• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권11호
• /
• pp.528-534
• /
• 2002

This paper describes a technique for human sensibility evaluation using EEGs of 4 emotions. The proposed method uses the linear predictor coefficients as EEG feature parameters and a neural network as sensibility pattern classifier. For subject independent system, multiple templates are stored and the most similar template can be selected. EEG signals corresponding to 4 emotions such as relaxation, joy, sadness and anger are collected from 5 armature performers. The states of relaxation and joy are considered as positive sensibility and those of sadness and anger as negative. The classification performance suing the proposed method is about 72.6%. This may be promising performance in the human sensibility evaluation.

• 한국게임학회 논문지
• /
• 제9권2호
• /
• pp.23-28
• /
• 2009

본 논문에서는 뇌파 측정 장비를 활용하여 집중력 지표를 구하고 이를 게임에 활용함으로써 집중력을 향상시키는 기능성 게임을 구현한다. 이를 위하여 뇌파의 정의 및 종류에 대해 알아 보고 집중력 향상과의 연관관계를 도출한다. 이러한 관계에 의하여 집중력 지표를 산출하고 이 지표를 집중력 향상 게임 개발에 적용하여 사용자가 게임에 더욱 집중하게 함으로써 집중력 향상 훈련이 가능한 게임을 구현하였으며, 실험자를 대상으로 집중력 향상에 관한 실험을 한 결과 집중력 향상에 대한 기대도가 높은 것으로 분석되었다.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.816-821
• /
• 2018

최근 감정 분석 및 질병 진단을 위한 뇌파 연구 분야에서 인공 신경망을 기반으로 한 기계학습 알고리즘이 분류기로 널리 사용되기 시작했다. 뇌파 데이터 분류를 위해 기계학습 모델을 사용하는 경우 유사한 특성을 가지는 데이터만으로 학습데이터가 구성되면 다른 그룹의 데이터에 적용했을 때 분류 성능이 떨어질 수 있다. 본 논문에서는 이러한 문제점을 개선하기 위해 준 지도학습 알고리즘을 사용해 여러 그룹의 데이터를 선택하여 학습데이터 세트를 구성하는 방법을 제안한다. 이후 제안하는 방법을 사용하여 구성한 학습데이터 세트와 유사한 특성을 가지는 데이터로 구성된 학습데이터 세트로 모델을 학습하여 두 모델의 성능을 비교하였다.

• 산업경영시스템학회지
• /
• 제37권1호
• /
• pp.1-8
• /
• 2014

This paper proposes an emotion classifier from EEG signals based on Bayes' theorem and a machine learning using a perceptron convergence algorithm. The emotions are represented on the valence and arousal dimensions. The fast Fourier transform spectrum analysis is used to extract features from the EEG signals. To verify the proposed method, we use an open database for emotion analysis using physiological signal (DEAP) and compare it with C-SVC which is one of the support vector machines. An emotion is defined as two-level class and three-level class in both valence and arousal dimensions. For the two-level class case, the accuracy of the valence and arousal estimation is 67% and 66%, respectively. For the three-level class case, the accuracy is 53% and 51%, respectively. Compared with the best case of the C-SVC, the proposed classifier gave 4% and 8% more accurate estimations of valence and arousal for the two-level class. In estimation of three-level class, the proposed method showed a similar performance to the best case of the C-SVC.

