A Study on Electromyogram Signals Recognition Technique using Neural Network and Genetic Algorithms

신경회로망과 유전알고리즘을 이용한 근전신호 인식기법

A new recognition technique using neural network coupled with Genetic Algorithms (GAs) was proposed. This technique concentrate on efficient Electromyography signal recognition through out improving neural network's several demerits. GAs paly a role of selecting Multilayer Perceptron's optimized initial connection weights by its typical global search. Electro Myography signal was pre-processed with Hidden Markov Model (HMM) in order to refect its time-varying property into input pattern except other features such as Zero Crossing Number(ZCN) and Integral Absolute Value (IAV). Results for 6 primitive motions show that the suggested technique has better performance in learning time and recognition rates than already established ordinary methods. Moreover, it performed stable recognition without convergence into a local minimum.

본 논문에서는 근전신호를 효과적으로 인식하기 위해 신경회로망에 유전알고리즘을 결합하여 근전신호를 인식하는 기법을 제안한다. 본 기법은 신경회로망이 내재한 단점들을 개선하여 근전신호의 인식률을 높이고 안정적인 인식을 행하는 것을 목표로 한다. 제안된 기법에서 유전알고리즘은 전역적인 탐색으로 신경회로망의 최적의 초기 연결강도를 선택하는데, 이로 인하여 학습속도 및 인식률이 향상하게 된다. 그리고 절대 적분치, 영교차수등의 특징벡터 이외에 히든 마르코프 모델로 전처리를 하여 시간적으로 변하는 근전신호의 특성을 입력패턴에 반영하였다. 6가지의 기본운동을 대상으로 행한 실험결과, 제안된 인식기법은 기존의 일반적인 신경회로망의 학습규칙을 이용하여 인식했을 때보다 학습속도와 인식률이 향상되었고, 국부최소점으로 수렴하는 경우가 없어 실험에 실패하지 않고 안정적으로 근전신호의 패턴을 인식하였다.