문화콘텐츠기술(CT, Culture Technology)은 문화 산업 발전을 위한 기술로 문화콘텐츠 기획과 상품화, 미디어탑재, 전달의 가치사슬 과정 등 문화상품의 부가가치를 높이기 위해 소용되는 모든 형태의 유무형의 기술이다. 문화콘텐츠 기술(CT)분야에서 음악의 특징을 분석하여 다양한 어플리케이션을 개발하는 연구가 활발히 진행되고 있다. 이와 관련된 연구 중 EEG를 측정하고 그 결과에서 음악적 자극에 대한 반응을 검출하여 활용하는 연구가 주목받고 있다. 본 논문에서는 EEG에서 음악적 자극에 대응되는 반응신호들을 증폭시켜 평균화 하는 방법인 ERP(Event-Related Potentials) 실험을 기반으로 음색을 추출하는 과정에서 노이즈를 제거하기 위한 방법으로 ICA알고리즘을 적용하여 음색 추출 및 노이즈 제거 결과에 따른 EEG의 특성을 분석하여 적용한다.
문화콘텐츠기술(CT, Culture Technology)은 문화 산업 발전을 위한 기술로 문화콘텐츠 기획과 상품화, 미디어탑재, 전달의 가치사슬 과정 등 문화상품의 부가가치를 높이기 위해 소용되는 모든 형태의 유무형의 기술이다. 문화콘텐츠 기술(CT)분야에서 음악의 특징을 분석하여 다양한 어플리케이션을 개발하는 연구가 활발히 진행되고 있다. 이와 관련된 연구 중 EEG를 측정하고 그 결과에서 음악적 자극에 대한 반응을 검출하여 활용하는 연구가 주목받고 있다. 본 논문에서는 EEG에서 음악적 자극에 대응되는 반응신호들을 증폭시켜 평균화 하는 방법인 ERP(Event-Related Potentials) 실험을 기반으로 음색을 추출하는 과정에서 노이즈를 제거하기 위한 방법으로 ICA 알고리즘을 적용하여 음색 추출 및 노이즈 제거 결과에 따른 EEG의 특성을 분석하여 적용한다.
Cultural Content Technology(CT, Culture Technology) for the development of cultural industry and the commercialization of technology, cultural contents, media, mount, pass the value chain process and increase the added value of cultural products that are good for all forms of intangible technology. ...
Cultural Content Technology(CT, Culture Technology) for the development of cultural industry and the commercialization of technology, cultural contents, media, mount, pass the value chain process and increase the added value of cultural products that are good for all forms of intangible technology. In the field of Culture Technology, Music by analyzing the characteristics of the development of a variety of applications has been studied. Associated with EEG measures and the results of their research in response to musical stimuli are used to detect and study is getting attention. In this paper, the musical stimuli in EEG signals by amplifying the corresponding reaction to the averaging method, ERP (Event-Related Potentials) experiments based on the process of extracting sound methods for removing noise from the ICA algorithm to extract the tone and noise removal according to the results are applied to analyze the characteristics of EEG.
Cultural Content Technology(CT, Culture Technology) for the development of cultural industry and the commercialization of technology, cultural contents, media, mount, pass the value chain process and increase the added value of cultural products that are good for all forms of intangible technology. In the field of Culture Technology, Music by analyzing the characteristics of the development of a variety of applications has been studied. Associated with EEG measures and the results of their research in response to musical stimuli are used to detect and study is getting attention. In this paper, the musical stimuli in EEG signals by amplifying the corresponding reaction to the averaging method, ERP (Event-Related Potentials) experiments based on the process of extracting sound methods for removing noise from the ICA algorithm to extract the tone and noise removal according to the results are applied to analyze the characteristics of EEG.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문의 뇌 영역 측정 목적은 피험자가 3가지 서로 다른 음색의 음악을 들을 때 EEG신호의 변화를 관찰하고 이를 분석하는 것이므로 청각피질(Auditory Cortex) 영역을 주로 관찰하였으며, 자극 적용 시 이 영역에서 어떤 변화가 나타나는 지와 뇌의 소리에 대한 신호처리가 어떤 변화가 발생하는지 관찰하였다.
