[논문 리뷰] Simultaneous Energy Harvesting and Gait Recognition using Piezoelectric Energy Harvester

Dong Ma, Guohao Lan외 3명|arXiv (Cornell University)|2020. 09. 06.

Innovative Energy Harvesting Technologies참고 문헌 52인용 수 6

한 줄 요약

이 논문은 실시간 보행 인식을 가능하게 하면서 에너지 수확도 수행할 수 있도록 졸업형 에너지 수확기(PEH)를 신발 솔에 내장한 동시 에너지 수확 및 감지(SEHS) 아키텍처를 제안한다. 에너지 저장에 의한 신호 왜곡을 완화하기 위해 새로운 전처리 필터를 적용하고, LSTM 기반 분류기를 사용함으로써 이전 연구 대비 보행 인식 재현율은 12% 향상되고 에너지 수확은 127% 증가했으며, 전력 소비는 38% 감소했다.

ABSTRACT

Piezoelectric energy harvester, which generates electricity from stress or vibrations, is gaining increasing attention as a viable solution to extend battery life in wearables. Recent research further reveals that, besides generating energy, PEH can also serve as a passive sensor to detect human gait power-efficiently because its stress or vibration patterns are significantly influenced by the gait. However, as PEHs are not designed for precise measurement of motion, achievable gait recognition accuracy remains low with conventional classification algorithms. The accuracy deteriorates further when the generated electricity is stored simultaneously. To classify gait reliably while simultaneously storing generated energy, we make two distinct contributions. First, we propose a preprocessing algorithm to filter out the effect of energy storage on PEH electricity signal. Second, we propose a long short-term memory (LSTM) network-based classifier to accurately capture temporal information in gait-induced electricity generation. We prototype the proposed gait recognition architecture in the form factor of an insole and evaluate its gait recognition as well as energy harvesting performance with 20 subjects. Our results show that the proposed architecture detects human gait with 12% higher recall and harvests up to 127% more energy while consuming 38% less power compared to the state-of-the-art.

연구 동기 및 목표

• 에너지 수확 성능을 저하시키지 않으면서도 페라이오전틱 에너지 수확기(PEH)를 사용해 신뢰성 있는 보행 인식을 가능하게 하기 위해.
• 에너지 수확 회로가 PEH의 감지 신호에 간섭을 주어 보행 인식 정확도를 떨어뜨리는 문제를 해결하기 위해.
• 동일한 PEH 하드웨어를 사용해 동시에 에너지 수확과 보행 분류를 수행할 수 있는 이중 목적 시스템을 설계하기 위해.
• 기존 최첨단 기술 대비 웨어러블, 인솔 기반 시스템에서 보다 높은 인식 정확도와 에너지 효율성을 확보하기 위해.

제안 방법

• 에너지 저장 회로에 의해 발생하는 커패시터에 의한 PEH의 교류 전압 신호 왜곡을 제거하기 위한 전처리 알고리즘을 제안하였다.
• 보행 인식을 위해 원시 PEH 신호의 시간적 패턴을 포착할 수 있도록 LSTM 기반 딥 뉴럴 네트워크 분류기를 설계하였다.
• 걷기 동안 발에 가해지는 충격으로부터 최대한의 에너지를 생성하기 위해 PEH를 웨어러블 인솔 형상으로 통합하였다.
• 실시간 동작을 가능하게 하며 낮은 전력 소비를 실현하기 위해 표준 부품을 사용해 SEHS 시스템의 프로토타입을 제작하였다.
• 전력 관리 회로의 신호 간섭을 최소화하여 에너지 수확 및 감지 성능을 균형 있게 조정하기 위해 시스템을 최적화하였다.
• 실제 보행 인식 및 에너지 수확 시나리오에서 성능을 검증하기 위해 20명의 참가자를 대상으로 시스템을 평가하였다.

실험 결과

연구 질문

• RQ1 커패시터에 의한 에너지 저장은 보행 인식에 사용되는 페라이오전틱 에너지 수확기의 감지 신호에 어떤 영향을 미치는가?
• RQ2 LSTM과 같은 딥 러닝 모델이 광범위한 전처리 없이도 원시이고 노이즈가 많은 PEH 신호에서 보행 패턴을 효과적으로 분류할 수 있는가?
• RQ3 한 개의 PEH가 성능 저하 없이 동시에 에너지 수확과 정확한 보행 인식을 수행할 수 있는 정도는 어느 정도인가?
• RQ4 제안된 필터링 알고리즘이 에너지 저장 간섭이 존재하는 상황에서 보행 인식 정확도를 어떻게 향상시키는가?
• RQ5 이중 목적 PEH 시스템에서 에너지 수확 효율성, 전력 소비, 인식 정확도 사이의 상호 교환 관계는 어떠한가?

주요 결과

• 제안된 필터링 알고리즘이 에너지 저장에 의한 신호 왜곡을 성공적으로 완화하여 PEH 출력 신호의 보행 관련 특징의 정밀도를 향상시켰다.
• LSTM 분류기는 광범위한 전처리가 필요 없는 원시 PEH 신호에서 높은 보행 인식 정확도를 달성했으며, 기존의 전처리가 필요한 방법들을 능가했다.
• SEHS 프로토타입은 Xu 등 [11]에서 제시한 최첨단 기술 대비 보행 검출 재현율이 12% 높게 나타났다.
• 시스템은 기준 방법 대비 최대 127% 더 많은 에너지를 수확하여 에너지 효율성 향상이 뚜렷하게 입증되었다.
• 더 높은 에너지 수확 및 인식 성능에도 불구하고, SEHS 시스템은 이전 최첨단 기술 대비 38% 낮은 전력 소비를 기록했다.
• 인솔 기반 프로토타입은 실시간이고 비방해적인 보행 인식 및 에너지 수확을 위한 웨어러블 응용 분야에서 실현 가능성을 성공적으로 입증했다.