근전도 신호를 이용한 퍼지 최대-최소 신경망 기반 보행 단계 분류 방법
A Fuzzy Min-Max Neural Network(FMMNN) Based Gait Phase Classification Method using Electromyography(EMG) Signal
초록
최근 삶의 수준의 향상과 의학 기술의 발전으로 노인 인구가 증가하고 있다. 하지만 늘어나는 노인 인구에 비례하여 신체적 노화로 거동이 어려운 노인의 수 또한 증가하는 추세이다. 실제로 많은 노인 인구가 거동이 불편해 정상적인 생활을 하지 못하고 있기 때문에 보행 시 적절한 힘을 보조해 줄 수 있는 보행 보조 장치의 개발이 필요하다. 이 같은 보행 보조 장치를 개발함에 있어 보행자의 보행 패턴이 고려된다면 보행자의 걸음걸이에 맞춰 자연스럽게 힘을 보조해 줄 수 있기 때문에 보행자의 보행 단계 분류에 관한 연구가 선행되어야 한다. 그래서 본 논문에서는 하지 근전도 신호를 이용해 보행 단계를 구분하는 방법을 제안하고자 한다. 근전도 신호는 근육이 움직일 때 발생하는 아주 작은 전기적인 신호이다. 근전도 신호는 작은 잡음에도 민감하며, 전극을 부착하는 근육의 위치에 따라서도 값의 차이가 크기 때문에 근전도 신호의 획득 및 처리 방법이 중요하다. 위를 위해 피실험자 별 근육의 위치와 보행 속도를 달리하여 근전도 신호를 획득하고 획득한 신호로부터 여러 특징 값을 추출한다. 그리고 새로운 데이터에 대해 적응성이 강하고 시간에 따라 변하는 근전도 신호의 특성을 잘 반영할 수 있으며 각 집합(class)의 비선형 분리가 가능한 퍼지 최대-최소 신경망(Fuzzy Min-Max Neural Network: FMMNN)을 이용해 보행 단계를 분류해 본다. 실험 결과를 통해 제안한 방법의 타당성을 검증해 보고 보행자, 보행속도, 근전도 측정을 위한 근육의 위치가 보행 패턴 분류에 미치는 영향을 알아본다.