• 한국융합학회논문지
• /
• 제11권2호
• /
• pp.17-22
• /
• 2020

본 논문에서는 사용자의 EEG(Electroencephalogram)신호를 측정하여 SVM(Support Vector Machine) 알고리즘을 이용하여 EEG 신호룰 분류하고 신호의 정확도를 측정하였다. 사용자의 EEG 신호를 측정하기 위해 남·여를 구분하여 실험을 진행하였으며, EEG 신호 측정은 단채널 EEG 디바이스를 이용하였다. EEG 디바이스를 이용하여 사용자의 EEG 신호를 측정한 결과는 R을 이용하여 분석하였다. 또한 SVM의 분류 성능이 최고가 되는 특정 벡터의 조합을 적용시켜 EEG 측정 실험 데이터를 80:20(훈련 데이터: 테스트 데이터) 비율로 예측해 본 결과 인식률 93.2% 의 예측 정확도를 보였다. 본 논문에서는 사용자의 EEG 신호를 약 93.2% 정도로 인식할 수 있었으며, SVM 알고리즘의 간단한 선형 분류만으로 수행이 가능하다는 점은 EEG 신호를 이용하여 생체인증에 다양하게 활용될 수 있음을 제시하였다.

• 재활복지공학회논문지
• /
• 제10권3호
• /
• pp.221-228
• /
• 2016

본 논문에서는 EEG 신호 기반 기기 또는 소프트웨어를 사용하기 위해 사용자가 본인의 EEG 신호 정확도를 확인하고, 훈련을 통하여 자신의 EEG 신호 정확도를 향상시킬 수 있는 시뮬레이션 소프트웨어를 제안한다. 실험 데이터로는 풍경사진을 보며 편안한 상태에서 발생되는 신호와 수학문제를 풀며 집중 시에 발생되는 신호를 사용한다. 입력되는 EEG 신호는 독립 성분 분석(Independent Component Analysis, ICA)을 적용하여 잡음을 최소화하고 대역 통과 필터(Band Pass Filter)를 통하여 베타파(${\beta}$, 14-30Hz)만을 취득한다. 취득한 베타파 대역 데이터에서 제곱평균제곱근(Root Mean Square, RMS) 알고리즘을 통하여 특징 정보를 추출하고 지지 벡터 머신(Support Vector Machine, SVM)에 적용하여 분류한다. 분류된 결과는 사용자가 바로 확인할 수 있으며 훈련 전 피험자의 평균 정확도는 79.21%이었던 반면, 연속적인 훈련으로 최고 91.67%의 정확도를 보였다. 이처럼 본 논문에서 개발한 시뮬레이션 소프트웨어는 사용자가 직접 자신의 EEG 신호 정확도를 향상키기는 훈련을 통하여 정확도 향상이 가능하고, EEG 신호 기반으로 이루어진 BCI 시스템의 효율적인 사용을 기대할 수 있다.

• Journal of Electrical Engineering and Technology
• /
• 제9권3호
• /
• pp.1060-1071
• /
• 2014

Signals of the Electroencephalogram (EEG) can reflect the electrical background activity of the brain generated by the cerebral cortex nerve cells. This has been the mostly utilized signal, which helps in effective analysis of brain functions by supervised learning methods. In this paper, an approach for improving the accuracy of EEG signal classification is presented to detect epileptic seizures. Moreover, Independent Component Analysis (ICA) is incorporated as a preprocessing step and Short Time Fourier Transform (STFT) is used for denoising the signal adequately. Feature extraction of EEG signals is accomplished on the basis of three parameters namely, Standard Deviation, Correlation Dimension and Lyapunov Exponents. The Artificial Neural Network (ANN) is trained by incorporating Levenberg-Marquardt(LM) training algorithm into the backpropagation algorithm that results in high classification accuracy. Experimental results reveal that the methodology will improve the clinical service of the EEG recording and also provide better decision making in epileptic seizure detection than the existing techniques. The proposed EEG signal classification using feed forward Backpropagation Neural Network performs better than to the EEG signal classification using Adaptive Neuro Fuzzy Inference System (ANFIS) classifier in terms of accuracy, sensitivity, and specificity.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1992년도 하계학술대회 논문집 A
• /
• pp.311-313
• /
• 1992