본 논문의 목적은 음색에 따라 뇌의 auditory cortex(T3, T1, C5, C6) 영역과 뇌의 소리에 대한 신호처리(Fpz, Cz, Fz)영역에서 어떤 변화가 있는 지를 분석해, 반대로 사람의 감정에 따라 알맞은 음악을 선곡하여 음악분수, 광고제작, 영화 OST와 같은 CT분야에 지능형 감성인식 어플리케이션에 적용하려고 한다.
본 연구에서는 3가지 장르의 음악(뉴에이지, 락, 댄스)을 1 청각자극을 주기 전에 편안한 상태를 만들어주기 위해 조건을 위하여 청각자극을 제외한 나머지 시각, 미각, 촉각, 후각 자극에 대해서는 외부 환경으로부터 차단을 하였다. 그림 4는 EEG 실험을 하는 모습을 보여주고 있다.
제안 방법
측정 장비로 LAXTHA의 QEEG-8의 8개 채널 중에 7개의 채널을 이용하였다. 7가지 영역(T1, T3, C5, C6, Fpz, Cz, Fz)과 REF, GND를 설정하였으며 정확한 위치는 그림 2와 같다.
뇌파의 분석에서 가장 많은 연구가 이루어지고 주안점이 되고 있는 잡음 문제의 해결을 위해서 본 논문에서는 측정된 신호에서 0∼4Hz의 낮은 주파수 δ파를 제거하였다.
따라서 본 논문에서는 FFT를 이용하여 시간영역의 뇌파 신호를 주파수영역으로 변환하면 주파수 크기에 따라 신호가 그래프에 배열되어 신호의 주파수 성분들을 분석할 수 있게 된다.
측정의 변화가 예민함을 감안하여 Sampling Frequency 는 512Hz로 설정하여 측정하였다. 우선 본 실험에 들어가기 전에 음악을 3가지 장르(팝, 락, 뉴에이지)로 분류하고, 실험에 사용할 음악의 음량(dB)은 일상적으로 편안하게 헤드폰으로 듣는 음악의 크기인 75dB로 통일하기로 하였다[10]. 실험은 청각에 이상이 없고 과거 청각장애 경력이 없는 20대 성인남자 8인에 대하여 총 10회 실시하였다.
뇌파 측정 시, GND는 그림 2와 같이 얼굴볼에서 측정하였고, REF는 귀의 아래 부위에서 측정하였다. 측정 장비로는 LAXTHA의 8채널 QEEG-8 장비를 사용하였으며, S/W 로는 LAXTHA의 TeleScan을 이용하여 EEG신호를 컴퓨터로 전송받고, 이렇게 획득된 EEG신호를 TXT파일로 변환하고 MATLAB을 이용하여 시간 영역을 주파수 영역으로 변환하여 뇌파를 분석하였다[7].
뇌파를 분석하는 다양한 방법 중 대표적인 것은 파원 스펙트럼 분석이다[16]. 파워스펙트럼 분석은 FFT를 통해서 세타파, 알파파, 베타파, 감마파 등의 대역별 파워(Power Spectrum)를 구하는 것을 바탕으로 한다. 이때 두피의 전극에서 발생하는 주파수 대역별 파워를 절대 파워(absolute power)라고 하고, 전체 주파수 대역의 절대 파워를 기준으로 각 주파수 대역의 절대 파워를 비율로 산출한 값을 각 주파수 대역의 상대 파워 (relative power)라고 하고, 상대 파워 스펙트럼 분석은 절대 파워 스펙트럼 분석에 비교해서 두개골의 두께 차이, 측정 시 두피의 전기적 상태, 긴장도와 같은 측정 변인을 줄일 수 있고, 인지 기능과 뇌파의 연관성을 잘 보여주기 때문에 뇌 기능에 관한 연구에서 많이 이용되고 있다[17].
대상 데이터
본 연구에서는 뇌파(EEG : Electroencephalogram)신호를 측정하기 위해 전극(electrode)을 International 10-20 system의 Auditory Cortex(T3, T1, C5, C6)영역과 뇌의 소리에 대한 신호처리(Fpz, Cz, Fz)영역에서 측정된 EEG 신호를 실험의 데이터로 활용하였다.
