• 산업경영시스템학회지
• /
• 제20권44호
• /
• pp.323-332
• /
• 1997

This study evaluated the compression force at the L5/S1 disc using EMG(Electromyography). EMG signals were analyzed under the condition of fixed vertical factor (20Cm∼80Cm), two horizontal factors (35Cm, 55Cm), and two weight factors (10Kg, 25Kg) 2 times per minute for each posture. Also, the result was compared with the compression force of each posture which computated by the equation of NIOSH(National Institute for Occupational Safety and Health) guide to manual lifting(1991). The experimental result show that EMG signals have more an effect on the Weight than the Horizontal factors. Also, there are not significant differences on the analysis result of EMG signals between Health members and not, because the body buildings which doing Health members are not enhanced the motor unit due to the MMH(Manual Material Handing).

• 전기학회논문지
• /
• 제57권3호
• /
• pp.527-535
• /
• 2008

Many signal processing techniques have been described in the literature for estimating amplitude, frequency and duration variables of the surface EMG signal detected during constant voluntary contractions. They have been used in different application areas for the non-invasive assessment of muscle function. The main purpose of our research is to compare the most frequently used algorithms for information extraction from surface EMG signals under varying conditions in terms of the different window lengths, muscle contraction levels, muscles and subjects. In particular we focus on the issue of estimating the slope and intercept to resolve an linear regression line with utilizing real SEMG signals which represents voluntary contractions during thirty seconds.

• 대한의용생체공학회:의공학회지
• /
• 제17권3호
• /
• pp.395-401
• /
• 1996

In this paper a new neural network model, time delayed counterpropagation neural networks (TDCPN) which have high recognition rate and short total learning time, is proposed for electromyogram(EMG) recognition. Signals the proposed model increases the recognition rates after learned the regional temporal correlation of patterns using time delay properties in input layer, and decreases the learning time by using winner-takes-all learning rule. The ouotar learning rule is put at the output layer so that the input pattern is able to map a desired output. We test the performance of this model with EMG signals collected from a normal subject. Experimental results show that the recognition rates of the suggested model is better and the learning time is shorter than those of TDNN and CPN.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.269-274
• /
• 2020

This paper is to study the exoskeleton robot for the walking of the elderly and the disabled. We developed and tested an Exoskeletal robot with two axes of freedom for joint motion. The EEG and EMG signals were used to move the joints of the Exoskeletal robot. By analyzing the EMG signal, the control signal was extracted and applied to the robot to facilitate the walking operation of the walking assistance robot. In addition, the brain-computer interface technology is applied to perform the operation of the robot using brain waves, spontaneous electrical activities recorded on the human scalp. These two signals were fused to study the walking recognition method of the supporting robot leg.

• 융합신호처리학회논문지
• /
• 제24권1호
• /
• pp.51-56
• /
• 2023

본 연구는 CNN에 기반한 한국 숫자지화 인식 시스템의 입력데이터인 표면 근전도 신호에 대한 샘플링 주파수가 CNN의 학습 성능에 미치는 영향을 검토하였다. 표면 근전도의 샘플링 주파수가 크면 수집한 많은 양의 입력데이터에 대한 학습 시간이 길어지므로 실시간 시스템의 구현이 어려움이 발생하고 고가의 표면 근전도 측정장비를 필요로 하므로 표면근전도 신호의 샘플링 주파수 선정에서 적정선이 요구된다. 이를 위해 본 연구에서는 1,024Hz, 512Hz, 256Hz, 128Hz 그리고 64Hz의 샘플링 주파수를 선정하고 선정된 샘플링 주파수로 측정한 표면근전도 신호를 입력으로 CNN 학습 성능을 비교하였다. 비교 연구 결과는 선정된 모든 샘플링 주파수로 획득한 표면근전도 신호를 입력데이터를 활용한 CNN 학습 모두가 한국 숫자지화 일부터 다섯을 100% 인식하였으며, 그중에서도 256Hz의 샘플링 주파수로 획득한 표면근전도 신호를 입력데이터로 활용한 CNN 학습이 가장 짧은 시간 안에 이루어졌다.