Automated analysis of EEG invariably requires the inclusion of a signal conditioning filter. This paper investigates the EEG waveform distortions caused by the transient responses of the various types of signal conditioning filters. This study explicitly simulates the filter responses to the typical EEG waveform models, and compares the distortions.

• 한국융합학회논문지
• /
• 제9권1호
• /
• pp.465-471
• /
• 2018

최근 IT기슬과 금융 시스템의 융합으로 생체인식 기술이 사용되기 시작하였다. 이러한 생체 인식 기술인 FIDO(Fast Identity Online) 기술을 이용하여 삼성과 애플은 삼성페이와 애플페이 서비스를 시작하였다. FIDO 인증 기술은 패스워드와 같은 기존 인증 방법을 대체하고 있다. 생체 인식 기술 중 지문인식 기술은 비교적 저렴한 가격의 디바이스와 사용자 거부 반응을 최소화 할 수 있다는 점 때문에 주목받고 있다. 그러나 지문정보의 경우 사용자가 가지고 있는 수가 제한적이며, 외부 공격자에 의해 지문정보가 유출될 경우 재사용할 수 없다는 단점이 있다. 그러므로 본 논문에서는 생체인식 기술 중 하나인 EEG 신호를 이용하여 사용자를 인증할 수 있는 방법을 제안한다. 제안 논문에서는 기존의 다채널 EEG 디바이스를 사용하지 않고 단채널 EEG 디바이스를 사용하여 편리성을 높였으며, EEG 신호 측정값을 FIDO 시스템에 사용할 수 있는 방법을 제안하였다. 제안 논문에서는 특정 개체 인식 전 후의 EEG 신호를 측정하여 사용자가 특정 개체를 인식하였을 때의 EEG 신호를 사용자 인증 수단을 활용할 수 있는 방법을 제안하였다.

• 재활복지공학회논문지
• /
• 제11권1호
• /
• pp.45-52
• /
• 2017

EEG 신호는 신체적으로 불편함을 가지고 있는 사용자에게서도 동일하게 발생되는 신호로써 차세대 인터페이스로 각광받고 있다. 본 논문에서는 사용자의 EEG 신호를 이용하여 감성적인 정보처리와 논리적인 정보처리를 보조하는 실내 환경을 제어하는 사물인터넷 시스템을 제안한다. 제안된 시스템은 EEG 측정 장치, EEG 시뮬레이션 소프트웨어, 실내 환경 제어 장치로 구성된다. 실험 데이터로는 편안한 상태에서 발생되는 감성적인 정보처리에 대한 EEG 신호 데이터와 집중 시에 발생되는 논리적인 정보처리에 대한 EEG 신호 데이터를 사용한다. 측정된 신호에서는 ICA 알고리즘이 적용하여 잡음이 제거되고 베타파만을 추출한다. 이후 SVM을 통한 학습 및 테스트 과정을 거치게 된다. 피험자는 EEG 시뮬레이션 소프트웨어를 통해 EEG 신호 정확도 향상 훈련을 거친 결과 평균 82.69%의 정확도를 보였다. EEG 측정 장치로부터 입력되는 EEG 신호는 Serial 통신을 통해 EEG 시뮬레이션 소프트웨어로 전송되며 감성적인 정보처리와 논리적인 정보처리를 분류하여 제어 명령이 생성된다. 이후 생성된 제어 명령은 Zigbee 통신을 통해 실내 환경 제어 장치로 전달되어 감성적인 정보처리일 경우 은은한 조명과 클래식 음악이 출력되고 논리적인 정보처리일 경우 밝은 조명과 함께 학습용 백색소음이 출력된다. 제안한 시스템은 BCI 기반 소프트웨어 및 디바이스 제어에 응용될 수 있어 몸이 불편한 사용자가 자신의 신체적인 한계를 극복하는 것을 가능하게 한다.

