Journal of the Institute of Convergence Signal Processing
/
v.13
no.3
/
pp.136-141
/
2012
One of the main reasons for serious road accidents is driving while drowsy. For this reason, drowsiness detection and warning system for drivers has recently become a very important issue. Monitoring physiological signals provides the possibility of detecting features of drowsiness and fatigue of drivers. One of the effective signals is to measure electroencephalogram (EEG) signals and electrooculogram (EOG) signals. The aim of this study is to extract drowsiness-related features from a set of EEG signals and to classify the features into three states: alertness, drowsiness, sleepiness. This paper proposes a neural-network-based drowsiness detection system using Linear Predictive Coding (LPC) coefficients as feature vectors and Multi-Layer Perceptron (MLP) as a classifier. Samples of EEG data from each predefined state were used to train the MLP program by using the proposed feature extraction algorithms. The trained MLP program was tested on unclassified EEG data and subsequently reviewed according to manual classification. The classification rate of the proposed system is over 96.5% for only very small number of samples (250ms, 64 samples). Therefore, it can be applied to real driving incident situation that can occur for a split second.
Kim, Sun-Hee;Yang, Hyung-Jeong;Ng, Kam Swee;Jeong, Jong-Mun
The KIPS Transactions:PartB
/
v.16B
no.1
/
pp.63-70
/
2009
BCI technology is to control communication systems or machines by brain signal among biological signals followed by signal processing. For the implementation of BCI systems, it is required that the characteristics of brain signal are learned and analyzed in real-time and the learned characteristics are applied. In this paper, we detect feature vector of EEG signal on left and right hand movements based on incremental approach and dimension reduction using the detected feature vector. In addition, we show that the reduced dimension can improve the classification performance by removing unnecessary features. The processed data including sufficient features of input data can reduce the time of processing and boost performance of classification by removing unwanted features. Our experiments using K-NN classifier show the proposed approach 5% outperforms the PCA based dimension reduction.
Kim, Byeong-Nam;Kim, Yun-Hee;Kim, Laehyun;Kwon, Gyu-Hyun;Jang, Won-Seuk;Yoo, Sun-Kook
Science of Emotion and Sensibility
/
v.19
no.1
/
pp.31-38
/
2016
The brain and muscles both of which are composed of top-down structure occur the connectivity with the change of Electroencephalogram(EEG) and Electromyogram(EMG). In this paper, we studied the difference of functional connectivity between brain and muscles that by applying coherence method to EEG and EMG signals when users exercised upper limb with and without the movement intention. The changes in the EEG and EMG signals were inspected using coherence method. During the upper limb exercise, the mu (8~14 Hz) and beta (15~30 Hz) rhythms of the EEG signal at the motor cortex area are activated. And then the beta and piper (30~60 Hz) rhythms of the EMG signal are activated as well. The result of coherence analysis between EEG and EMG showed the coefficient of active exercise including movement intention is significantly higher than passive exercise. The coherence relations between cognitive response and muscle movement could interpret that the connectivity between the brain and muscle appear during active exercise with movement intention. The feature of coherence between brain and muscles by the status of movement intention will be useful in designing the rehabilitation system requiring feedback depending on the users' movement intention status.
본 연구는 뇌의 편측 영역 에서의 EEG(Electroencephalography) coherence 로 손동작 의도를 예측하고자 하는 연구이다. 손 동작 예측을 위한 실험에 신체에 이상이 없는 6 명의 피실험자가 참여 하였다. 실험은 데이터 트레이닝 6 분과 동작 의도 판단 6 분으로 진행되었으며 무작위 순서로 손 동작을 지시한 후 편측적 영역 5 개 지점의 EEG 와 동작 시점을 알기 위한 오른손 EMG(Electromyography)를 측정하였다. 측정된 EEG 데이터를 분석하기 위해 주파수 별 Alpha 와 Beta 를 분류하였고 EMG 신호를 기준으로 동작과 휴식으로 분류된 Alpha 와 Beta 데이터를 5 개의 측정 영역별 Coherence 분석을 하였다. 그 결과 동작과 휴식을 구분할 수 있는 통계적으로 유효한 EEG Coherence 영역을 통하여 동작 판단을 할 수 있음을 확인하였다.
Electroencephalogram (EEG) is a tool used to study brain activity caused by external stimuli. In this process, artifacts are mixed and it is easy to distort the signal, so post-processing is necessary to remove it. Independent Component Analysis (ICA) is a widely used method for removing artifact. This method has a disadvantage in that it has excellent performance but some loss of brain wave information. In this paper, we propose a method to reduce EEG information loss by restricting the filter coverage using eye blink information obtained from Eyetracker. We then compared the results of the proposed method with the conventional method using quantization methods such as Signal to Noise Ratio (SNR) and Spectral Coherence (SC).
