• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2687-2689
• /
• 2002

본 연구는 환자의 근육 상태를 표면 근전도(EMG, Electrocardiogram)를 통해 정량적으로 평가한 결과를 기반으로 적응 전기치료를 수행 시, 근전도 정량평가에 영향을 주는 심전도 신호를 독립요소 해석(ICA, Independent Component Analysis)을 이용하여 획득된 신호로부터 분리함으로써, 정확한 근전도 정량평가를 할 수 있도록 하는 것을 목적으로 한다. 실험 방법은 소스(source)를 근전도와 심전도 2개로 가정하고, 4 채널을 통하여 획득된 신호를 10 Hz-500 Hz의 대역통과 필터를 이용하여 필터링한 후, 1000 sample/sec로 샘플링하여 센서로 사용하였으며, JADE(Joint Approximate Diagonalization of Eigen-matrices) 알고리즘을 통하여 근전도 신호와 심전도 신호를 분리하였다. 알고리즘의 permutation ambiguity와 scaling ambiguity 특성 문제를 해결하기 위하여, 분리된 신호의 주파수 분석을 통하여 심전도와 근전도 신호로 구분하였으며, 인식된 근전도 신호의 크기를 센서 신호를 기준으로 복원하였다. 결론적으로 아날로그 및 디지털 필터와 달리 근전도의 신호의 왜곡을 극소화하면서도 심전도 신호를 분리해 냄으로써, 근전도를 통한 근육상태의 효과적인 평가가 가능하게 되었다.

• 전기의세계
• /
• v.33 no.7
• /
• pp.412-418
• /
• 1984

의용생체공학의 한분야인 재활공학의 많은 발전으로 상실된 인간의 사지기관의 일부는 거의 자연스런 기능을 갖는 장치로 대치할 수 있는 가능성이 높아지고 있으며, 일한 연구의 결과는 산업용 로보트의 개발에도 기여를 하고 있다. 그중에서도 핵심이 되고 있는 것이 근전도신호를 이용한 보철제어(Prosthesis Control)에 관한 연구이다. 근전도신호가 인공팔제어에 이용된 것은 1950년대 초 소련에서 처음 시도되었고 그후 유럽, 카나다 미국등에서 계속 이에 관한 연구가 성과를 나타내고 있다. 근전도 신호를 제어신호로 사용할 경우 가장 큰 문제점은 근전도신호의 저주파 잡음인데, 실제로 비례제어신호를 얻기위하여는 이 잡음이 제거되어야 한다. 그러므로 여기에서는 근전도신호 처리방법에 대한 개략적인 것을 소개하고, 잡음의 제거방법등을 검토해 보고자 한다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.841-847
• /
• 2007

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.

• Journal of the Institute of Convergence Signal Processing
• /
• v.24 no.1
• /
• pp.51-56
• /
• 2023

This study investigates the effect of sEMG sampling frequency on CNN learning performance at Korean finger number recognition application. Since the bigger sampling frequency of sEMG signals generates bigger size of input data and takes longer CNN's learning time. It makes making real-time system implementation more difficult and more costly. Thus, there might be appropriate sampling frequency when collecting sEMG signals. To this end, this work choose five different sampling frequencies which are 1,024Hz, 512Hz, 256Hz, 128Hz and 64Hz and investigates CNN learning performance with sEMG data taken at each sampling frequency. The comparative study shows that all CNN recognized Korean finger number one to five at the accuracy of 100% and CNN with sEMG signals collected at 256Hz sampling frequency takes the shortest learning time to reach the epoch at which korean finger number gestures are recognized at the accuracy of 100%.

• Journal of Biomedical Engineering Research
• /
• v.22 no.2
• /
• pp.171-178
• /
• 2001

본 연구에서는 강건 시지연추정 알고리즘을 바탕으로 하여 표면근전도 신호로부터 새로운 근섬유 전도속도 측정방법을 제안하였다. 제시한 방법은 가우시안 가정 하에서 유도된 기존의 방법들로는 불가능한 비가우시안 충격성잡음을 포함하는 표면근전도 신호를 대상으로도 정확하게 근섬유 전도속도를 측정할 수 있다. 제시한 방법의 평가를 위하여 먼저, 마미총 증후군에 걸린 근질환자의 근전도 신호가 비가우시안 $\alpha$-stable 확률분포로 모델링할 수 있음을 보였으며, 정상인과 근질환자 6명의 피검자로부터 족저단신근과 내측광근에서 각각 근전도 신호를 수집하여 실험한 근섬유 전도속도 측정결과를 타 연구자들과 비교, 평가하였다. 실험결과, 족저단신근의 경우 근섬유 전도속도가 평균 4.60$\pm$0.50m/s로 내측광근의 경우 5.66$\pm$0.59m/s로 각각 구할 수 있었다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.11 no.1
• /
• pp.114-120
• /
• 2018

