• 재활복지공학회논문지
• /
• 제5권1호
• /
• pp.95-101
• /
• 2011

본 논문에서는 의수환자의 일상생활을 고려한 1-자유도 동작을 손을 쥐고 폄으로 정의하고, 두 동작에 대한 근전도 패턴 분류를 위한 가우시안 혼합 모델 기반의 근전도 패턴 분류 알고리즘을 제안한다. 근전도 패턴 분류 알고리즘의 핵심이 되는 근전도 신호의 특징점 추출을 위하여 근전 신호의 진폭 특성을 고려하는 절대차분평균치(DAMV)와 평균절대값(MAV)을 사용한다. 또한 동작에 대한 근전 신호의 진폭 특성을 보다 명확히 구분하기 위하여 D_DAMV와 D_MAV를 제안한다. 본 논문에서는 4명의 성인남성을 대상으로 실험을 실시하였고, 두 동작에 대한 근전도 패턴의 정확한 분류 여부를 확인하였다.

• 재활복지공학회논문지
• /
• 제6권1호
• /
• pp.67-73
• /
• 2012

본 논문에서는 표면 근전도 신호를 사용하여 손목 움직임의 동작을 분류하기 위해 인공 신경 회로망(ANN : Artificial Neural Network)기반의 동작 분류 알고리즘을 제안한다. 손목 움직임에 무리가 없는 20~30대 성인 26명을 대상으로 척측 수근 굴근과 척측 수근 신근에 부착한 2채널의 전극으로부터 표면 근전도 신호를 취득하고, 취득한 근전도로부터 손목의 굴곡, 신전, 내전, 외전, 휴식 다섯 동작을 인식한다. 빠른 처리 속도를 위해 획득한 신호로부터 시간 영역에서의 특징점을 추출하고 ANN을 이용한 동작 분류에 사용된다. 특징점으로 DAMV, DASDV, MAV, RMS를 사용하였으며, ANN 기반의 동작 분류의 인식율은 DAMV는 98.03%, DASDV는 97.97%, MAV는 96.95%, 그리고 RMS는 96.82%의 정확도를 나타낸다.

• 전기학회논문지
• /
• 제63권5호
• /
• pp.696-702
• /
• 2014

Recently, researches on analyzing relationship between the state of emotion and musical stimuli using EEG are increasing. A selection of feature vectors is very important for the performance of EEG pattern classifiers. This paper proposes a comparison of EEG feature vectors for emotion classification according to music listening. For this, we extract some feature vectors like DAMV, IAV, LPC, LPCC from EEG signals in each class related to music listening and compare a separability of the extracted feature vectors using Bhattacharyya distance. So more effective feature vectors are recommended for emotion classification according to music listening.

• 전기학회논문지
• /
• 제61권5호
• /
• pp.757-762
• /
• 2012

In this paper, the multi feature extraction algorithm for estimation of wrist movements based on Electromyogram(EMG) is proposed. For the extraction of precise features from the EMG signals, the difference absolute mean value(DAMV), the mean absolute value(MAV), the root mean square(RMS) and the difference absolute standard deviation value(DASDV) to consider amplitude characteristic of EMG signals are used. We figure out a more accurate feature-set by combination of two features out of these, because of multi feature extraction algorithm is more precise than single feature method. Also, for the motion classification based on EMG, the linear discriminant analysis(LDA), the quadratic discriminant analysis(QDA) and k-nearest neighbor(k-NN) are used. We implemented a test targeting twenty adult male to identify the accuracy of EMG pattern classification of wrist movements such as up, down, right, left and rest. As a result of our study, the LDA, QDA and k-NN classification method using feature-set with MAV and DASDV showed respectively 87.59%, 89.06%, 91.75% accuracy.

