• 한국융합학회논문지
• /
• 제11권2호
• /
• pp.17-22
• /
• 2020

본 논문에서는 사용자의 EEG(Electroencephalogram)신호를 측정하여 SVM(Support Vector Machine) 알고리즘을 이용하여 EEG 신호룰 분류하고 신호의 정확도를 측정하였다. 사용자의 EEG 신호를 측정하기 위해 남·여를 구분하여 실험을 진행하였으며, EEG 신호 측정은 단채널 EEG 디바이스를 이용하였다. EEG 디바이스를 이용하여 사용자의 EEG 신호를 측정한 결과는 R을 이용하여 분석하였다. 또한 SVM의 분류 성능이 최고가 되는 특정 벡터의 조합을 적용시켜 EEG 측정 실험 데이터를 80:20(훈련 데이터: 테스트 데이터) 비율로 예측해 본 결과 인식률 93.2% 의 예측 정확도를 보였다. 본 논문에서는 사용자의 EEG 신호를 약 93.2% 정도로 인식할 수 있었으며, SVM 알고리즘의 간단한 선형 분류만으로 수행이 가능하다는 점은 EEG 신호를 이용하여 생체인증에 다양하게 활용될 수 있음을 제시하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(A)
• /
• pp.334-336
• /
• 2012

EEG 신호에 대한 연구는 의학, 신경과학, 심리학, 컴퓨터과학, 전자 공학 등 여러 학문 분야에서 많은 연구가 진행되고 있다. EEG 신호는 추출하는데 있어서 필연적으로 각종 Artifact와 분석대상이 아닌 신호가 혼재되어 분석 결과의 부정확성을 가지고 있어 EEG 신호의 활용이 주목받은지 오래되었지만 충분히 활용되지 못하고 있다. 이 문제를 해결하기 위해 각종 필터링 연산 등을 통하여 잡음을 제거하고 혼재된 신호를 분류해 내고 있지만, 잡음제거나 신호분류에 사용되는 방법이 고정된 수식을 이용하는 방법이기 때문에 유연한 측정 및 분류를 할 수 없는 것이 현실이다. 본 논문에서 제안하는 매개변수 선택형 시스템은 정제되지 않은 EEG 신호에서 잡파를 제거하고 정제된 신호에서 분석에 필요한 특징을 추출하는데 있어 사용자에게 착용된 EEG 신호 측정기기에서 전극채널, 신호발생영역 및 주파수 대역 등의 매개변수를 선택하고 필요에 따라 매개변수에 가중치를 부여함으로써, 측정의 정확성을 높이고 EEG 신호의 활용에 신뢰도를 향상 시킬 수 있다.

• 한국전자통신학회논문지
• /
• 제9권5호
• /
• pp.595-600
• /
• 2014

요즘 우리 사회는 급속히 고령화 사회로 변화되고 있다. 고령화 사회에서는 치매에 대하여 잘 아는 것이 매우 중요한 일이다. 따라서 본 연구는 기본적으로 치매환자로부터 측정한 EEG 신호의 특성을 파악하는 것을 목표로 한다. 먼저 그것을 위하여 치매환자와 정상인의 EEG 특성을 구분하기 위하여 두 그룹의 자발 EEG 신호를 분석하였다. EEG 신호는 16개의 전극으로 계측하였고, 그 신호들은 주파수대역으로 분류하여 분석하였다. 보다 선명한 EEG 신호로 처리하기 위해서는 2개의 채널 간에 상호상관함수를 적용하였다. 그 결과, 치매환자와 정상인의 EEG 신호의 특성은 분명히 다르다는 사실을 확인할 수 있었다.

• 한국전자통신학회논문지
• /
• 제9권11호
• /
• pp.1277-1282
• /
• 2014

본 논문에서는 청소년의 집중과 관련된 EEG신호를 분석하는 것을 목적으로 하여 글자 시각자극 과제로 제시했을 때 유발되는 EEG신호를 분석한 결과를 제시한다. 시각자극 과제는 글 속에서 틀린 조사들을 찾는 것이다. 본 실험에서는 선행연구결과에 따라 EEG신호 중에서도 특히 SMR파와 중간 베타파를 분석하는데 초점을 맞추었다. 실험결과로서 피험자의 집중력과 상관성이 높은 채널의 위치와 중간 베타파 대역을 제시하였다.

