shiihaa 호흡 감지: 전화 마이크를 통한 실시간 바이오피드백

모바일 마이크를 통한 실시간 호흡 감지

shiihaa 호흡 감지는 스마트폰 마이크만을 사용하여 사용자의 호흡 단계(흡입, 호기 및 전환)를 추정함으로써 실시간 바이오피드백을 제공하도록 설계된 온디바이스 시스템입니다. 많은 마음챙김 애플리케이션이 산만함을 유발하는 것과 달리, 이 시스템은 사용자의 호흡 패턴을 실시간으로 되돌려 보여줌으로써 자기 인식을 높이는 것을 목표로 합니다.

감지 파이프라인의 기술 아키텍처

시스템은 오디오 신호를 세 개의 별도 레이어를 통해 처리하여 환경 소음으로부터 호흡 패턴을 분리합니다.

1. 신호 처리

오디오 스트림은 짧고 겹치는 윈도우로 나뉩니다. 각 윈도우마다 시스템은 진폭/에너지 측정값과 기본 스펙트럼 특징을 추출합니다. 감지는 흡입이 일반적으로 더 많은 난류와 높은 주파수 에너지를 보이는 반면, 호기는 스펙트럼에서 전반적으로 낮고 부드러운 특성을 가진다는 사실에 기반합니다.

2. 호흡 상태 머신

불규칙한 단계 전환을 방지하기 위해 시스템은 각 윈도우를 독립적으로 판단하는 대신 상태 머신을 사용합니다. 이 머신은 가능한 전환(예: inhale $\rightarrow$ exhale)을 추적하고, 주변 소음 수준이 변함에 따라 재조정되는 적응형 임계값을 적용하여 일시적인 오디오 스파이크와 실제 단계 변화를 구분합니다.

3. 데이터 품질 레이어

신뢰성을 보장하기 위해 품질 검사 레이어는 소음이 너무 크거나, 너무 조용하거나, 음향적으로 모호한 윈도우를 배제합니다. 시스템은 자신 있게 잘못된 단계 감지를 제공하기보다 짧은 불확실성 기간을 허용하는 "정직하게 실패"하도록 설계되었습니다.

프라이버시 및 데이터 제약

이 프로젝트는 마이크가 감시나 음성 인식에 사용되지 않도록 엄격한 프라이버시 경계를 구현합니다:

• On-Device Processing: 모든 오디오는 로컬에서 분석되며, 원시 마이크 스트림은 절대 디바이스를 떠나지 않습니다.
• No Speech Analysis: 파이프라인은 호흡의 에너지 엔벨로프와 스펙트럼 형태에 초점을 맞추며, 말 spoken words를 인식하거나 전사하도록 설계되지 않았습니다.
• Bounded Machine Learning: 머신러닝은 규칙 기반 파이프라인을 다듬고 품질 검증된 예시를 기반으로 피드백을 개선하는 데만 사용되며, 주요 감지를 위한 "블랙 박스" 역할을 하지 않습니다.

실제 구현상의 도전 과제

시스템 개발에는 모바일 오디오의 특수성을 처리하기 위한 상당한 엔지니어링 노력이 필요했으며, 여기에는 마이크 위치의 다양성, 자동 이득 제어(AGC) 간섭, 그리고 전화기의 물리적 방향(예: 천 위에 놓인 경우와 손에 들고 있는 경우) 등이 포함됩니다.

향후 방향: 개인 공명 범위

장기 목표는 사용자의 "개인 공명 범위"를 추정하는 것으로, 이는 개인의 생리적 상태가 가장 안정되는 특정 느린 호흡 속도(보통 분당 6회 정도)입니다. 감지된 호흡 안정성을 선택적인 심박수 또는 HRV 센서와 결합함으로써, 시스템은 고정된 프리셋에 의존하지 않고 개인의 생리적 특성에 맞춰 안내 호흡 패턴을 조정하는 것을 목표로 합니다.

커뮤니티 인사이트 및 제한 사항

이 프로젝트는 현재 웰니스 도구이며 의료 기기가 아닙니다. 저자는 통제되지 않은 환경에서 마이크만을 이용한 감지가 웨어러블 기반 감지보다 훨씬 어렵다고 언급합니다.

커뮤니티 피드백은 이 접근 방식의 어려움을 강조하며, 한 개발자는 다음과 같이 언급했습니다:

"제 경우 마이크만으로는 충분하지 않았으며, 감지가 매우 어려웠습니다. 결국 마이크가 달린 유선 이어버드를 사용하게 되었습니다."

다른 사용자들은 네덜란드와 독일에서 앱의 지역적 가용성 문제를 보고했습니다. 프로젝트 문서와 연구 피치는 shiihaa-app GitHub 저장소를 통해 CC BY 4.0 라이선스로 제공됩니다.