ПОСТРОЕНИЕ СИСТЕМЫ ОПРЕДЕЛЕНИЯ ЧАСТОТЫ ПОВЕРХНОСТНОГО ДЫХАНИЯ ПО ДАННЫМ ВИБРОМЕТРИЧЕСКИХ СЕНСОРОВ СМАРТФОНА
Аннотация
Современные реалии ставят человечеству задачи по цифровизации в различных об- ластях работы и быта, ускоряя срок выполнения задач и облегчая их. Современная техни- ка, оснащенная датчиками, которые можно использовать для предварительной диагно- стики, позволяет выявлять различные симптомы, которые могут являться причиной по- сещения медицинских учреждений. Это позволяет выиграть время – очень ценный ресурс, когда речь идет о жизни человека. Поэтому возможность выполнять такую диагностику, в частности, определение частоты дыхания, является актуальной задачей на сегодняшний день. В статье представлен метод определения частоты дыхания с использованием трех- осевого акселерометра на мобильном устройстве. Данный метод может быть использо- ван в приложении мониторинга состояния здоровья пользователя при отсутствии смарт- часов. Метод позволяет пользователю измерять частоту дыхания человека только при условии того, что пользователь находится в сидячем положении и мобильное устройство, оснащенное необходимым датчиком, расположено в верхней передней области бедра (об- ласть кармана). Алгоритм по определению частоты дыхания реализован на двух языках программирования: Python и MatLab. В алгоритме используется стабилизатор частоты дыхания, т.к. с мобильного устройства на базе Android частота дискретизации акселеро- метра не постоянна. Далее сигнал нормируется методом z-нормирования. Для выделения частотного промежутка, в котором вычисляется частота дыхания, используется фильтр Баттерворта 1-ого порядка. Анализ независимых компонент позволяет получить из смеси сигналов его независимые компоненты. Были протестированы несколько реализаций дан- ного метода на языке Python и Matlab. Наилучшие по качеству результаты показал алго- ритм, реализованный на языке MatLab с использованием встроенного восстановительного анализа независимых компонент (RICA) из набора инструментов статистики и машинно- го обучения. По скорости работы лучшие результаты показала реализация алгоритма на языке Python с методом быстрого анализа независимых компонент (FastICA). Среднеквад- ратичная ошибка для диапазона 10–20 вдоха в мин составила 2,14 вдоха в мин. Средне- квадратичная ошибка для 20–30 вдоха в мин составила 3,46 вдоха в мин.