• 한국지능시스템학회논문지
• /
• 제18권2호
• /
• pp.251-256
• /
• 2008

많은 연구자들은 여러 개의 채널을 가진 Electroencephalogram(EEG) 신호를 기반으로 한 사람의 감정인식을 위해 두뇌와 컴퓨터의 인터페이스에 관한 연구를 하고 있다. EEG 신호를 이용한 연구들은 주로 의학 분야와 심리학의 영역에서 간질이나 발작 등을 알아내고 거짓말 탐지기로써의 역할로 많이 사용되어져 왔다. 최근에는 사람의 두뇌와 컴퓨터 간의 인터페이스에 관한 연구들이 뇌파를 이용한 로봇의 제어하거나 게임을 하는 등의 여러 가지 공학적인 접근으로써 많은 연구가 진행되고 있다. 특히, EEG 신호를 통해서 두뇌를 연구하는 분야에서 EEG 신호의 잡음을 제거해서 보다 정확한 신호를 추출하는 연구에도 많이 중점을 두고 있다. 본 논문에서는 사람의 감정에 따른 EEG 신호를 측정하고 측정된 EEG 신호를 5개 부분의 주파수 영역으로 분류하였다. 영역별로 분류된 EEG 신호들은 전체영역에 대한 상대적인 비율의 값으로 계산하게 된다. 그 값들은 Bayesian Networks를 통해서 현재 어떠한 감정을 나타내는지 확률 값으로 나타낸다. 그 결과 값에 따라 사람의 감정은 아바타로 표현하게 된다.

• 재활복지공학회논문지
• /
• 제10권3호
• /
• pp.221-228
• /
• 2016

본 논문에서는 EEG 신호 기반 기기 또는 소프트웨어를 사용하기 위해 사용자가 본인의 EEG 신호 정확도를 확인하고, 훈련을 통하여 자신의 EEG 신호 정확도를 향상시킬 수 있는 시뮬레이션 소프트웨어를 제안한다. 실험 데이터로는 풍경사진을 보며 편안한 상태에서 발생되는 신호와 수학문제를 풀며 집중 시에 발생되는 신호를 사용한다. 입력되는 EEG 신호는 독립 성분 분석(Independent Component Analysis, ICA)을 적용하여 잡음을 최소화하고 대역 통과 필터(Band Pass Filter)를 통하여 베타파(${\beta}$, 14-30Hz)만을 취득한다. 취득한 베타파 대역 데이터에서 제곱평균제곱근(Root Mean Square, RMS) 알고리즘을 통하여 특징 정보를 추출하고 지지 벡터 머신(Support Vector Machine, SVM)에 적용하여 분류한다. 분류된 결과는 사용자가 바로 확인할 수 있으며 훈련 전 피험자의 평균 정확도는 79.21%이었던 반면, 연속적인 훈련으로 최고 91.67%의 정확도를 보였다. 이처럼 본 논문에서 개발한 시뮬레이션 소프트웨어는 사용자가 직접 자신의 EEG 신호 정확도를 향상키기는 훈련을 통하여 정확도 향상이 가능하고, EEG 신호 기반으로 이루어진 BCI 시스템의 효율적인 사용을 기대할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.133-153
• /
• 2023

본 논문에서 우리는 뇌 신호 측정 기술 중 하나인 뇌전도를 활용한 새로운 접근방식을 제안한다. 전통적으로 연구자들은 감정 상태의 분류성능을 향상시키기 위해 뇌전도 신호와 생체신호를 결합해왔다. 우리의 목표는 뇌전도와 결합된 생체신호의 상호작용 효과를 탐구하고, 뇌전도+생체신호의 조합이 뇌전도 단독사용 또는 임의로 생성된 의사 무작위 신호와 결합한 경우에 비해 감정 상태의 분류 정확도를 향상시킬 수 있는지를 확인한다. 네 가지 특징추출 방법을 사용하여 두 개의 공개 데이터셋에서 얻은 데이터 기반의 뇌전도, 뇌전도+생체신호, 뇌전도+생체신호+무작위신호, 및 뇌전도+무작위신호의 네 가지 조합을 조사했다. 감정 상태 (작업 대 휴식 상태)는 서포트 벡터 머신과 장단기 기억망 분류기를 사용하여 분류했다. 우리의 결과는 가장 높은 정확도를 가진 서포트 벡터 머신과 고속 퓨리에 변환을 사용할 때 뇌전도+생체신호의 평균 오류율이 뇌전도+무작위신호와 뇌전도 단독 신호만을 사용한 경우에 비해 각각 4.7% 및 6.5% 높았음을 보여주었다. 우리는 또한 다양한 무작위 신호를 결합하여 뇌전도+생체신호의 오류율을 철저하게 분석했다. 뇌전도+생체신호+무작위신호의 오류율 패턴은 초기에는 깊은 이중 감소 현상으로 인해 감소하다가 차원의 저주로 인해 증가하는 V자 모양을 나타냈다. 결과적으로, 우리의 연구 결과는 뇌파와 생체신호의 결합이 항상 유망한 분류성능을 보장할 수 없음을 시사한다.