우선 본 실험에 들어가기 전에 음악을 3가지 장르(팝, 락, 뉴에이지)로 분류하고, 실험에 사용할 음악의 음량(dB)은 일상적으로 편안하게 헤드폰으로 듣는 음악의 크기인 75dB로 통일하기로 하였다[10]. 실험은 청각에 이상이 없고 과거 청각장애 경력이 없는 20대 성인남자 8인에 대하여 총 10회 실시하였다. 실험은 1분 간격으로 듣고 1분간 휴식을 갖도록 하였다.
그림 4는 EEG 실험을 하는 모습을 보여주고 있다. 측정 장비로 LAXTHA의 QEEG-8의 8개 채널 중에 7개의 채널을 이용하였다. 7가지 영역(T1, T3, C5, C6, Fpz, Cz, Fz)과 REF, GND를 설정하였으며 정확한 위치는 그림 2와 같다.
이론/모형
따라서 α파, β파, θ파, γ파를 추출하기 위해 FFT를 이용한다.
성능/효과
주파수 영역으로 이를 변환하고 그 변환된 값들로 다시 파워 스펙트럼을 나타낸 결과 (그림 7)는 아래와 같다. 3가지 각기 다른 장르의 음악을 들었지만 획연하게 차이가 나는 장르는 피아노와 바이올린 합주인 뉴에이지 음악과 강한 비트로 표현된 댄스음악이 차이가 났다. 그림 8과 9는 그림 7의 파워스펙트럼을 상대 파워스펙트럼(원하는 영역의 주파수범위/4Hz∼50Hz(=α+β+γ+θ))으로 나타낸 것이다.
또한 본 연구는 8명의 소수 인원을 대상으로 한 간단한 실험으로 측정 데이터 값에 있어서 신뢰도가 많이 떨어졌다. 향후 실험에서는 다양한 연령대의 피험자를 대상으로 측정해 각각 어떤 차이가 있는지를 분석하고자 한다.
반면, 댄스음악에서는 전체적으로 θ파가 활성화 되어있는 것을 확인 할 수 있었다.
본 논문은 음색을 통하여 사람의 뇌파에 어떠한 변화가 일어나는지를 실험을 통하여 각 채널 별로 분석을 하였던 결과, 청각피질(auditory cortex)영역(T1, T3, C5, C6)중에 T1, T3, C6영역이 음악 종류에 따라 반응하였고, 뇌의 소리에 대한 신호처리 영역(Fpz, Cz, Fz)에서는 Fpz의 전두엽 영역이 선호하는 노래 혹은 자주 들었던 노래에 반응을 하는 것을 알아낼 수 있었다. Cz영역은 종류에 따라 어떤 일정한 패턴이 나오지 않았다.
후속연구
본 연구에서는 S/W를 TeleScan과 MATLAB을 이용하여 기본적인 추출 및 분석에 의존 하였지만 향후 실험에서는 측정 뇌파의 좀 더 정확한 분석을 위하여 BIOSEMI사의 EEGLAB을 활용 할 것이다.
뇌파 측정 시 많이 사용되는 방법에는 그림 1과 같이 International 10-20 System의 19영역을 측정하기도 하며[4], 더 정밀한 측정을 위해 MCN 전극배치법에서 32영역을 측정하거나 41영역을 측정하기도 한다[5][6]. 측정 채널 수 증가는 정확한 값을 얻을 수 있지만 데이터의 양과 정보처리 시간 대비 효율성이 떨어지므로 적정 채널수를 유지하기 위한 연구가 필요하다.
향후 실험에서는 다양한 연령대의 피험자를 대상으로 측정해 각각 어떤 차이가 있는지를 분석하고자 한다. 측정장비를 보다 더 정밀하게 하기 위하여 전극 부착방법 대안을 수정할 계획이다.
또한 본 연구는 8명의 소수 인원을 대상으로 한 간단한 실험으로 측정 데이터 값에 있어서 신뢰도가 많이 떨어졌다. 향후 실험에서는 다양한 연령대의 피험자를 대상으로 측정해 각각 어떤 차이가 있는지를 분석하고자 한다. 측정장비를 보다 더 정밀하게 하기 위하여 전극 부착방법 대안을 수정할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
문화콘텐츠기술이란 무엇인가?