• 한국지능시스템학회논문지
• /
• 제22권1호
• /
• pp.62-68
• /
• 2012

정상상태시각유발전위 (Steady-State Visually Evoked Potentials)는 특정 주파수를 가진 시각자극에 대한 자연반응 신호이며 3.5Hz~75Hz의 주파수 범위를 갖는 시각 자극에 의해 동일한 주파수로 후두엽 영역이 전기적 활성화되는 특성이 있다. 본 논문에서 이러한 SSVEP 특성을 기반으로 EEG 분석을 수행하는 실험 패러다임을 구축하여 행동유발특성을 가지는 특정 객체에 대한 영상입력 시각자극에서의 주파수 패턴에 대응하는 EEG의 주파수 특징을 검출하고 이를 기반으로 객체와 관련된 행동유발특성을 Mirror Neuron System을 통해 측정한다. 이 때 측정된 EEG 기반 행동유발특성 데이터에 대한 선형판별분석을 수행하여 객체 패턴분류를 실시간으로 수행한다. 이러한 SSVEP 관측 실험을 기반으로 사용자의 내재적 의도를 파악하기 위한 Brain-Computer Interface(BCI) 시스템을 제안했다. Speller 등으로 대표되는 기존의 SSVEP 응용시스템은 격자영상패턴에 대응하는 뇌파특성 분석에 따른 패턴분류의 수행이 가능하나 본 논문의 SSVEP 기반 BCI는 다양한 형태의 사물을 입력객체로 활용하여 분류가 가능함으로 인해 범용성이 높아졌다.

• 한국인터넷방송통신학회논문지
• /
• 제16권3호
• /
• pp.103-108
• /
• 2016

일상생활에서 인간은 끊임없이 스트레스를 받으며 살아간다. 스트레스는 삶의 질과 밀접하게 연관이 있으며, 건강한 삶은 스트레스에 적절하게 대처하며 살아가는 삶이다. 스트레스는 호르몬 분비에 영향을 주며, 호르몬 분비의 변화는 뇌 신호 및 생체 신호에 영향을 준다. 이를 바탕으로, 본 논문은 스트레스와 뇌파 신호와의 관련성을 확인하였으며, 더 나아가 뇌파 신호 기반 정량적 스트레스 지수를 찾아보았다. 사용한 뇌파 장비는 32채널 유선 EEG 장비이며, 상업용 2채널(FP1, FP2) 뇌파 장비와의 비교를 위해, 상업용 뇌파 장비와 동일한 위치에 있는 2채널만 이용하여 데이터를 분석하였다. 뇌파의 주파수 특징점으로는 각 주파수 대역대의 파워 값, 주파수 대역대 파워 값들 간의 비율 및 차이 등을 테스트해 보았으며, 시간 특징점으로는 허스트 지수, 상관 지수, 리아프노프 지수 등을 테스트해 보았다. 총 6명의 피 실험자가 본 실험에 참여하였으며, 실험 과제로는 영어 지문이 사용되었다. 여러 특징점들 중 ${\theta}$ 파워/mid ${\beta}$ 파워가 가장 좋은 테스트 성능을 보여줬으며, 테스트 데이터에 대하여 평균 70.8%의 스트레스 분류 정확도를 얻었다. 추후, 저가 상용 2채널 뇌파 장치를 이용해서 비슷한 결과가 나오는지 확인해 볼 예정이다.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.821-827
• /
• 2018

Affective Computing은 HCI (Human Computer Interaction) 및 건강 관리 분야에서 다양한 애플리케이션이 개발됨에 따라 최근 몇 년 동안 관심이 높아지고 있다. 이에 필수적으로 필요한 인간의 감정 인식에 대한 중요한 연구가 있었지만, 언어 및 표정과 비교하여 심전도 (ECG) 또는 뇌파계 (EEG) 신호와 같은 생리적 신호 분석에 따른 감정 분석에 대한 관심은 적었다. 본 논문에서는 이산 웨이블릿 변환을 이용한 EEG 기반 감정 인식 시스템을 제안하고 감정 관련 정보를 얻기 위해 다른 뇌파와 뇌 영역을 연구 하였으며, 웨이블릿 계수에 기초한 특징 세트가 웨이블릿 에너지 특징과 함께 추출되었다. 중복성을 최소화하고 피처 간의 관련성을 극대화하기 위해 mRMR 알고리즘이 피쳐 선택에 적용된다. 다중클래스 Support Vector Machine을 사용하여 4 가지 종류의 인간 감정을 크게 분류하였으며 공개적으로 이용 가능한 "DEAP"데이터베이스의 뇌파 기록이 실험에서 사용되었다. 제안 된 접근법은 기존의 알고리즘에 비해 향상된 성능을 보여준다.