• 재활복지공학회논문지
• /
• 제11권1호
• /
• pp.45-52
• /
• 2017

EEG 신호는 신체적으로 불편함을 가지고 있는 사용자에게서도 동일하게 발생되는 신호로써 차세대 인터페이스로 각광받고 있다. 본 논문에서는 사용자의 EEG 신호를 이용하여 감성적인 정보처리와 논리적인 정보처리를 보조하는 실내 환경을 제어하는 사물인터넷 시스템을 제안한다. 제안된 시스템은 EEG 측정 장치, EEG 시뮬레이션 소프트웨어, 실내 환경 제어 장치로 구성된다. 실험 데이터로는 편안한 상태에서 발생되는 감성적인 정보처리에 대한 EEG 신호 데이터와 집중 시에 발생되는 논리적인 정보처리에 대한 EEG 신호 데이터를 사용한다. 측정된 신호에서는 ICA 알고리즘이 적용하여 잡음이 제거되고 베타파만을 추출한다. 이후 SVM을 통한 학습 및 테스트 과정을 거치게 된다. 피험자는 EEG 시뮬레이션 소프트웨어를 통해 EEG 신호 정확도 향상 훈련을 거친 결과 평균 82.69%의 정확도를 보였다. EEG 측정 장치로부터 입력되는 EEG 신호는 Serial 통신을 통해 EEG 시뮬레이션 소프트웨어로 전송되며 감성적인 정보처리와 논리적인 정보처리를 분류하여 제어 명령이 생성된다. 이후 생성된 제어 명령은 Zigbee 통신을 통해 실내 환경 제어 장치로 전달되어 감성적인 정보처리일 경우 은은한 조명과 클래식 음악이 출력되고 논리적인 정보처리일 경우 밝은 조명과 함께 학습용 백색소음이 출력된다. 제안한 시스템은 BCI 기반 소프트웨어 및 디바이스 제어에 응용될 수 있어 몸이 불편한 사용자가 자신의 신체적인 한계를 극복하는 것을 가능하게 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권12호
• /
• pp.587-594
• /
• 2021

뇌파(electroencephalogram, EEG)를 이용한 진단이 확대되면서 EEG 신호를 자동으로 분류하기 위한 다양한 연구가 활발히 이루어지고 있다. 본 논문은 일반인과 뇌전증 환자에게서 추출한 EEG 신호를 효과적으로 식별할 수 있는 CNN 모델을 제안한다. CNN의 학습에 필요한 데이터를 확장하기 위하여 EEG 신호를 낮은 차원의 신호로 분할하고, 이것을 다시 여러 개의 세그먼트로 중첩 분할하여 CNN 학습에 이용한다. 이와 더불어 CNN의 성능을 개선하기 위하여 CNN 앙상블 전략을 제안한다. 공개된 Bonn 데이터세트로 실험을 수행한 결과 뇌전증 발작을 99.0% 이상의 정확도로 검출하였고, 앙상블 방식에 의해 3-클래스와 5-클래스의 EEG 분류에서 정확도가 향상되었다.

• 한국전자통신학회논문지
• /
• 제11권9호
• /
• pp.923-928
• /
• 2016

오늘날 사람들의 건강을 실시간으로 점검하고 응급상황에 대처하기 위해 다양한 기술들이 개발되어지고 있다. 지금까지는 대부분 맥박과 같은 생체신호를 측정하여 활용하고 있지만 최근에는 뇌파(EEG)를 활용하는 연구가 늘어나고 있다. 그러나 길에서 걸어 다니는 모든 사람들의 EEG 신호를 실시간으로 검출하여 해당 서버에 전송하는 것은 여러 가지 문제점을 야기시킨다. 특히, 2차원 공간에서 실시간으로 EEG 신호를 수집 및 전송하는 제약이 존재하기 때문에 본 논문에서는 이러한 제약을 피할 수 있는 3차원 공간의 드론을 활용하는 효율적인 네트워크 모델을 제안하고자 한다. 이러한 모델을 Opnet 시뮬레이터를 활용하여 네트워크 구조를 설계하고 시뮬레이션하고 평가하였다.