인체의 임펄스 응답 신호를 이용한 사용자 인식 방법
User Recognition Method using Human Body Impulse Response Signals
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 인체의 임펄스 응답 신호를 이용하여 사용자를 인식하는 방법을 제안한다. 인체는 물, 근육, 지방, 뼈 등으로 구성되어 있고, 이러한 구성비는 사람마다 다르게 형성되어 있다. 기존의 인체 통신 연구에서는 인체가 커패시터와 저항으로 이루어진 회로로 모델링 되었고, 회로의 특징은 인체의 구성 특성에 따라 다르다는 것이 밝혀졌다. 따라서 인체는 개인별 고유한 채널로 인식될 수 있고, 이를 이용한 사용자 인식이 가능하다는 연구가 보고 되었다. 이 연구에서는, 임펄스 신호를 인체에 인가하여 임펄스 응답 신호를 측정하고, empirical mode decomposition 기법으로 노이즈를 제거한다. 그리고 10개의 피크 값을 추출하고 피크 간 값의 차이를 특징량으로 사용하여 사용자 인증을 수행하였다. 6명의 참가자로부터 수집한 데이터를 k-nearest neighbors(KNN) 알고리즘을 사용하여 분류 성능을 확인한 결과, 임펄스 응답 신호의 전체 시계열 데이터의 분류 정확도는 91.57%이었으나, 제안한 피크 간 값의 차이를 특징량으로 하여 분류를 하였을 때 분류 정확도가 97.71%로크게 향상되는 것을 확인할 수 있었다.
Abstract
We present a user recognition method using human body impulse response signals. The body compositions vary fromperson to person depending on the portion of water, muscle, and fat. In the body communication study, the body has beeninterpreted circuit models using capacitance and resistances, and its characteristics are determined by the bodycompositions. Therefore, the individual body channel is unique and can be used for user recognition. In this paper, weapplied pseudo impulse signals to the left hand and recorded received signals from the right hand. The empirical modedecomposition (EMD) method removed noise from the received signals and 10 peak values are extracted. We set thedifferences between peak amplitudes as a key feature to identify individuals. We collected data from 6 subjects andachieved accuracy of 97.71% for the user recognition application.
참고문헌 (10)
- R. Cappelli, "Performance evaluation of fingerprint verification systems", IEEE Trans. Pattern Anal. Mach. Intell, 28(1), pp.3~18 (2005)[DOI]
- L. Ma, "Personal identification based on iris texture analysis", IEEE Trans. Pattern Anal. Mach. Intell, 25(12), pp.1519~1533 (2003)[DOI]
- T. Ahonen, "Face description with local binary patterns: Application to face recognition", IEEE Trans. Pattern Anal. Mach. Intell, 28(12), pp.2037~2041 (2006)[DOI]
- H. Ko, "ECG-based advanced personal identification study with adjusted (Q i* S i)", IEEE Access, 7, pp.40078~40084 (2019)[DOI]
- I. Martinovic, "Authentication using pulse-response biometrics", Communications of the ACM, 60(2), pp.108~115 (2017)[DOI]
- M. Sato, "Zensei: embedded, multielectrode bioimpedance sensing for implicit, ubiquitous user recognition", ACM CHI’17 (2017)
- M. A. Callejon, "A comprehensive study into intrabody communication measurements", IEEE Trans. Instrum. Meas, 62(9), pp.2446~2455 (2013)[DOI]
- M. S. Wegmueller, "An attempt to model the human body as a communication channel", IEEE Trans. Biomed. Eng, 54(10), pp.1851~1857 (2007)[DOI]
- T. Kang, "Measurement and analysis of electric signal transmission using human body as medium for WBAN applications", IEEE Tran. Instrum. Meas, 67(3), pp.527~537 (2018)[DOI]
- N. E. Huang, "The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis", Proc. Roy. Soc, 454(1971), pp.903~995 (1998)[DOI]