재활복지공학회논문지 (Journal of rehabilitation welfare engineering & assistive technology)

한국재활복지공학회 (Rehabilitation Engineering And Assistive Technology Society of Korea)
권호 표지

Gaussian Mixture Model 기반 전완 근전도 패턴 분류 알고리즘

A Gaussian Mixture Model Based Pattern Classification Algorithm of Forearm Electromyogram

  • 투고 : 2011.11.29
  • 심사 : 2011.12.19
  • 발행 : 2011.12.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 의수환자의 일상생활을 고려한 1-자유도 동작을 손을 쥐고 폄으로 정의하고, 두 동작에 대한 근전도 패턴 분류를 위한 가우시안 혼합 모델 기반의 근전도 패턴 분류 알고리즘을 제안한다. 근전도 패턴 분류 알고리즘의 핵심이 되는 근전도 신호의 특징점 추출을 위하여 근전 신호의 진폭 특성을 고려하는 절대차분평균치(DAMV)와 평균절대값(MAV)을 사용한다. 또한 동작에 대한 근전 신호의 진폭 특성을 보다 명확히 구분하기 위하여 D_DAMV와 D_MAV를 제안한다. 본 논문에서는 4명의 성인남성을 대상으로 실험을 실시하였고, 두 동작에 대한 근전도 패턴의 정확한 분류 여부를 확인하였다.

In this paper, we propose the gaussian mixture model based pattern classification algorithm of forearm electromyogram. We define the motion of 1-degree of freedom as holding and unfolding hand considering a daily life for patient with prosthetic hand. For the extraction of precise features from the EMG signals, we use the difference absolute mean value(DAMV) and the mean absolute value(MAV) to consider amplitude characteristic of EMG signals. We also propose the D_DAMV and D_MAV in order to classify the amplitude characteristic of EMG signals more precisely. In this paper, we implemented a test targeting four adult male and identified the accuracy of EMG pattern classification of two motions which are holding and unfolding hand.

키워드

참고문헌

  1. 김종성, 김홍기, 정혁, 김기홍, 임선희, 손욱호, "생체신호 기반 사용자 인터페이스 기술", 전자통신동향분석, 제20권, 제4호, ETRI, pp.67-81, 2005. 8.
  2. 최영진, 유현재, "표면 근전도 신호처리 기반 인간 팔 동작의 추종 알고리즘", 제어 . 자동화 . 시스템공학 논문지, 제13권, 제8호, pp.769-776, 2007. 8
  3. K.S. Kim, H.H. Choi, C.S. Moon and C.W. Mun, "Comparison of k-nearest neighbor, quadratic discriminant and linear discriminant analysis in classification of electromyogram signals based on the wrist- motion directions", Current Applied Physics, vol.11, issue.3, pp.740-745, 2011. 5. https://doi.org/10.1016/j.cap.2010.11.051
  4. Ahmet Alkan, and Mucahid Gunay, "Identification of EMG signals using discriminant analysis and SVM classifier", Expert System with Applications, vol.39, issue.1, pp.44-47, 2012. 1. https://doi.org/10.1016/j.eswa.2011.06.043
  5. G.S. Sawicki, K.E. Gordon, and D.P. Ferris, "Powered Lower Limb Orthoses: Applications In Motor Adaptation and Rehabilitation", International Conference on Rehabilitation Robotics, pp.206-211, 2005. 6.
  6. 구광민, 장평훈, 손민균, 신지현, "뇌졸중 환자의 일상생활 동작 훈련을 위한 1자유도 손 재활 로봇 설계", 제어-자동화 시스템공학 논문지, 제16권, 제9호, pp.833-839, 2010. 9.
  7. 조영진, 김정룡, "근육 피로도 분석 시 MPF 파라미터 해석의 한계점", 대한인간공학회, 학술대회 논문지, pp.67-72, 2008.
  8. D. A. Reynolds, T. F. Quatieri, and R. B. Dunn, "Speaker verification using adapted Gaussian mixture models", Digital Signal Process, vol.10, no.1, pp.19-41, 2000. 1. https://doi.org/10.1006/dspr.1999.0361
  9. Y.H. Huang, K.B. Englehart, B. Hudgins and A.D.C. Chan, "A Gaussian Mixture Model Based Classification Scheme for Myoelectric Control of Powered Upper Limb Prostheses", IEEE Transactions on Biomedical Engineering, vol.52, no.11, pp.1801-1811, 2005. https://doi.org/10.1109/TBME.2005.856295