$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

비선형 특징투영 기법을 이용한 웨이블렛 기반 근전도 패턴인식
A Wavelet-Based EMG Pattern Recognition with Nonlinear Feature Projection 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SC, 시스템 및 제어, v.42 no.2 = no.302, 2005년, pp.39 - 48  

추준욱 (재활공학연구소) ,  문인혁 (재활공학연구소)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 다기능 근전의수를 제어하기 위해 전완에서 취득한 4 채널의 근전도로부터 9 가지 동작을 인식하는 새로운 방법을 제안한다. 비정상 신호특성을 가진 근전도를 해석하기 위해서 시간-주파수 영역에서 표현되는 특징벡터를 웨이블렛 패킷변환을 통해 추출한다. 높은 차원을 가지는 시간-주파수 특징벡터에 대하여 차원축소와 비선형변환을 수행하기 위해 PCA와 SOFM으로 구성된 특징투영 방법을 제안한다. PCA를 이용한 차원축소는 패턴분류기의 구조를 단순화하고 패턴인식을 위한 계산시간을 단축할 수 있다. SOFM을 이용한 비선형변환은 PCA에 의해 차원이 축소된 특징벡터를 새로운 공간으로 투영함으로써 클래스 분리도를 향상시킨다. 마지막으로 각 동작은 패턴분류기인 다층 신경회로망에 의해 인식된다. 실험 결과로부터 제안한 방법이 높은 인식률을 보임과 동시에 연속적인 패턴인식을 위한 실시간 구현이 가능함을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a novel approach to recognize nine kinds of motion for a multifunction myoelectric hand, acquiring four channel EMG signals from electrodes placed on the forearm. To analyze EMG with properties of nonstationary signal, time-frequency features are extracted by wavelet packet trans...

주제어

#EMG   #pattern recognition   #nonlinear feature projection   #wavelet packet transform   #PCA   #SOFM  

참고문헌 (17)

  1. OttoBock HealthCare, MYOBOCK Arm Components 2004, 2004 

  2. S. C. Jacobson, D. F. Knutti, R. T. Johnson, and H. H. Sears, 'Development of the Utah artificial arm,' IEEE Trans. Biomed. Eng., vol. 29, pp. 249-2697, April 1982 

    상세보기 crossref

  3. B. Hudgins, P. A. Parker, and R. N. Scott, 'A new strategy for multifunction myoelectric control,' IEEE Trans. Biomed. Eng., vol. 40, no. 1, pp. 82-94, January 1993 

    상세보기 crossref

  4. F. H. Y. Chan, Y. S. Yang, F. K. Lam, Y. T. Zhang, and P. A. Parker, 'Fuzzy EMG classification for prosthesis control,' IEEE Trans. Rehab. Eng., vol. 8, no. 3, pp. 305-311, September 2000 

    상세보기 crossref

  5. H. P. Huang, Y. H. Liu, L. W. Liu, and C. S. Wong, 'EMG classification for prehensile posture using cascaded architecture of neural networks with self-organizing maps,' IEEE Int'l. Conf. Robotics and Automation, pp. 1497-1502, September 2003 

    crossref

  6. A. Hiraiwa, N. Uchida, N. Sonehara, and K. Shimohara, 'EMG Pattern Recognition by Neural networks for Prosthetic Fingers Control - Cyber Finger,' Proc. Int'l. Symp. Measurement and control in Robotics, pp. 535-542, November 1992 

  7. S. H. Park and S. P. Lee, 'EMG Pattern Recognition Based on Artificial Intelligence Techniques,' IEEE Trans. Rehab. Eng., vol. 6, no. 4, pp. 400-405, December 1998 

    상세보기 crossref

  8. K. Englehart, B. Hudgins, Philip A. Parker, and M. Stevenson, 'Classification of the myoelectric signal using time-frequency based representations,' Medical Engineering and Physics, vol. 21, pp. 431-438, 1999 

    상세보기 crossref

  9. K. Englehart, B. Hudgins, and Philip A. Parker, 'A wavelet-based continuous classification scheme for multifunction myoelectric control,' IEEE Trans. Biomed. Eng., vol. 48, no. 3, pp. 302-311, March 2001 

    상세보기 crossref

  10. K. Englehart and B. Hudgins, 'A robust, real-time control scheme for multifunction myoelectric control,' IEEE Trans. Biomed. Eng., vol. 50, no. 7, pp. 848-854, July 2003 

    상세보기 crossref

  11. Jeffrey R. Cram and Clenn S. Kasman, Introduction to surface eletromyography, An Aspen Publication, Maryland, 1998 

  12. C. J. De Luca, 'Surface electromyography: Detection and recording,' Delsys Incorporated, 2002 

  13. http://www.delsys.com 

  14. N. Saito and R. R. Coifman, 'Local discriminant bases and their applications,' J. Mathematical Imaging and Vision, vol. 5, no. 4, pp. 337-358, 1995 

    상세보기 crossref

  15. Simon Haykin, Neural Networks: A Comprehensive Foundation, Prentice-Hall, New Jersy, 1999 

  16. T. Kohonen, 'The self-organizing map', Proc. of the IEEE, vol. 78, no. 9, pp. 1464-1480, 1990 

    상세보기 crossref

  17. Stephane G. Mallat, 'A theory for multire-solution signal decomposition: The wavelet representation,' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 11, no. 7, pp. 674-693, July 1989 

    상세보기 crossref

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로