여 상기 레인지 빈 별 반사 신호의 세기를 판별하는 단계; 및상기 반사 신호의 세기가 가장 큰 레인지 빈을 상기 타겟 빈으로 선별하는 단계를 포함하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제11항에 있어서,상기 선별하는 단계는,상기 반사 신호의 세기가 가장 큰 레인지 빈과 이웃하는 레인지 빈을 상기 타겟 빈으로 선별하는 단계를 포함하는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제9항에 있어서,상기 방법은:기 학습된 인공지능 모델에 포함된 제1 서브 모델에 상기 타겟 빈을 입력하여, 제1 심장 신호 특징을 추출하는 단계를 더 포함하고,상기 제1 서브 모델은 잔차 블록 및 그래프 어텐션 블록을 포함하고, 상기 잔차 블록은 상기 타겟 빈의 차원을 증가시키면서 시간적 특징을 강화하고, 상기 그래프 어텐션 블록은 상기 타겟 간의 상호 연관성의 특징을 통합하도록 학습된 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제14항에 있어서,상기 방법은:상기 기 학습된 인공지능 모델에 포함된 제2 서브 모델의 인코더에 상기 제1 심장 신호 특징을 입력하여 상기 제1 심장 신호 특징의 해상도를 압축하여 핵심 특징을 추출하는 단계; 및상기 핵심 특징을 상기 제2 서브 모델의 디코더에 입력하여 상기 해상도를 복원하고 제2 심장 신호 특징을 추출하는 단계를 더 포함하고,상기 인코더는, 잔차 블록과 맥스 풀링 레이어를 포함하고,상기 디코더는, 업샘플링 레이어와 전치 잔차 블록을 포함하고,상기 제2 심장 신호 특징은 상기 제1 심장 신호 특징 보다 높은 수준인 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.

제15항에 있어서,상기 방법은:상기 기 학습된 인공지능 모델에 포함된 제3 서브 모델에 상기 제2 심장 신호 특징을 입력하여, 시퀀스 형태의 심장 펄스 파형을 생성하는 단계를 더 포함하고,상기 제3 서브 모델은, 상기 제2 심장 신호 특징의 시간적 맥락을 고려하여 상기 제2 심장 신호의 시간적 흐름을 모델링하여 상기 심장 펄스 파형을 생성하도록 학습되는 것을 특징으로 하는, 레이더 기반의 비접촉식 심장 상태 예측 방법.