• 대한의용생체공학회:의공학회지
• /
• 제33권2호
• /
• pp.65-71
• /
• 2012

In this paper, the Gaussian Mixture Model(GMM) which is very robust modeling for pattern classification is proposed to classify wrist motions using surface electromyograms(EMG). EMG is widely used to recognize wrist motions such as up, down, left, right, rest, and is obtained from two electrodes placed on the flexor carpi ulnaris and extensor carpi ulnaris of 15 subjects under no strain condition during wrist motions. Also, EMG-based feature is derived from extracted EMG signals in time domain for fast processing. The estimated features based in difference absolute mean value(DAMV) are used for motion classification through GMM. The performance of our approach is evaluated by recognition rates and it is found that the proposed GMM-based method yields better results than conventional schemes including k-Nearest Neighbor(k-NN), Quadratic Discriminant Analysis(QDA) and Linear Discriminant Analysis(LDA).

• 대한전기학회논문지:전력기술부문A
• /
• 제48권12호
• /
• pp.1544-1553
• /
• 1999

Recently, ultrasonic testing techniques have been widely used in the evaluation of the quality of metal. In this experiment, six heat-treated temperature of specimen have been considered : 0, 1200, 1250, 1300, 1350 and 1387$^{\circ}C$. As heat-treated temperature increases, the grain size of stainless steel also increases and then, eventually make it destroy. In this paper, a pattern recognition method is proposed to identify the heat-treated temperature of metals by evidence accumulation based on artificial intelligence with multiple feature parameters; difference absolute mean value(DAMV), variance(VAR), mean frequency(MEANF), auto regressive model coefficient(ARC), linear cepstrum coefficient(LCC) and adaptive cepstrum vector(ACV). The grain signal pattern recognition is carried out through the evidence accumulation procedure using the distances measured with reference parameters. Especially ACV is superior to the other parameters. The results (96% successful pattern classification) are presented to support the feasibility of the suggested approach for ultrasonic grain signal pattern recognition.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1163-1168
• /
• 2005

This paper proposes a soft-remote-control (soft-remocon) system based on EMG signals for the Intelligent Sweet Home. The proposed system is applied to Intelligent Sweet Home which was developed to help the independence living of the elderly and physically handicapped individuals. The goal of proposed system is to control home-installed electronic devices such as TV, air-conditioner, curtain and lamp in Intelligent Sweet Home using EMG signals. Features such as VAR and DAMV having good separability performance are selected for pattern classification. FMMNN is adopted as a pattern classifier. Classification results are allowed to a developed remote control module and then corresponding infrared pulses can operate home-installed electronic devices. We concluded that EMG as an input interface for home-installed electronic devices in Intelligent Sweet Home.

• 한국음향학회지
• /
• 제18권8호
• /
• pp.84-93
• /
• 1999

본 논문에서는 디지털 신호처리기법을 기초로 한 열처리된 스테인레스 스틸의 그레인 크기에 대한 결정 방법을 제안하였다. 이 방법은 여러 개의 특징 파라메터들, 차분절대평균값, 분산, 평균주파수, 자귀회귀모델계수 그리고, 선형켑스트럼 계수를 이용하여 증거축적방법을 통해 수행한다. 각각의 특징파라메터는 열처리된 금속에 초음파를 발사하여 돌아온 반사신호를 가지고 추출된다. 실험 결과로서 몇 개의 특징파라메터만 가지고는 열처리된 금속의 그레인 크기를 정확하게 결정할 수 없음을 확인하였다. 열처리된 금속의 그레인 크기에 대한 결정은 기준 파라메터로부터 측정한 거리를 이용한 증거축적방법을 사용하였으며, 퍼지매핑함수를 도입하여 이를 응용하였다. 본 논문의 실험을 위해 다양한 그레인 크기를 가진 열처리된 스테인레스 스틸 금속을 사용하였으며, 이러한 실험결과로부터 본 논문에서 제안한 방법이 지금까지 발표된 그레인 크기 결정방법보다 효과적임을 입증하였다.