Abstract
We proposed a method of a virtual robot arm controlled by the EMG pattern recognition using an improved SOFM method. The proposed method is simple in that the EMG signals are used as SOFM's input directly without preprocessing but nevertheless input patterns are reliably classified and then used for fuzzy logic systems to automatically tune the neighborhood and the learning rate. In order to verify the effectiveness of the proposed method, we experimented on EMG pattern recognition of 6 movements from the shoulder, wrist, and elbow. Experimental results show that the proposed SOFM method has 21.7% higher recognition rate than the general SOFM method, the average number of learning iterations has been decreased, and then the virtual robot arm is controlled by EMG pattern recognition.
본 논문에서는 개선된 SOFM(Self Organizing Feature Map)방식을 이용한 근전도 패턴인식으로 가상 로봇 팔을 제어하는 방식을 제안한다. 개선된 SOFM 방식은 근전도 신호의 전처리기를 사용하는 대신에 근전도 신호 자체를 SOFM에 입력으로 사용하고, 퍼지논리시스템을 이용하여 SOFM의 이웃반경과 학습율을 자동 조절하는 간단한 방식으로 입력 패턴을 더욱 빠르고 신뢰성있게 분류한다. 개선된 방식의 성능을 확인하기 위하여 어깨, 손목, 팔꿈치의 여섯 가지 동작의 근전도 패턴인식을 실험한 결과 기존의 일반적인 SOFM방식보다 제안한 SOFM방식의 인식율이 21.7% 향상되고, 평균학습 수도 절반이하로 감소되었으며, 인식한 근전도 신호를 이용하여 컴퓨터 상의 가상 로봇 팔을 정확하게 제어하였다.