• 센서학회지
• /
• 제12권3호
• /
• pp.121-127
• /
• 2003

본 논문에서는 포터블 뇌파 바이오피드백시스템을 위한 전치증폭부 및 디지털 신호처리부의 하드웨어 구현에 대한 연구를 수행하였다. 뇌파의 특성을 고려하여 외부 잡음을 제거할 수 있는 뇌파 획득용 전치증폭부를 구현하였다. 측정된 뇌파에는 안전도, 근전도, 심전도 등의 신호들이 포함되어 있으며 이들은 뇌파 분석에 방해가 된다. 따라서 이러한 신호들을 제거하기 위하여 적응여파기 알고리즘을 수행하고 전치증폭부를 실시간으로 구동하는 디지털신호처리부를 구현하였다. 시뮬레이션 파형과 실제 뇌파를 적용한 실험결과를 통하여 개발된 시스템의 성능을 확인 할 수 있었으며 휴대형 뇌파바이오피드백 시스템에 적용 가능함을 확인하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.145-147
• /
• 2009

This research measures EEG signals which are generating on head skin and extracts brain concentration level related with brain activity. We have developed concentration wireless transmission system by displaying this EEG signal on PDA mobile device. The front head was used for measuring EEG signal and INA128 with TL084 and analog elements was used for measuring EEG signal, amplifying and filtering the signal. Measured analog EEG signals changed into digital signals by using ADC of PIC24FJ192 with 10bit resolution and 500Ks/s sampling rate. So The changed digital signals have transmitted to the PDA by using bluetooth. LabView 8.5 was also used for FFT transformation, frequency and spectrum analysis of the transferred EEG signal. As a result, $\alpha$ wave, $\beta$ wave, $\theta$ wave and $\delta$ wave were classified. we extracted the concentration index by adapting concentration extraction algorithm. This concentration index was transferred into PDA by wireless module and displaying.

• 한국의류학회지
• /
• 제43권2호
• /
• pp.297-309
• /
• 2019

This study investigated EEG signal, subjective fragrance sensation, and the preference of differently colored cotton knit treated with Citrus unshiu oil containing microcapsules as well as examined their relationships for providing regression models on subjective fragrance preference. Color variables combining 2-level hue (Yellow and Green) and 3-level tone (strong, pale, and grayish) were applied by dyeing prior to microcapsule treatment. We invited 28 female college students aged 20's for EEG signal experiments and subjective fragrance sensations with fragrant knit by rubbing. EEG signals at $mid-{\alpha}$, $fast-{\alpha}$, and $low-{\beta}$ showed significant differences depending on color; Green had more relative power values and grayish tone did more at $low-{\beta}$. Even though subjective sensation showed no significant differences depending on color, some of them such as Fresh, Comfort, and Natural showed significant correlations with EEG signal at $low-{\beta}$, which means that the fragrance sensations of Citrus unshiu fragrance are concerned with attention and alertness for Koreans. Fragrance preference was regressed significantly using some EEG signals and subjective sensation. The results could be utilized to value up fragrant textiles by Citrus unshiu oil.

• 대한의용생체공학회:의공학회지
• /
• 제16권3호
• /
• pp.301-308
• /
• 1995

A high-precision pre-amplifier is designed for general use in EEG measurement system. It consists of signal generator, signal amplifier with a impedance converter, shield driver, body driver, differential amplifier, and isolation amplifier. The combination of minimum use of inaccurate passive components and the appropriate matching of each monolithic amplifiers results in good noise behavior, low leakage current, high CMRR, high input impedance, and high IMRR. The performance of EEG pre-amplifier has been verified by showing the typical EEG pattevn of a nomad person through the clinical experiments.