• Journal of Biomedical Engineering Research
• /
• v.18 no.4
• /
• pp.389-396
• /
• 1997

Several types of electrical artifact seen on electroencephalogram( EEG) records are described. Those are the EOG and the PVC roller pump noise, and so on. An adaptive digital filtering of the electroencephalogram( EEG) is a successful way of suppressing mains interference, but it affects some of the frequency components of the signal, whore artifacts may not be acceptable in some cafes of automatic EEG processing. Thus we studied the method for cancelling these artifacts. This proposed method does not use the reference channel, and is realized by connecting the linear predictor and the fixed FIR filter for the EOG artifact, and by cascading the linear predictor and the noise canceller for the pump artifact. The simulation results illustrate the performances of the proposed method in terms of the capability of interferences suppression. In the results we obtained about 20 dB noise reduction.

• Progress in Medical Physics
• /
• v.13 no.3
• /
• pp.156-162
• /
• 2002

In this study, we attempted in preparing high precision EEG measuring equipment. To measure EEG in high efficiency, pre-amplifier should get high performance common mode rejection ratio. Also, separation amplifier is essential to eliminate common line noise. So, our study were pointed at elevating the efficiency of eliminating noise, user safety and low noise characteristics. Prepared high precision pre-amplifier for EEG was A/D converted to automatically classify $\alpha$ wave, $\beta$ wave and $\theta$ wave. And converted data were Fast Fourier Transformed with real time DSP (Digital Signal Processing). Clinical demonstrations were carried out with healthy students, aged between 20 to 26 who has no histories of illness. To recognize the efficiency of the EEG, prepared EEG were used with MS equipment in low stimulated state and high stimulated state. Then, we studied at the effect of sensitivity on brain wave. From this study, it is known that our EEG equipment is efficient in sensitivity evaluation and suitable stimulations for each psychological state are required.

• Communications of the Korean Institute of Information Scientists and Engineers
• /
• v.22 no.2
• /
• pp.45-51
• /
• 2004

인간과 컴퓨터의 연결에 인간의 두뇌에서 발생하는 신호를 계측하여 원하는 목적에 이용하는 brain computer interface(BCI)에 관한 연구가 최근에 활발히 이루어지고 있다[1]. BCI는 뇌에서 발생하는 뇌파 신호의 해석 및 분석을 통하여 뇌와 컴퓨터 간에 통신 채널을 형성함으로써 사람이 입, 눈, 손 등의 근육 움직임을 통하지 않고 상호간에 정보를 전달할 수 있도록 하는 인터페이스 방법이다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.172-175
• /
• 2006

최근 다양한 게임 문화가 급속도로 성장함에 따라 보다 새로운 개념의 게임을 찾는 사용자의 요구가 증대 되고 있다. 기존의 게임은 획일화 되고 일방적인 사용자 환경으로 사용자가 일방적으로 게임을 하는 방식이었다. 때문에 사용자의 감성 데이터를 이용하여 사용자에게 게임 환경이 맞춰지는 "사용자 맞춤형" 게임은 기존의 게임에서 보다 진보한 새로운 방식이 될 것이다. 이 방식을 사용하기 위해서는 우선 사용자의 생체 데이터나 감성데이터를 포함한 뇌파를 획득하는 방법이 필요하며 다음으로 획득된 뇌파를 통하여 현재 사용자의 감성 상태를 규명하는 패턴인식 기법이 중요한 문제가 된다. 본 논문에서는 뇌파를 통하여 현재 사용자의 감성 상태를 규명하고 인식할 수 있는 패턴인식 기법으로 Multi Layer Perceptron(MLP)을 사용한 감성인식모델을 제안한다. 본 논문에서 제안한 감성인식 모델의 실험을 위하여 특정 공간 내에서 여러 사용자의 감정별 뇌파를 측정하고 실험을 통하여 획득한 데이터로 감정 DB를 구축한다. 구축된 DB를 본 논문에서 제안한 감성인식 모델로 학습을 하고 학습이 완료된 후 새로운 사용자의 뇌파를 입력 받은 후 현재 사용자의 감성을 인식한다. 감성인식과 더불어 집중도를 측정 하는 실험도 병행 한다. 본 논문에서 제안한 감성인식 모델의 성능을 측정하기 위하여 사용자의 수에 따른 감성 인식률을 측정함으로서 본 논문에서 제안한 감성인식 모델의 성능을 확인한다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.2 no.2
• /
• pp.23-28
• /
• 2009

