• 한국정보통신학회논문지
• /
• 제20권8호
• /
• pp.1431-1437
• /
• 2016

모바일 헬스 장치에서 PPG 신호를 이용하여 심박수를 측정함에 있어 사용자의 움직임인 동잡음에 따라 그 성능이 현저하게 떨어진다. 이의 원인은 PPG 신호의 주파수 대역과 동잡음의 주파수 대역이 겹쳐있기 때문이고, 일반적인 대역필터로는 동잡음을 제거하기가 어렵다. 이러한 문제점 해결하기 위해 본 연구에서는 필터뱅크와 ICA를 이용하여 PPG 신호에 포함되어 있는 동잡음 제거 방법을 제안한다. 제안된 방법을 검증하기 위해 인위적으로 다양한 동잡음을 가하여 기존의 이동평균필터법과 ICA법의 심박수 변화를 비교 평가를 하였다. 이 실험의 결과에서 제안된 기법은 동잡음 환경에서도 기존의 이동평균필터와 ICA 보다 심박수 오차가 매우 낮게 나타났다. 이와 같이 제안된 방법을 헬스케어 단말기 설계에 적용한다면, 보다 안정적인 심박수 측정이 가능할 것으로 사료된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.485-487
• /
• 2003

Independent Component Analysis (ICA) is used to generate ICA filter for computing feature vector for image window. Filters that have high discrimination power are selected to classify image from these ICA filters. Proposed classification algorithm is based on probability distribution of feature vector.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.305-309
• /
• 2000

In this paper, we presents a new methodology for face recognition after analysing conventional ICA(Independent Component Analysis) based approach. In the literature we found that ICA based methods have followed the same procedure without any exception, first PCA(Principal Component Analysis) has been used for feature extraction, next ICA learning method has been applied for feature enhancement in the reduced dimension. However, it is contradiction that features are extracted using higher order moments depend on variance, the second order statistics. It is not considered that a necessary component can be located in the discarded feature space. In the new methodology, features are extracted using the magnitude of kurtosis(4-th order central moment or cumulant). This corresponds to the PCA based feature extraction using eigenvalue(2nd order central moment or variance). The synergy effect of PCA and ICA can be achieved if PCA is used for noise reduction filter. ICA methodology is analysed using SVD(Singular Value Decomposition). PCA does whitening and noise reduction. ICA performs the feature extraction. Simulation results show the effectiveness of the methodology compared to the conventional ICA approach.

• 한국정보통신학회논문지
• /
• 제10권4호
• /
• pp.687-692
• /
• 2006

기존의 독립 요소 방법에 의한 얼굴인식에서는 주 요소 해석법으로 고유치 크기에 의해 특징을 추출하고 감소된 차원에서 특징 개선을 위한 독립 요소 해석법의 학습을 수행한다. 제거된 특징 공간 내에 필요한 요소가 있는 경우를 고려하지 못한 것이다. 새로운 방법은 독립 요소 해석에 의한 학습을 먼저 시행하고 분리된 데이터를 4차 중심 모멘트에 의한 축적 계수(cumulant)인 커토시스(kurtosis)의 절대값 크기에 의하여 특징을 추출한다. 하지만 독립 요소 방법은 효과적으로 노이즈를 제거하지 못한다. 두 방법의 결합효과는 주 요소 해석법을 노이즈 필터로 사용 할 때 극대화 될 수 있다. 즉 주 요소 해석법을 백색화와 노이즈 필터로 하고 독립 요소 해석법을 특징 추출 방법으로 사용하는 것이다. 실험 결과는 새로운 방법론이 기존의 방법론보다 우수함을 보여준다.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.515-520
• /
• 2012

In brain computer interface (BCI) system, the most important part is classification of human thoughts in order to translate into commands. The more accuracy result in classification the system gets, the more effective BCI system is. To increase the quality of BCI system, we proposed to reduce noise and artifact from the recording data to analyzing data. We used auditory stimuli instead of visual ones to eliminate the eye movement, unwanted visual activation, gaze control. We applied independent component analysis (ICA) algorithm to purify the sources which constructed the raw signals. One of the most famous spatial filter in BCI context is common spatial patterns (CSP), which maximize one class while minimize the other by using covariance matrix. ICA and CSP also do the filter job, as a raw filter and refinement, which increase the classification result of linear discriminant analysis (LDA).

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -3
• /
• pp.1674-1677
• /
• 2002

In this paper, the new method to extract the features of iris signals is proposed; Multiresolution ICA (M-ICA) provides good properties to represent signals with time-frequency. The conventional methods were to use the technique of filter bank analysis, while ICA is unsupervised learning algorithm using high-order statistics. M-ICA could make use of strengths of learn- ing method and multiresolution. Also, we performed comparative studies of different feature extraction techniques applied to personal identification using iris pat- tern. To measure goodness of methods, we use Fisher’s discriminant ratio to quantify the class-separability of features generated by various techniques.

