시간차 신호 분석에 기반한 EMG 신호 패턴인식 (EMG Pattern Recognition based on Temporal Difference Signal Analysis)

서지정보

· 발행기관 : 사단법인 인문사회과학기술융합학회
· 수록지 정보 : 예술인문사회 융합 멀티미디어 논문지 / 9권 / 11호 / 1155 ~ 1164페이지
· 저자명 : 조치영

초록

본 논문에서는 인간의 근육으로부터 발생되는 EMG(Electromyography) 신호를 분석하여 동작을 인식하는 새로운 기법을 제안하였다. 기존의 EMG 패턴인식은 특정 동작의 인식을 위해 특정 동작과 관련이 깊은 근육 부위의 신호를 획득하되 한 시점에서 획득된 EMG 신호를 기반으로 동작을 인식하는 방법을 사용하고 있다. 본 논문에서는 특정 동작의 인식을 위해 현재 시점에서의 EMG 신호를 포함하여 특정 동작과 연관된 이전 시간대의 EMG 신호를 추가 반영함으로써 특정 동작의 인식이 보다 정확하게 수행될 수 있는 새로운 EMG 패턴인식 방법을 제안하였다. 각 동작의 인식을 위한 특징추출은 EMG 패턴인식을 위해 많이 사용되는 WL, MAV, WAmp, MSV, SSC, ZC의 6개 특징추출 방법을 사용하여 구성하였으며 본문에 그 6개의 특징추출 방법에 대해 기술하였다. 본 논문에서는 걷기 동작을 통해 제안한 방법의 성능을 확인하였으며 이를 위해 본문에 기술한 바와 같이 EMG 신호는 신체 부위 중 다리의 4 군데의 채널로부터 신호를 획득하여 6개의 특징화 방법을 적용하여 필터를 구성한 후 동작의 인식을 수행하였다. 실험은 평지 걷기, 계단 오르기, 계단 내려오기 동작으로 시행하였다. 실험결과 기존의 방법은 85.86%(±4.97), 95.34%(±4.28), 94.67%(±4.86)의 정확도를 나타내었으나, 제안한 방법은 89.12%(±3.81), 97.09%(±4.12), 98.71%(±3.19)로 나타나 본 논문의 제안결과를 확인할 수 있었다.

영어초록

This study presents a new method that analyzes the EMG(Electromyography) from human body muscle and recognizes the movements. Existing EMG pattern recognitions have used method which recognizes movement attained from just one point in time when it gets the signals from the muscle related with specific movement. To recognize a specific movement, this study presents a new EMG pattern recognition method which uses EMG signals of not only present time point but previous time slots and can performs recognition more accurately. Feature extraction for each movement recognition is done by using 6 sub features including WL, MAV, WAmp, MSV, SSC, and ZC. These 6 sub features are described in this paper. This study shows the performance efficiency of this method by analyzing walking movement. For this, as presented in this paper, EMG signals are attained from 4 channels of legs and recognized by 6 filters of feature extraction. This experiment involves level walking, stair ascent, and stair decent. The results of the method present in this paper shows the accuracies of 89.12(±3.81), 97.09%(±4.12), 98.71%(±3.19) while the results of the existing method shows the accuracies of 85.86(±4.97), 95.34%(±4.28), 94.67%(±4.86).

참고자료

· 없음