This study describes an emotion classification method using two different feature parameters of four-channel EEG signals. One of the parameters is linear prediction coefficients based on AR modelling. Another one is cross-correlation coefficients on frequencies of ${\theta}$, ${\alpha}$, ${\beta}$ bands of FFT spectra. Using the linear predictor coefficients and the cross-correlation coefficients of frequencies, the emotion classification test for four emotions, such as anger, sad, joy, and relaxation is performed with an artificial neural network. The results of the two parameters showed that the linear prediction coefficients have produced the better results for emotion classification than the cross-correlation coefficients of FFT spectra.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.14 no.3
• /
• pp.607-612
• /
• 2019

In this paper, we measured and analyzed the EEG signals related to the relativity between musical stimuli and human concentration for memorization. In our experiments, the subjects carried out the tasks related to human memorization exposing to musical stimuli and the tasks are to memorize the english words. We used two kinds of musical stimuli, one is a sedative tendency music and the other is a stimulative tendency music. We presented the results that are analyzed as the EEG signals by frequency bands, respectively.

• Journal of Biomedical Engineering Research
• /
• v.25 no.3
• /
• pp.217-225
• /
• 2004

In this paper, a new automatic classification method for the normal EEC and schizophrenia EEC using hidden Markov model(HMM) is proposed. We used the feature parameters which are the variance for statistical stationary interval of the EEC and power spectrum ratio of the alpha, beta, and theta wave. The results were shown that high classification accuracy of 90.9％ in the case of normal person, and 90.5％ in the case of schizophrenia patient. It seems that proposed classification system is more efficient than the system using complicate signal processing process. Hence, the proposed method can be used at analysis and classification for complicated biosignal such as EEC and is expected to give considerable assistance to clinical diagnosis.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2177-2178
• /
• 2006

학습 행동에서의 뇌파 측정은 실시간으로 두뇌 기능 상태를 연구하는데 유용한 연구 방법이며 대뇌의 부위 중 전두엽은 새로움에 대한 지향 반응과 사고 활동에 중요한 역할을 한다. 본 연구에서는 중학교 2학년 학생에게 새로운 시청각 학습 자료를 제시하고 5회의 반복학습이 이루어지는 과정에서의 전두부($Fp_2,Fp_2$)의 뇌파를 측정하고 Fourier, Wavelet 변환을 하여 정량적으로 분석하였다. 주의 집중, 정서 등 인지와 관련지어 특정파의 조절 능력 및 파의 특성을 이용한 여러 연구들을 종합해보면, 기억력, 주의지속과 연관되어 알파파, 베타파와 세타파가 발생되는 것을 볼 수 있다. 이 중 알파파는 기존의 뇌 상태를 동기화시키고 주의나 기억의 과정에 영향을 미칠 수 있는 것으로 증명되었다. 본 논문에서는 신호 처리에 높은 효율을 보이는 Wavelet 변환을 이용하여, 학습이 됨에 따라 변화하는 EEG 신호 가운데 알파파의 패턴과 활성도를 분석하고자 한다.

• Journal of the Korean Institute of Telematics and Electronics
• /
• v.17 no.6
• /
• pp.28-32
• /
• 1980

A digital system has been designed for the detection of abnormal spikes appearing in the epileptic patient's electroencephalogram(EEG). The detection is based on the waveform characteristics of spikes, such as the large slope, the sharpness of the apex, and the time duration of the spike. After the patient's data are collected and processed suing a minicomputer and A/D converter, the computer algorithms recognize the spikes based on the parameters representing the above waveform characteristics.

• The Journal of Korean Institute of Next Generation Computing
• /
• v.15 no.3
• /
• pp.16-24
• /
• 2019

Recently, research on emotion recognition based on EEG has attracted great interest from human-robot interaction field. In this paper, we propose a method of labeling using image-based EEG topography instead of evaluating emotions through self-assessment and annotation labeling methods used in MAHNOB HCI. The proposed method evaluates the emotion by machine learning model that learned EEG signal transformed into topographical image. In the experiments using MAHNOB-HCI database, we compared the performance of training EEG topography labeling models of SVM and kNN. The accuracy of the proposed method was 54.2% in SVM and 57.7% in kNN.