• 대한산업공학회지
• /
• 제19권4호
• /
• pp.87-96
• /
• 1993

Spectrum analysis of surface electromyogram (FMG) signals is an effective approach to the study of localized muscular fatigue during isometric contraction. Many investigators have con firmed the frequency of the EMG signals being lowered during sustained contaction. In this study, the cyclic loading tasks were performed, and a comparison was made for the median power frequency shift pattern of the EMG signals with the sustained contraction of the same load. The median power frequency shift of the EMG signals for the cyclic loading task was found to be a part of that for the sustained contraction. Based on this result, a new muscle fatigue index was computed by normalizing the duration of the sustained contraction. A fatigue index was obtained as a function of exertion level and the work/rest schedule. With the proposed fatigue index, it is possible to evaluate or predict the degree of muscular fatigue for a physically demanding task.

• 한국산학기술학회논문지
• /
• 제19권8호
• /
• pp.260-267
• /
• 2018

표면근전도(sEMG) 신호의 응용은 초기에는 단순히 근육 활성도의 유무를 판별하여 On/Off 의 스위치 기능으로 많이 사용되어 왔으나, 표면근전도 신호처리와 알고리즘의 발달로 휠체어의 방향 제어는 물론 수화를 인식하는 분야까지 확대되었다. 청각 장애인들의 언어 소통을 위한 중요한 수단인 수화나 지화는 미학습자와는 소통의 어려움이 존재해왔으며, 이러한 어려움을 해결하기 위해 수화나 지화를 인식하는 기술에 대한 연구가 지속적으로 수행되어 왔다. 최근에는, 수화나 지화 시연시에 활성화되는 근육의 신호를 활용하여 수화나 지화를 인식하는 방법이 중국 숫자지화 중심으로 적용되고 있는 추세이다. 하지만, 수화나 지화는 일반 음성언어와 마찬가지로 중국 숫자지화와 한국 숫자지화가 다르므로, 중국 숫자지화 시연시에 관여하는 근육이 한국 숫자지화 시연시에는 관여하지 않을 수가 있어, 인식률이 현저히 떨어질 수 있다. 그러므로 한국 숫자지화 시연시에 활성화되는 근육의 선정은 표면근전도 신호에 기반한 한국 숫자지화 인식률에 매우 중요하다. 하지만, 표면근전도 신호에 기반한 한국 숫자지화 인식에 대한 연구는 문헌에서 드물다. 본 연구에서는 표면근전도 신호를 활용한 한국수화 또는 한국지화의 인식에 관한 초기 연구로서, 한국 숫자지화를 시연시에 관여하는 아래팔근육을 제안하고 실험을 통하여 검증하기 위해 숫자 영(0)부터 다섯(5)의 여섯 가지 한국 숫자지화를 대상으로 인식하는 연구를 수행하였다. 이를 위해, 표면근전도 신호를 활용한 CNN 기반 지화인식 방법에 적용하여 여섯 가지 한국 숫자지화에 대하여 100%의 인식률을 확인함으로써, 여섯 가지 한국 숫자지화 인식을 위해 제안된 아래팔근육과 전극위치의 타당성을 검증하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.161-164
• /
• 2008

본 논문은 근전도 신호를 검출하고 로봇팔의 수직제어시스템을 구현하기 위한 연구이다. EMG 신호는 사람의 팔 근육에 흐르는 미세한 생체신호가 표면전극센서에 의해서 사용하여 검출되고 고성능 증폭, 필터링, ADC과 로봇팔의 서보 모터 구동 시스템으로 구현된다. 실험은 팔근육 움직임에 따른 EMG신호와 로봇팔의 다단계 수직제어 각도를 모니터링 한다. 시스템의 실험결과 수직제어각도는 2도 정도이며 평균오차는 5%이다.

• 대한의용생체공학회:의공학회지
• /
• 제26권4호
• /
• pp.243-249
• /
• 2005

The number of people who have lost limbs due to amputation has increased due to various accidents and diseases. Numerous attempts have been made to provide these people with prosthetic devices. These devices are often controlled using myoelectric signals. Although the success of fitting myoelectric signals (EMG) for single device control is apparent, extension of this control to more than one device has been difficult. The lack of success can be attributed to inadequate multifunctional control strategies. Therefore, the objective of this study was to develop multifunctional myoelectric control strategies that can generate a number of output control signals. We demonstrated the feasibility of a neural network classification control method that could generate 12 functions using three EMG channels. The results of evaluating this control strategy suggested that the neural network pattern classification method could be a potential control method to support reliability and convenience in operation. In order to make this artificial neural network control technique a successful control scheme for each amputee who may have different conditions, more investigation of a careful selection of the number of EMG channels, pre-determined contractile motions, and feature values that are estimated from the EMG signals is needed.

• 재활복지공학회논문지
• /
• 제5권1호
• /
• pp.95-101
• /
• 2011

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.