DIGITAL HEALTH / WEARABLE SENSING디지털 헬스케어 / 웨어러블 센싱
20222022
(03)
A wrist-worn inertial sensing system that estimates walking distance and pace without GPS or sensors attached to the legs.GPS나 다리 부착 센서 없이, 손목 관성 센서로 보행 거리와 속도를 추정하는 시스템이에요.
SCROLL TO READ스크롤해서 읽기WEARABLE SENSING / 03웨어러블 센싱 / 03
A wrist signal becomes a walking estimate손목 신호로 보행 거리와 속도를 추정해요
01 / CONTEXT맥락
Most gait-estimation systems measure motion close to the legs or depend on GPS. That can make everyday use inconvenient, fail indoors, or require hardware that people would not want to wear continuously.보행을 추정하는 시스템 대부분은 다리 가까이에 센서를 붙이거나 GPS에 의존해요. 일상에서 계속 쓰기에는 불편할 수 있고, 실내에서는 GPS가 동작하지 않으며, 사용자가 계속 착용하고 싶지 않은 장비가 필요할 수도 있어요.
IMU / Android / Kalman filter / Signal processing / Wearable sensing
20222022
02 / QUESTION질문
03 / METHOD방법
A smartwatch-form IMU sends acceleration data to an Android phone. Arm-direction changes are used to count steps, while horizontal acceleration is integrated to estimate distance. A linear Kalman filter and gravity-component removal reduce signal noise before the estimate is compared in controlled walking tests.스마트워치 형태의 IMU가 가속도 데이터를 안드로이드 폰으로 전달해요. 팔 방향이 바뀌는 신호로 걸음을 세고, 수평 가속도를 적분해 거리를 추정해요. 선형 칼만 필터와 중력 성분 제거로 신호 노이즈를 줄인 뒤, 통제된 보행 실험에서 결과를 비교했어요.
04 / SYSTEM MAP시스템 맵
The research uses a smartwatch-form IMU and Android relay to turn arm motion into steps, distance, and walking pace. It then makes the source of error visible: raw acceleration accumulates noise and gravity, so the estimate needs signal compensation before it can become useful feedback.이 연구는 스마트워치 형태의 IMU와 안드로이드 중계를 이용해 팔 움직임을 걸음 수, 거리, 보행 속도로 바꿔요. 원시 가속도에는 노이즈와 중력이 쌓이므로, 쓸 수 있는 측정값을 얻으려면 신호 보정이 필요해요.
01
A smartwatch-form inertial sensor captures acceleration while the user walks and is paired with an Android smartphone. This keeps the sensing surface on the wrist rather than requiring sensors on the ankle or leg.스마트워치 형태의 관성 센서가 걷는 동안 가속도를 기록하고 안드로이드 스마트폰과 연결돼요. 발목이나 다리에 센서를 붙이지 않고도 손목에서 측정을 시작해요.
02
Changes in the combined X and Y-axis direction are used to count steps. A pre-measured average step length produces a reference distance, while horizontal acceleration is double-integrated to estimate distance directly.X·Y축을 합친 방향의 변화로 걸음 수를 계산해요. 사전에 측정한 평균 보폭으로 기준 거리를 만들고, 수평 가속도를 이중 적분해 얻은 거리와 비교해요.
03
A linear Kalman filter reduces sensor noise, and gravity components are removed to isolate horizontal movement. Controlled 3 m walking and 30 cm planar tests compare the estimate against known distances.선형 칼만 필터로 센서 노이즈를 줄이고, 중력 성분을 제거해 수평 움직임을 분리해요. 통제된 3m 보행과 30cm 평면 이동 실험에서 알려진 거리와 결과를 비교해요.
05 / GAIT MEASUREMENT SPECIMEN
The study moves from a usable reference to an inertial estimate, then makes the signal-processing work legible through the reduction in error.
A controlled 3 m walk is calculated from the counted steps and a pre-measured average step length.
MEASUREMENT PATHArm-direction changes → step count → average step length
Across 17 controlled 3 m walking trials, the distance estimated by integrating acceleration averaged 2.65 m.
MEASUREMENT PATHHorizontal acceleration → double integration → distance estimate
In 27 planar 30 cm movement trials, a linear Kalman filter and gravity removal produced a 31.78 cm average.
MEASUREMENT PATHKalman filter + gravity removal → horizontal motion → distance estimate
The bars compare each study against its own known distance. The 3 m and 30 cm tests use different controlled conditions.
06 / PROTOTYPE READOUT구현 결과
In a controlled 3 m walking experiment, the acceleration-integration estimate averaged 2.65 m and showed 11.61% error. A later 30 cm planar-movement test combined a linear Kalman filter with gravity compensation and produced a 31.78 cm average with 5.93% error.3m 통제 보행 실험에서 가속도 적분 방식은 평균 2.65m, 오차 11.61%를 보였어요. 이후 선형 칼만 필터와 중력 보정을 결합한 30cm 평면 이동 실험에서는 평균 31.78cm, 오차 5.93%를 보였어요.
11.61%
5.93%
31.78 cm
CONTROLLED MEASUREMENT / 2022 KOREAN INSTITUTE OF COMMUNICATIONS AND INFORMATION SCIENCES CONFERENCE PAPER통제된 측정 / 2022 한국통신학회 학계종합학술발표회 논문
07 / OUTCOME결과
“Convenience changes the sensing problem. Moving the system from the ankle to the wrist means that motion, orientation, and accumulated error must be designed for—not assumed away.편하게 착용하려면 센싱 문제도 달라져요. 발목이 아닌 손목으로 옮기는 순간, 팔 움직임·방향·누적 오차를 새 조건으로 두고 설계해야 해요.”
08 / FIELD RECORD필드 기록
I developed the wearable sensing path from the wrist sensor through Android integration, distance-estimation algorithms, signal compensation, and controlled evaluation. The system counts steps from changes in arm direction and compares a step-length reference with a distance estimated by integrating horizontal acceleration.
The goal was not simply to recreate a leg-mounted gait sensor at a different location. A wrist device is more convenient to wear, but its orientation and arm motion make noise and gravity correction central to the design. I applied a linear Kalman filter and gravity-component removal to reduce that error before testing the resulting estimate.
손목 센서부터 안드로이드 연동, 거리 추정 알고리즘, 신호 보정, 통제된 평가까지 웨어러블 센싱 경로 전체를 개발했어요. 팔 방향의 변화로 걸음을 세고, 걸음 수·평균 보폭으로 계산한 기준 거리와 수평 가속도를 적분해 추정한 거리를 비교했어요.
목표는 다리 센서를 손목으로 단순히 옮기는 것이 아니었어요. 손목은 더 편하게 착용할 수 있지만 방향과 팔 움직임 때문에 노이즈·중력 보정이 설계의 중심이 돼요. 선형 칼만 필터와 중력 성분 제거를 적용해 오차를 줄인 뒤 결과를 검증했어요.