• 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.

• 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.

• 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.

• 융합신호처리학회논문지
• /
• 제8권3호
• /
• pp.178-184
• /
• 2007

일반적으로 EEG 신호는 Alpha파, Beta파, Theta파, Delta파로 구분할 수 있다. Alpha파는 사람에게 있어서 가장 우세한 파형으로써 정신적으로 안정 시 잘 나타나는 뇌파이며, Beta파는 흥분 시 우세하게 나타난다. 본 연구에서는 EEG의 안정 상태를 정량적으로 나타내기 위해 웨이브렛 변환과 파워 스펙트럼 분석을 이용하였다. EEG신호를 웨이브렛 변환을 통해 Alpha파와 Beta파만 검출하여 고속 푸리에 변환을 이용 Alpha파와 Beta파의 파워 스펙트럼을 구하였다. 이후 Beta파의 파워 스펙트럼에 대한 Alpha파의 파워 스펙트럼 비율로 정의되는 상대적 안정상태비(Stable State Ratio)를 계산하였다. 그 결과 피험자가 정상적인 활동 상태에서 정신적으로 편안한 안정 상태에 이르기까지 5분 이내가 16%, $5{\sim}10$분 사이가 9%, 그리고 최소 10분 이상의 시간이 소요되는 피험자집단이 총 69%로 우세하게 나타났다.

• 한국정보통신학회논문지
• /
• 제14권11호
• /
• pp.2548-2554
• /
• 2010

본 논문에서는 의료 서비스를 위한 뇌전기파(EEG: electroencephalogram) 신호 분석용 FFT(Fast Fourier Transform) 프로세서를 구현하였다. 실시간으로 발생하는 EEG 신호를 블록으로 나누어 short-time FFT 처리하기 위해 Hamming 창 함수를 사용하였으며, 이로 인해 감소되는 양끝의 값은 1/2 오버랩 시켜 보완하였다. 0~100 [Hz] 사이의 주파수 특성을 갖는 뇌전기파의 효율적인 대역 분석을 위해 256-point FFF 프로세서를 radix-4 알고리듬을 적용하여 구현하였으며, 단일 메모리 뱅크 구조를 사용하여 집적도를 높였다. 설계된 FFT 프로세서는 FPGA 구현을 통해 가능을 검증하였으며, 연산오차가 2% 이내로 높은 연산 정밀도를 갖는다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국내학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.829-833
• /
• 1992

This paper presents the design of an automated EEG analyzing system. The design considerations including processing speed, A/D conversion, filtering, and waveforms detection, are overviewed with the description of the associated EEG characteristics. The architecture of the currently implemented system consists of a p-controller based front-end signal processing unit and a host computer system. The data acquisition procedures are described along with a couple of illustrations of the acquired EEG/EOG signal.

• 대한임베디드공학회논문지
• /
• 제18권2호
• /
• pp.81-87
• /
• 2023

With the development of BCI devices, it is now possible to use EEG control technology to move the robot's arms or legs to help with daily life. In this paper, we propose a customized vehicle control model based on BCI. This is a model that collects BCI-based driver EEG signals, determines information according to EEG signal analysis, and then controls the direction of the vehicle based on the determinated information through EEG signal analysis. In this case, in the process of analyzing noisy EEG signals, controlling direction is supplemented by using a camera-based eye tracking method to increase the accuracy of recognized direction . By synthesizing the EEG signal that recognized the direction to be controlled and the result of eye tracking, the vehicle was controlled in five directions: left turn, right turn, forward, backward, and stop. In experimental result, the accuracy of direction recognition of our proposed model is about 75% or higher.

• 한국지능시스템학회논문지
• /
• 제12권5호
• /
• pp.442-450
• /
• 2002

뇌 기능의 연구수단으로써 널리 사용되고 있는 뇌파(Electroencephalogram, EEG)는 측정시에 노이즈(noise)나 잡파(artifact)가 섞여서 측정되기 쉽다. 본 연구에서는 뇌파에 포함된 잡파들을 분리하기 위해서 독립성분분석(ICA)을 뇌파신호에 적용하였다. 먼저 정상인의 안구운동(Eye Movement)과 관련된 잡파가 나타나는 뇌파 신호에 대해서 독립성분분석을 적용하여 소스로 추정되는 각각의 독립성분들을 분리해 내었다 분리된 신호에 대하여 잡파로 보이는 신호를 제거하고 재구성된 뇌파 신호와 잡파가 제거되기 전인 원래의 신호에 대하여 각각 상관차원(correlation dimension) 및 리아프노프 지수(Iyapunov exponent)등과 같은 비선형 분석법을 적용하여 두 신호의 유의한 차이점을 밝히고, 분리된 독립 신호들의 해부학적 발생위치 및 분포를 추정하였다. 시각적으로 복잡한 뇌파신호에 대하여 독립성분분석을 통하여 뇌 활동의 시각적, 공간적 분석이 가능함을 나타내었을 뿐만 아니라 비선형 분석을 통한 뇌파 신호의 정량적 분석을 통하여 시각적으로 복잡한 뇌파의 유의미한 변화를 관찰할 수 있었다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1990년도 추계학술대회
• /
• pp.114-117
• /
• 1990

EEG signal is analyzed by two methods, analysis by visual inspection of EEG recording sheets and analysis by quantative method. Generally visual inspection method is used in the clinical field. But this method has its limitation because EEG signal is random signal. Therefore it is necessary to analyze EEG signals quantatively to obtain more precise and objective information of neural and brain. In this paper, power spectrum of EEG signal was estimated by AR(AutoRegressive) model in the frequency domain. This process is useful as a preprocessing stage for tomographic brain mapping (TBM) at each frequency, band. As a method for estimating power spectral density of EEG signals, periodogram method, autocorrelation method. covariance method, modified covariance method, and Burg method are tested in this paper.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.88-91
• /
• 2010

본 논문에서는 의료 서비스를 위한 뇌전기파(EEG : electroencephalogram) 신호 분석용 FFT(Fast Fourier Transform) 프로세서를 구현하였다. 실시간으로 발생하는 긴 신호를 short-time FFT 처리하기 위해 Hamming 창 함수를 사용하였으며, 이로 인해 감소되는 양끝의 값은 1/2 오버랩 시켜주어 보완하였다. 0~100[Hz] 사이의 주파수 특성을 가지는 뇌전기파의 효율적인 대역 분석을 위해 256-point FFT 프로세서를 radix-4 알고리듬을 적용하여 구현하였고, 단일 메모리 뱅크 구조를 사용하여 집적도를 높였다. 설계된 FFT 프로세서는 연산오차가 3% 이내로 높은 연산 정밀도를 갖는다.