In this paper we implemented an EMG sensor system for wearable devices to obtain and analyze of EMG signals. The performance of the implemented sensor system is evaluated by the correlation analysis of muscle fatigue and muscle activation to clinical EMG system and compared with power consumption of the measured power of our system and commercial systems. In experiments with biceps and triceps brachii of 5 objects, The correlation values of muscle fatigue and muscle activation between our system and the clinical EMG system is 1.1~1.4 and about 1.0, respectively. And also the power consumption of our system is 25~50% less than that of some commercial EMG sensor systems.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.480-481
• /
• 2008

본 논문은 U-Health 장치 인터페이싱을 위하여 표면 근전도를 이용한 손동작 특징들의 모델링 알고리즘에 대하여 제안하였다. 지금까지 연구에서는 표면 근전도를 측정하기 위하여 전완의 여러 부위에서 신호를 측정하였지만 휴대용 U-Health 장치들의 특성상 센서를 부착 할 수 있는 공간이 한정 되어있기 때문에 한 채널당 손동작의 인식률이 높아야하고 착용하기 편한 위치예서 신호를 측정해야 한다. 따라서 본 논문에서는 손목 근처의 수지신근(finger extensor)과 소지신근(extensor digiti minimi) 사이에 생체신호 센서를 부착하는 것을 제안했으며, 적은 수의 센서에서도 손동작에 따른 충분한 근전도 패턴을 구분해 내기 위하여 3차원 공간상에서 시간과 스케일 정보를 분석할 수 있는 다해상도 웨이블릿을 이용하였다. 정밀한 근전도 분석을 위하여 모 웨이블릿을 신경 신호의 활동전위(action potential)와 가장 유사한 형태를 가지고 있는 Daubechies 4 (db4)로 선택하였고, 이렇게 웨이블릿 분석을 통하여 1차원 신호를 16레벨로 나누어 각 신호에 대하여 에너지를 200 ms 간격으로 평가함으로서 7가지 손동작 인식을 위한 패턴 모델을 구하였다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.52 no.3
• /
• pp.89-95
• /
• 2015

Compresses sensing (CS) technique is beneficial for reducing power consumption of biopotential acquisition circuits in wireless healthcare system. This paper investigates the maximum possible compress ratio for various biopotential signal when the CS technique is applied. By using the CS technique, we perform the compression and reconstruction of typical electrocardiogram(ECG), electromyogram(EMG), electroencephalogram(EEG) signals. By comparing the original signal and reconstructed signal, we determines the validity of the CS-based signal compression. Raw-biopotential signal is compressed by using a psuedo-random matrix, and the compressed signal is reconstructed by using the Block Sparse Bayesian Learning(BSBL) algorithm. EMG signal, which is the most sparse biopotential signal, the maximum compress ratio is found to be 10, and the ECG'sl maximum compress ratio is found to be 5. EEG signal, which is the least sparse bioptential signal, the maximum compress ratio is found to be 4. The results of this work is useful and instrumental for the design of wireless biopotential signal monitoring circuits.

• Journal of rehabilitation welfare engineering & assistive technology
• /
• v.7 no.1
• /
• pp.51-58
• /
• 2013

As it is changing into aging society, rehabilitation, welfare and sports industry markets are being expanded fast. Especially, the field of vital signals interface to control welfare instruments like wheelchair, rehabilitation ones like an artificial arm and leg and general electronic ones is a new technology field in the future. Also, this technology can help not only the handicapped, the old and the weak and the rehabilitation patients but also the general public in various application field. The commercial bio-signal measurement instruments and interface systems are complicated, expensive and large-scaled. So, there are a lot of limitations for using in real life with ease. this thesis proposes a wireless transmission interface system that uses EMG(electromyogram) signals and a control module to manipulate hardware systems with portable size. We have designed a hardware module that receives the EMG signals occurring at the time of wrist movement and eliminated noises with filter and amplified the signals effectively. DSP(Digital Signal Processor) chip of TMS320F2808 which was supplied from TI company was used for converting into digital signals from measured EMG signals and digital filtering. We also have used PCA(Principal Component Analysis) technique and classified into four motions which have right, left, up and down direction. This data was transmitted by wireless module in order to display at PC monitor. As a result, the developed system obtains recognition success ratio above 85% for four different motions. If the recognition ratio will be increased with more experiments. this implemented system using EMG wrist direction signals could be used to control various hardware systems.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.46 no.6
• /
• pp.38-43
• /
• 2009

We provide a method to infer finger flexing motions using a 4-channel surface electromyogram (sEMG). Surface EMGs are harmless to the human body and easily acquired. However, they do not reflect the activity of specific nerves or muscles, unlike invasive EMGs. On the other hand, the non-invasive type is difficult to use for discriminating various motions while using only a small number of electrodes. Surface EMG data in this study were obtained from four electrodes placed around the forearm. The motions were the flexion of the thumb, index, middle, ring, and little linger. One subject was trained with these motions and another left was untrained. The maximum likelihood estimation was used to infer the finger motion. Experimental results have showed that this method could be useful for recognizing finger motions. The average accuracy was as high as 95%.