• 센서학회지
• /
• 제25권1호
• /
• pp.71-78
• /
• 2016

PPG signal measured by pulse oximeter can measure pulse and the oxygen saturation of arterial blood. But the PPG signal is distorted by finger movement or other movement in the body. To detect pulse from the PPG signal with motion artifact, we use band pass filter(BPF), Independent component analysis(ICA) and nonlinear autocorrelation(NAC). BPF is used to remove DC component and high frequency noise in the PPG signal with motion artifacts. ICA is used to separate pulse signal and motion artifact. However, pulse signal separated by ICA have no choice but to accompany signal distortion because pulse signal and motion artifact are not completely independent. So, we use nonlinear autocorrelation to emphasize the pure pulse signal from the distorted signal.

• 전자공학회논문지SC
• /
• 제44권2호
• /
• pp.10-17
• /
• 2007

의료용 초음파 시스템으로 혈류 속도를 측정할 때, 순수한 혈류 신호의 검출이 필요하다. 초음파 트랜스듀서를 통해 들어오는 반사 신호는 체세포 조직(tissue), 혈관 벽(blood wall), 적혈구(red blood cell), 잡음(noise) 등이 혼합된 신호이다. 혼합된 신호에서 체세포 조직과 혈관 벽 신호를 클러터(clutter)라고 한다. 본 논문에서는 ICA(independent component analysis)를 적용하여 클러터 신호와 잡음을 효과적으로 제거하는 방법을 제시하였다. Field II 초음파 시뮬레이션 프로그램을 이용하여 초음파 반사 신호를 생성하고, ICA를 사용하여 각 독립 신호들을 분리, 클러터 신호를 제거하여 혈류 신호를 추출했다. 추출전 혈류신호를 2D 자기상관(autocorrelation) 방법으로 혈류 속도를 측정했다. 그리고 PCA(principal component analysis)방법을 적용한 고유 필터(autocorrelation) 방법으로 클러터를 제거한 결과와 비교하였다. 그 결과 잡음 환경에서의 혈류 속도 측정에 ICA 방법이 우수한 적용 결과를 보였다.

• 한국정보통신학회논문지
• /
• 제17권3호
• /
• pp.691-697
• /
• 2013

최근 IT+BT 융합 기술로 건강관리 및 응급의료 등을 위하여 U-헬스케어 단말 장치가 개발되고 상품화가 되고 있다. 이 단말기에서 측정하는 생체 신호들은 심전도, 체온, 산소포화도, 심박수, 호흡 등이며, 특히 이들 신호 중에 광용적맥파(PPG) 신호는 산소포화도와 심박수, 말초혈관 탄성도 등을 측정함에 있어 매우 중요한 신호이다. 그러나 이 PPG 신호는 환자 또는 사용자의 움직임에 따라 발생하는 동잡음의 영향에 의해 그 정밀도가 저하된다. 따라서 본 연구에서는 이러한 동잡음을 제거하기 위한 광변조 기법과 ICA 기법을 제안한다. 제안된 기법의 성능을 분석하기 위해 다양한 잡음을 인위적으로 가하여 실험하였으며, 실험 결과를 분석한 결과에서 제안된 기법이 기존의 적응 필터법 보다 우수한 성능을 보였다.

• 한국통신학회논문지
• /
• 제39C권2호
• /
• pp.122-129
• /
• 2014

본 연구에서는 사용자에게서 취득한 뇌파의 감정분류를 시행하였고, SVM(Support Vector Machine)과 K-means 알고리즘으로 분류실험을 하였다. 뇌파 신호는 측정 한 32개의 채널 중에서, 이전 연구에서 감정분류가 뚜렷하게 나타났던 CP6, Cz, FC2, T7, PO4, AF3, CP1, CP2, C3, F3, FC6, C4, Oz, T8, F8의 총 15개의 채널을 사용하였다. 감정유도는 DVD 시청과 IAPS(International Affective Picture System)라는 사진 자극 방법을 사용하였고, 감정분류는 SAM(Self-Assessment Manikin) 방법을 사용하여 사용자의 감정상태를 파악하였다. 취득된 사용자의 뇌파신호는 FIR filter를 사용하여 전처리를 하였고, ICA(Independence Component Analysis)를 사용하여 인공산물(eye-blink)을 제거하였다. 전처리된 데이터를 FFT를 통하여 주파수 분석을 하여 특징추출(feature extraction) 하였다. 마지막으로 분류알고리즘을 사용하여 실험을 하였는데, K-means는 70%의 결과를 도출하였고, SVM은 71.85%의 결과를 도출하여 정확도가 더 우수하였으며, 이전의 SVM을 사용했던 연구결과와 비교분석하였다.