sEMG Signal based Gait Phase Recognition Method for Selecting Features and Channels Adaptively

적응적으로 특징과 채널을 선택하는 sEMG 신호기반 보행단계 인식기법

This paper propose a surface EMG signal based gait phase recognition method that selects features and channels adaptively. The proposed method can be used to control powered artificial prosthetic for lower limb amputees and can reduce overhead in real-time pattern recognition by selecting adaptive channels and features in an embedded device. The method can enhance the classification accuracy by adaptively selecting channels and features based on sensitivity and specificity of each subject because EMG signal patterns may vary according to subject's locomotion convention. In the experiments, we found that the muscles with highest recognition rate are different between human subjects. The results also show that the average accuracy of the proposed method is about 91% whereas those of existing methods using all channels and/or features is about 50%. Therefore we assure that sEMG signal based gait phase recognition using small number of adaptive muscles and corresponding features can be applied to control powered artificial prosthetic for lower limb amputees.

본 논문에서는 다수의 특징 값 중에서 적합한 특징 및 채널을 선택하는 sEMG 신호기반 보행단계 인식기법을 제안한다. 제안하는 방법은 sEMG 신호 기반 분류기를 이용하여 하지 절단 환자의 동력의족을 제어하며, 적응적으로 특징 및 채널들을 선택하여 임베디드 시스템의 신호처리과정에서 발생하는 오버헤드를 감소시킨다. 또한 피험자의 보행 습관에 따라 근육 발달도가 다르다는 특성을 이용하여 피험자의 보행단계에 따라 사용 빈도가 높은 근육과 특징 추출 알고리즘을 선택함으로서 정확도를 향상시킨다. 실험 결과 피험자마다 인식율이 높은 근육이 다르다는 것을 발견하였다. 또한 모든 특징들과 채널들을 이용하는 기존 방법의 경우 50%의 평균정확도를 보인 반면에 제안한 방법은 91%의 평균정확도를 보였다. 따라서 소수의 발달된 근육과 이에 맞는 특징을 사용한 sEMG기반 보행단계인식 방법이 하지절단환자의 동력의족을 제어하는 데 적용될 수 있음을 확인하였다.