Study of Machine Learning based on EEG for the Control of Drone Flight

뇌파기반 드론제어를 위한 기계학습에 관한 연구

In this paper, we present machine learning to control drone flight using EEG signals. We defined takeoff, forward, backward, left movement and right movement as control targets and measured EEG signals from the frontal lobe for controlling using Fp1. Fp2 Fp2 two-channel dry electrode (NeuroNicle FX2) measuring at 250Hz sampling rate. And the collected data were filtered at 6~20Hz cutoff frequency. We measured the motion image of the action associated with each control target open for 5.19 seconds. Using Matlab's classification learner for the measured EEG signal, the triple layer neural network, logistic regression kernel, nonlinear polynomial Support Vector Machine(SVM) learning was performed, logistic regression kernel was confirmed as the highest accuracy for takeoff and forward, backward, left movement and right movement of the drone in learning by class True Positive Rate(TPR).

본 연구에서는 뇌파를 이용하여 드론을 제어하기 위한 기계학습을 논의한다. 드론의 이륙과 전진, 후진, 좌측 이동 그리고 우측 이동을 제어대상으로 정의하였고 이를 제어하기 위한 뇌파의 신호를 전두엽을 대상으로 하는 Fp1·Fp2 2채널 건식 전극(NeuroNicle FX2) 뇌파 측정장비를 통하여 5.19초동안 각 제어대상과 연관된 행동의 운동 심상을 눈을 뜬 상태에서 측정(Sampling Rate 250Hz, Cutoff Frequency 6~20Hz) 하였다. 측정된 뇌파신호에 대해 매틀랩의 분류학습기를 이용해서 삼중 계층 신경망, 로지스틱 회귀커널, 비선형 3차 SVM 학습을 실시하였으며 학습결과 로지스틱 회귀 커널 학습에서 드론의 이륙과 전진, 후진, 좌측 이동 그리고 우측 이동을 위한 가장 높은 정확도를 가지고 있음을 클래스 참양성률로 확인할 수 있었다.