손목 광전용적맥파(PPG)로부터 강건한 심박수 및 호흡수 추정을 위한 물리적 제약 기반 조화 분리(Physically-Constrained

손목 착용형 광전용적맥파 (Photoplethysmography, PPG)는 심폐 생리학의 연속적인 모니터링을 가능하게 하지만, 생리학적 역학(physiological dynamics)과 스펙트럼이 중첩되는 비정상적(non-stationary) 움직임 아티팩트(motion artifacts)로 인해 일상생활 환경에서의 신뢰할 수 있는 심박수 (Heart Rate, HR) 및 호흡수 (Respiratory Rate, RR) 추정은 여전히 어려운 과제로 남아 있습니다. 기존의 신호 처리 방법들은 강한 움직임 하에서 성능이 저하되는 반면, 제약 없는 딥러닝 (Deep Learning) 접근 방식은 종종 생리학적 해석 가능성(interpretability)과 식별 가능한 구조가 부족합니다. 본 논문에서는 손목 PPG로부터의 HR 및 RR 추정을 분석-합성 (analysis-by-synthesis) 문제로 공식화하는 물리적 제약 기반 조화 분리 (Physically-Constrained Harmonic Separation, PCHS) 프레임워크를 제안합니다. 이 프레임워크에서는 가속도계(accelerometer) 측정값이 생체 신호를 직접 회귀(regression)하는 대신 아티팩트 분리(artifact separation)를 조건화합니다. 물리 가이드 기반 조화 생성기 (physics-guided harmonic generator)는 관측된 신호를 준주기적(quasi-periodic) 생리학적 성분과 움직임 관련 잔차(motion-related residual)로 분해하며, 이를 통해 기본 주파수(fundamental frequency)로부터 HR을 복구하고 조화 파라미터(harmonic parameters)의 호흡 유도 변조(respiratory-driven modulations)로부터 RR을 예측할 수 있게 합니다. 강건한 재구성 목적 함수 (reconstruction objectives), 분리 제약 조건 (separation constraints), 그리고 불확실성 인지 가중치 (uncertainty-aware weighting)는 움직임 하에서도 분해 과정을 안정화합니다. 움직임이 많은 PPG-DaLiA 데이터셋을 이용한 실험을 통해, PCHS가 최신 기술 (state-of-the-art) 방법들보다 뛰어난 성능을 보임을 입증하였으며, 생리학적 활동을 움직임 아티팩트로부터 효과적으로 분리하는 해석 가능한 신호 분해를 제공함을 보여줍니다.