Pattern Classification Algorithm for Wrist Movements based on EMG

근전도 신호 기반 손목 움직임 패턴 분류 알고리즘에 대한 연구

In this paper, we propose the pattern classification algorithm of recognizing wrist movements based on electromyogram(EMG) to raise the recognition rate. We consider 30 characteristics of EMG signals wirh the root mean square(RMS) and the difference absolute standard deviation value(DASDV) for the extraction of precise features from EMG signals. To get the groups of each wrist movement, we estimated 2-dimension features. On this basis, we divide each group into two parts with mean to compare and promote the recognition rate of pattern classification effectively. For the motion classification based on EMG, the k-nearest neighbor(k-NN) is used. In this paper, the recognition rate is 92.59% and 0.84% higher than the study before.

본 연구에서는 손목 움직임의 추정을 위한 근전도 신호 기반 동작 분류 알고리즘을 제안한다. 근전도의 특징점을 추출하기 위하여 절대차분표준편차(DASDV)과 제곱평균제곱근(RMS)을 사용하며, 측정 된 근전도 신호를 이용하여 동작 마다 30개의 특징점(RMS, DASDV)을 추출한다. 근전도 신호를 특정한 패턴으로 나타내어 적용시키기 위하여 평균값을 기준으로 집단을 두 부분으로 나누고, 패턴분류 방법인 k-NN으로 패턴을 학습시킨 후, 집단을 나누지 않은 방법을 사용한 기존의 연구와 비교하여 제안한 알고리즘의 성능을 검증한다. 실험결과 제안한 알고리즘은 92.59%의 인식률을 보였으며, 이전 연구 결과보다 0.84% 포인트의 성능 개선을 보였다.