• 제어로봇시스템학회논문지
• /
• 제22권3호
• /
• pp.199-203
• /
• 2016

A brain-computer interface or BCI provides an alternative method for acting on the world. Brain signals can be recorded from the electrical activity along the scalp using an electrode cap. By analyzing the EEG, it is possible to determine whether a person is thinking about his/her hand or foot movement and this information can be transferred to a machine and then translated into commands. However, we do not know which information relates to motor imagery and which channel is good for extracting features. A general approach is to use all electronic channels to analyze the EEG signals, but this causes many problems, such as overfitting and problems removing noisy and artificial signals. To overcome these problems, in this paper we used a new optimization method called the Fruit Fly optimization algorithm (FOA) to select the best channels and then combine them with CSP method to extract features to improve the classification accuracy by linear discriminant analysis. We also used particle swarm optimization (PSO) and a genetic algorithm (GA) to select the optimal EEG channel and compared the performance with that of the FOA algorithm. The results show that for some subjects, the FOA algorithm is a better method for selecting the optimal EEG channel in a short time.

• 한국멀티미디어학회논문지
• /
• 제17권11호
• /
• pp.1325-1334
• /
• 2014

Recently game addiction of young people has become a social issue. Therefore, many studies, mostly surveys, have been conducted to diagnose game addiction. In this paper, we suggest how to distinguish levels of addiction based on EEG. To this end, we first classify four groups by the degrees of addiction to internet games (High-risk group, Vigilance group, Normal group, Good-user group) using CSG (Comprehensive Scale for Assessing Game Behavior) and then measure their Event Related Potential(ERP) in the Go/NoGo Task. Specifically, we measure the signals of P300, N400 and N200 from the channels of the NoGo stimulus and Go stimulus. In addition, we extract distinct features from the discrete wavelet transform of the EEG signal and use these features to distinguish the degrees of addiction to internet games. The experiments in this study show that High-risk and Vigilance group exhibit lower Go-N200 amplitude of Fz channel than Normal and Good-user groups. In Go-P300 and NoGo-P300 of Fz channel, High-risk and Vigilance groups exhibit higher amplitude than Normal and Good-user group. In Go-N400 and NoGo-N400 of Pz channel, High-risk and Vigilance group exhibit lower amplitude than Normal and Good-user group. The test after the learning study of the extracted characteristics of each frequency band from the EEG signal showed 85% classification accuracy.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.197-206
• /
• 2014

운동심상(Motor imagery) 기반의 뇌-컴퓨터 인터페이스(Brain-computer Interface)는 주로 뇌전도(Electroencephalography, EEG)를 이용하여 사용자의 자발적인 운동 의지를 읽는 기술로 최근 주목받고 있다. 이 중에서도 피실험자의 운동 의지를 정확히 해석하기 위해 감각운동 영역(sensorimotor area)의 일부분에서 나타나는 ${\mu}$-대역(8-13Hz)의 전위 감소 현상인 event related desynchronization(ERD)을 분석하는 연구가 많이 진행되고 있다. 하지만 EEG는 공간 해상도가 낮고 사용자에 따라 ERD가 발생하는 주파수 대역이 다소 차이가 있어 추정에 어려움이 있다. 이에 대한 개선 방법의 하나로서 공간 필터를 구현하는 common spatial pattern (CSP)과 필터 뱅크(filter bank)를 결합한 형태인 discriminative filter bank common spatial pattern(DFBCSP)이 제안되었다. 그러나 DFBCSP는 EEG 신호의 평균 전력(power)의 Fisher ratio를 이용하여 사용자에 따른 효과적인 주파수 대역을 포함하는 discriminative filter bank(DFB)를 구성하여 분류 정확도를 향상시켰지만 ERD의 공간 패턴이 나타나는 적절한 필터를 선택하지 않는 경우가 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 EEG 신호의 평균전력 대신 CSP의 특성 벡터를 이용하여 DFB를 구성하는 방법을 제안한다. 기존의 방법과 제안한 방법의 필터 선택 결과와 분류 정확도 분석을 통해 CSP 특성 벡터가 DFB 구성에 더욱 효과적임을 보인다.