The Journal of the Korea institute of electronic communication sciences
/
v.13
no.6
/
pp.1333-1342
/
2018
Until now, Electroencephalography(: EEG) has been the most important and convenient method for the diagnosis and treatment of epilepsy. However, it is difficult to identify the wave characteristics of an epileptic EEG signals because it is very weak, non-stationary and has strong background noise. In this paper, we analyse the effect of dimensionality reduction methods on Epileptic EEG feature selection and classification. Three dimensionality reduction methods: Pincipal Component Analysis(: PCA), Kernel Principal Component Analysis(: KPCA) and Linear Discriminant Analysis(: LDA) were investigated. The performance of each method was evaluated by using Support Vector Machine SVM, Logistic Regression(: LR), K-Nearestneighbor(: K-NN), Decision Tree(: DR) and Random Forest(: RF). From the experimental result, PCA recorded 75% of highest accuracy in SVM, LR and K-NN. KPCA recorded 85% of best performance in SVM and K-KNN while LDA achieved 100% accuracy in K-NN. Thus, LDA dimensionality reduction is found to provide the best classification result for epileptic EEG signal.
The brain-machine interface(BMI) is a next-generation interface that controls the device by decoding brain waves(also called Electroencephalogram, EEG), EEG is a electrical signal of nerve cell generated when the BMI user thinks of a command. The brain-machine interface can be applied to various smart devices, but complex computational process is required to decode the brain wave signal. Therefore, it is difficult to implement a brain-machine interface in an embedded system implemented in the form of an edge device. In this study, we proposed a new type of brain-machine interface system using IoT technology that only measures EEG at the edge device and stores and analyzes EEG data in the cloud computing. This system successfully performed quantitative EEG analysis for the brain-machine interface, and the whole data transmission time also showed a capable level of real-time processing.
Proceedings of the Korean Institute of Information and Commucation Sciences Conference
/
2009.10a
/
pp.289-292
/
2009
A person does communication between each other using language. But In the case of disabled person can not communication own idea to use writing and gesture. Therefore, In this paper, we embodied communication system using the facial muscle signals so that disabled person can do communication. Especially, After feature extraction of the EEG included facial muscle, it is converted the facial muscle into control signal, and then select character and communicate using a minimum list keyboard.
Kim, Ho-Duck;Jung, Tae-Min;Yang, Hyun-Chang;Sim, Kwee-Bo
Journal of Institute of Control, Robotics and Systems
/
v.13
no.9
/
pp.832-837
/
2007
Electroencephalographic(EEG) is used to record activities of human brain in the area of psychology for many years. As technology develope, neural basis of functional areas of emotion processing is revealed gradually. So we measure fundamental areas of human brain that controls emotion of human by using EEG. Hands gestures such as shaking and head gesture such as nodding are often used as human body languages for communication with each other, and their recognition is important that it is a useful communication medium between human and computers. Research methods about gesture recognition are used of computer vision. Many researchers study Emotion Recognition method which uses one of EEG signals and Gestures in the existing research. In this paper, we use together EEG signals and Gestures for Emotion Recognition of human. And we select the driver emotion as a specific target. The experimental result shows that using of both EEG signals and gestures gets high recognition rates better than using EEG signals or gestures. Both EEG signals and gestures use Interactive Feature Selection(IFS) for the feature selection whose method is based on a reinforcement learning.
Proceedings of the Korean Society for Emotion and Sensibility Conference
/
2003.05a
/
pp.36-40
/
2003
근래에 들어 질병으로 인하여 의사표현이 곤란한 환자에게 뇌파에 기초한 BCI(Brain Computer Interface)와 같은 새로운 인터페이스를 제공하고자 하는 연구가 활발히 진행되고 있다. BCI를 위한 기초 연구로서 특정 자극에 대해 유발되는 뇌파의 측정과 분석은 BCI를 위한 뇌파의 패턴과 인터페이스의 설계에 중요한 역할을 한다. 이 연구의 목적은 시청각 자극 인가후 피험자의 반응 시간을 측정하는 시스템을 EEG와 같은 생체 신호 계측 시스템과 연동이 가능한 형태로 개발하는 것이다. 제안된 시스템은 기능적으로 자극 신호 발생부, 반응시간 측정부, 유발뇌파 측정부, 동기신호발생부로 나뉘어진다. 자극신호 발생부는 실험에 이용되는 자극신호를 제작하는 부분으로서 Flash를 사용하여 구현하였다. 반응시간 측정부는 문제에 대한 답 선택 요청시각으로부터 피험자의 반응까지의 시간을 측정하는 부분으로서 마이크로 컴퓨터(80C31)를 이용하여 구현하였다. 우발뇌파 측정부는 시판용 하드웨어와 소프트웨어를 그대로 사용하였다. 동기신호 발생부는 전체 시스템의 동기를 맞추기 위한 신호를 발생하는 부분으로서 문제제시, 답요구와 동기한 화면상의 명암 신호와 이를 검출하는 광센서로 구성하였다. 본 논문에서 제시한 방법에서는 기존의 유발진위 측정 및 자극시스템에 특정 모듈(반응시간 측정 장치, 동기신호 발생장치)만을 추가하여 실험자의 의도에 맞는 시스템을 설계할 수 있어 유발 뇌파 및 반응시간 측정을 필요로 하는 연구를 가속화 할 것이 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.