[논문 리뷰] EHAAS: Energy Harvesters As A Sensor for Place Recognition on Wearables

Yoshinori Umetsu, Yugo Nakamura외 3명|arXiv (Cornell University)|2019. 03. 20.

Indoor and Outdoor Localization Technologies참고 문헌 24인용 수 7

한 줄 요약

이 논문은 빛, 움직임, 재료 차이에 대한 반응으로 출력이 변하는 에너지 수확 장치(예: 태양전지, 압전 소자)를 환경 센서로 재활용함으로써 웨어러블 장소 인식 시스템인 EHAAS를 제안한다. 다중 소스 에너지 수확 신호를 기반으로 한 기계학습을 통해 EHAAS는 실내 및 실외 9개 장소에서 평균 F-값 정확도 88.5%를 달성하였으며, 단지 두 종류의 태양전지만을 사용할 경우에도 86.2%의 정확도를 기록하여 관성계와 일조도 센서와 같은 전통적 센서를 능가한다.

ABSTRACT

A wearable based long-term lifelogging system is desirable for the purpose of reviewing and improving users' lifestyle habits. Energy harvesting (EH) is a promising means for realizing sustainable lifelogging. However, present EH technologies suffer from instability of the generated electricity caused by changes of environment, e.g., the output of a solar cell varies based on its material, light intensity, and light wavelength. In this paper, we leverage this instability of EH technologies for other purposes, in addition to its use as an energy source. Specifically, we propose to determine the variation of generated electricity as a sensor for recognizing "places" where the user visits, which is important information in the lifelogging system. First, we investigate the amount of generated electricity of selected energy harvesting elements in various environments. Second, we design a system called EHAAS (Energy Harvesters As A Sensor) where energy harvesting elements are used as a sensor. With EHAAS, we propose a place recognition method based on machine-learning and implement a prototype wearable system. Our prototype evaluation confirms that EHAAS achieves a place recognition accuracy of 88.5% F-value for nine different indoor and outdoor places. This result is better than the results of existing sensors (3-axis accelerometer and brightness). We also clarify that only two types of solar cells are required for recognizing a place with 86.2% accuracy.

연구 동기 및 목표

• 웨어러블 라이프로깅 시스템에서 에너지 수확(EP) 요소를 전력원으로서의 기능 외에도 환경 센서로 활용할 수 있는지의 가능성을 탐색하는 것.
• 실내 및 실외 다양한 조건에서 태양전지, 압전소자, 열전소자 등 다양한 에너지 수확 장치의 환경에 대한 민감도를 평가하는 것.
• 에너지 수확 출력의 변동성을 기계학습 기반의 장소 인식 입력 특징으로 활용하는 웨어러블 시스템 EHAAS를 설계하고 프로토타입을 제작하는 것.
• 고정밀 장소 인식을 달성하기 위해 필요한 최소한의 에너지 수확 장치 조합을 규명하여 소형화 및 저전력 구현을 가능하게 하는 것.
• 실제 라이프로깅 시나리오에서 기존 센서(예: 3축 가속도계, 일조도 센서)와의 성능 비교를 수행하는 것.

제안 방법

• 9개의 실내 및 실외 장소에서 다양한 환경 조건 하에 다수의 에너지 수확 요소(예: 다양한 태양전지 유형, 압전소자, 펠리에르 소자)의 시간적 시리즈 출력 신호를 수집한다.
• 에너지 수확 신호에서 진폭, 주파수, 스펙트럼 특성 등의 환경적 특징을 추출하여 고유한 장소 서명을 표현한다.
• 기계학습 분류기(예: 서포트 벡터 머신 또는 랜덤 포레스트)를 이러한 특징에 대해 훈련시켜 에너지 수확 출력 패턴에 기반한 장소 인식을 수행한다.
• 프로토타입 웨어러블 시스템은 다수의 에너지 수확 요소를 통합하고 로컬에서 데이터를 처리하여 전력 소모를 최소화하고 개인정보 보호를 유지한다.
• 모든 테스트 장소에서 F-값, 정밀도, 재현율 및 혼동 행렬을 사용하여 성능을 평가한다.
• 효율적인 에너지 수확 요소 조합을 규명하기 위해 민감도 분석을 수행하며, 감소된 센서 세트를 사용한 아블레이션 연구도 실시한다.

실험 결과

연구 질문

• RQ1 에너지 수확 요소가 실내 및 실외 환경 간에 다릅니다. 이러한 차이를 기반으로 장소별 고유한 환경 서명으로서의 측정 가능한 출력 변동성을 보일 수 있는가?
• RQ2 실제 웨어러블 환경에서 에너지 수확 요소를 이용한 장소 인식 성능이 관성계나 일조도 센서와 같은 기존 센서와 비교해 어떻게 다른가?
• RQ3 소형화 가능한 웨어러블 기기 구현을 위해 고정밀 장소 인식을 달성하기 위해 필요한 최소한의 에너지 수확 요소 수와 조합은 무엇인가?
• RQ4 다른 스펙트럼 및 강도 반응을 보이는 재료(예: 다결정 실리콘 태양전지 대비 유기 박막 태양전지)를 가진 에너지 수확 요소가 서로 보완적인 환경 감지 능력을 제공할 수 있는가?
• RQ5 운동 또는 저조도 환경에서 운동 에너지 수확 또는 열전 에너지 수확 요소를 포함할 경우 인식 정확도가 얼마나 향상되는가?

주요 결과

• EHAAS는 5개의 에너지 수확 요소(스캐빈더 2, 3, 4, 5, 압전소자)를 사용하여 실내 및 실외 9개 장소에서 평균 F-값 88.5%의 장소 인식 성능을 달성하였다.
• 단지 두 종류의 태양전지만 사용할 경우(스캐빈더 1 및 2), EHAAS는 평균 F-값 86.2%를 기록하여 최소한의 센서 하드웨어로도 높은 정확도를 달성할 수 있음을 입증하였다.
• 3축 가속도계와 일조도 센서를 사용한 기준 시스템은 평균 F-값 77.4%에 머물렀으며, 특히 복도와 같은 유사 환경을 구분하는 데서 EHAAS가 뛰어난 성능을 보였다.
• 성능이 가장 열악했던 구성은 단일 압전소자만을 사용한 경우였으며, F-값 65.5%를 기록하여 단일 유형의 에너지 수확 센서로는 인식의 신뢰성이 부족함을 시사하였다.
• 다결정 실리콘 태양전지(SC1)와 유기 박막 태양전지(SC2)의 조합이 정확도와 하드웨어 최소화 사이의 최적 균형을 이룩하였으며, F-값 86.2%를 기록하고 대부분의 장소에서 양호한 성능을 보였다.
• 단지 두 개의 태양전지만을 사용할 경우 복도_1층과 복도_4층의 장소 인식 정확도가 낮아졌지만, 다른 장소에서는 여전히 높은 정확도를 유지하여 환경 유사성이 인식에 영향을 주지만 전체 시스템의 강건성은 유지됨을 확인하였다.