문화콘텐츠기술(CT, Culture Technology)은 문화 산업 발전을 위한 기술로 문화콘텐츠 기획과 상품화, 미디어탑재, 전달의 가치사슬 과정 등 문화상품의 부가가치를 높이기 위해 소용되는 모든 형태의 유무형의 기술이다. 문화콘텐츠 기술(CT)분야에서 음악의 특징을 분석하여 다양한 어플리케이션을 개발하는 연구가 활발히 진행되고 있다.
ERP 방법은 무엇인가?
이와 관련된 연구 중 EEG를 측정하고 그 결과에서 음악적 자극에 대한 반응을 검출하여 활용하는 연구가 주목받고 있다. 본 논문에서는 EEG에서 음악적 자극에 대응되는 반응신호들을 증폭시켜 평균화 하는 방법인 ERP(Event-Related Potentials) 실험을 기반으로 음색을 추출하는 과정에서 노이즈를 제거하기 위한 방법으로 ICA 알고리즘을 적용하여 음색 추출 및 노이즈 제거 결과에 따른 EEG의 특성을 분석하여 적용한다.
본 연구에서 댄스곡의 파워스펙트럼 값이 높게 나온 이유는 무엇인가?
5라는 많은 양의 파워스펙트럼 값이 나오게 되었다. 시간이 지남에 따라 집중력이 흩어져야 정상인데 가장 늦게 실험한 음악이 집중력이 높은 또다른 이유는 사람들이 음원을 기억할 때 쉽고 강렬한 비트와 멜로디를 더 오랫동안 기억하기 때문이다. 음색을 통해 EEG신호를 분석했던 이번 실험은 음악인이 아닌 다른 분야의 연구자에 의해서 이루어지다 보니 음악적 특성이 제대로 고려되지 않았거나 음악에 관련된 연구 목적 자체가 다른 곳에 초점을 두었기 때문에 그것이 물리적 특성이건 양식적 특성이나 그와 관련된 감성 특성에 대한 연구이기 보다 단순히 한 종류의 ‘음향자극’으로 음악을 취급하였기 때문에 음악에 대한 감성 특성을 연구하기에는 아직까지 그 한계가 있다.
참고문헌 (17)
이동춘 외, “시청각 감성 지표에 관한 비교 연구”, 감성공학학회지, pp.348-349, 1999. 2.
권오연, “음악에 의한 감성의 생리적 측정연구에 대한 소고”,음악과 민족, 제25호, pp.185-214
Hugdahl, K. Psychophysiology: the mind-body perspective, Cambridge, Mass: Havard University Press, 1995.
N. First INCE, Sami ARICA, "Analysis and Visualization of ERD and ERS with Adapted Local Cosine Transform," Proc. of the 26th Annual International Conference of the IEEE EMBS San Francisco, CA, USA·September1-5, 2004.
ZHOU Zhong-xing, MING Dong, WAN Bai-kun, CHENG Long-long, "Event-Related EEG-Change during Attempted Standing Up Task," Proc. of NFSI & ICFBI 2007 Hangzhou, China, October 12-14, 2007.
Laura Kauhanen, Pasi Jylanki, janne Lehtonen, Pekka Rantanen, Hannu Alaranta, and Mikko Sams, "EEG-Based Brain-Computer Interface for Tetraplegics“, Hindawi Publishing Corporation Computational Intelligence and Neuroscience, Vol. 2007, Article ID 23864, 11pages doi:10.1155/2007/23864.
Paul S. Hammom and Virginia R. de Sa, "Preprocessing and Meta-Classification for Brain-Computer Interface," IEEE Trans. on biomedical engineering, vol. 54, no.3, 2007.
P. Comon, Independent component analysis, A new concept?, Signal Proc. vol.36, no.3, 11-20, 1994.
Moore, B.C.J. An Introduction to the Psychology of Hearing, 5th ed. Amsterdam:Academic Press.
Yost, W.A. Fundamentals of Hearing: An Introduction, 3rd ed. San Diego: Academic Press, Inc.
S.Salenius, M.Kajola, W.L.Thompson, S.Kossly, and R.Hari, "Reactivity of magnetic parieto-occi-pital aloha rhythm during visual imagery," Electroencephalogr. Clin. Neurophysiol, vol. 95, pp.453-462, 1995.
T. Gruber, M.M. Muller, A. Keil, and T. Elbert, "Selective visual-spatial attention alters induced gamma band responses in the human," EEG Clin. Neurophysiol, vol.110, pp. 2074-2085, 1999.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.