Abstract
The technology of distinguishing human motion states is required in the areas of measuring and analyzing biosignals changing according to physical activities, diagnosing sleep disorder, screening the effect of treatment, examining chronic patients' kinetic state, prescribing exercise therapy, etc. The present study implemented a fuzzy inference system based on fuzzy rules that distinguish human motion states (tying, sitting, walking, and running) by acquiring and processing data of LAA, TAA, L-MAD, and T-MAD using ADXL202AE of Analog Devices embedded in an armband. The membership degree and fuzzy rules in each area of input (LAA, TAA, L-MAD, and T-MAD) and output (tying, sitting, walking, and running) data used here were determined using numeric data obtained from experiment. In the results of analyzing data for simulation generated in order of tying$\rightarrow$walking$\rightarrow$running$\rightarrow$tying, the sorting rate for motion states tying, sitting, walking, and running was 100% for each motion.
인체동작상태를 구분하는 기술은 인체활동에 따라 변하는 생체신호의 측정 분석분야, 수면장애의 진단 치료 효과의 스크리닝 검사분야, 만성질환 환자의 운동 상태 진단 운동처방분야에 필요한 기술이다. Armband에 내장된 아날로그 디바이스사의 ADXL202AE을 이용하여 수직방향신호의 평균치(LAA), 수평방향신호의 평균치(TAA), 수직방향 신호의 가속도 변화량의 절대치의 평균치(L-MAD), 수평방향신호의 가속도 변화량의 절대치의 평균치(T-MAD)의 획득과 데이터 처리하여, 인체동작상태(눕기, 앉기, 걷기, 뛰기)를 구분하는 퍼지규칙 기반의 퍼지추론시스템을 구현하였다. 입력데이터(LAA, TAA, L-MAD, T-MAD)와 출력데이터(Lying, Sitting, Walking, Running)의 각 구역에서의 소속정도(menbership degree)와 퍼지규칙은 실험을 통해 얻은 수치 데이터를 사용하여 결정하였다. 눕기$\rightarrow$걷기$\rightarrow$뛰기$\rightarrow$눕기 순으로 생성한 모의실험용 데이터를 분석한 결과, 눕기, 앉기, 걷기, 뛰기의 동작상태 구분율은 각각 100%이었다.
