Abstract
This paper describes an informatlon compression of electrically evoked myoelectric signal, M-wave. This wave shows a direct response m lato-response of nerve conductlQn study and has a characteristic with finite time support. M-wave is a useful factor for investing neurodi~ease and is often desirable to have a compact description of its shape and time evolution. The aim of this paper is to show that the AR modeling IS a effective method for compressing an information of M-wave. First, AR model parameters of real M-wave are estimated. And then. they are verified by approximatmg a M-wave using estimated AR parameters and by comparing to other melhod, Hermite tlansform[4]. To concretely evaluate the proposed method, the NMSE(normalized mean square error) of approximation curves are compared. As a result, AR modeling is effective for M-wave assessment because of its capability for the information compression.
M-wave 는 신경전도 연구에 있어서 후기반응 현상 중 직접적인 반응으로, 반응 후 일정시간내에 정보가 존재하는 단발 반응의 특성을 가지고 있다. 이러한 M-wave 는 신경계통의 질환을 진단하기 위한 유용한 요소이며, 따라서 M-wave 의 형태 및 시간에 관한 정보가 간단히 표현될 수 있다면 신경질환 연구에 많은 도움이 될 것이다. 따라서 본 연구에서는 Ar 모델링 방법이 이러한 M-wave 의 정보 압축에 있어서 효과적임을 증명하였다. 이로 인해 먼저 실제로 측정된 M-wave 신호에서 Ar 파라메터를 추정하였으며, 추정된 파라메터를 가지고 근사화한 곡선과 최근의 M-wave의 정보압축에 관한 연구인 Hermite 변환을 이용한 방법에 따른 근사화 곡선을 비교하였다. 제안된 방법의 구체적인 검증을 위해 실신호와 근사화 곡선의 정규화 평균자승오차(NMSE)를 구하여 비교하였다. 결론적으로 M-wave 의 정보를 압축하는데 있어 Hermite 변환은 30개의 파라메터가 필요한 반면, 본 연구에서 제시한 AR 모델링방법은 3개의 파라메터만 가지고도 효과적으로 M-wave 의 특징을 압축할 수 있음을 보였다.
