[논문]근전도 생체 신호를 이용한 지능형 외골격 로봇팔의 구현

전부일; 조현찬; 전홍태

doi:10.5391/jkiis.2012.22.5.533

근전도 생체 신호를 이용한 지능형 외골격 로봇팔의 구현
The Implementation of the Intelligent Exoskeleton Robot Arm Using ElectroMiogram(EMG) vital Signal 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.22 no.5, 2012년, pp.533 - 539

전부일 (한국기술교육대학교 전기전자통신공학부) , 조현찬 (한국기술교육대학교 전기전자통신공학부) , 전홍태 (중앙대학교 전자전기공학부)

초록
AI-Helper

본 연구는 사람 팔의 움직임에 따른 신체 발생 신호인 근육의 근전도 데이터를 실시간으로 추출하여 신호 발생에 따른 외골격 로봇 팔의 동작을 통해 제어신호의 유효성을 평가하는데 그 목적이 있다. 지능형 알고리즘에 의해 인간의 인지와 판단의 결과가 팔의 근육을 통해서 제어 가능한 지를 실제 시스템을 구성하여 확인해 보는 것이다. 근육의 수축과 이완에 따른 근전도 센서 데이터는 외골격 로봇 팔을 구동하는 원신호로 사용되며 로봇 구동을 위한 힘을 전달하는 엑츄에이터가 인간의 팔의 동작을 모사한다. 이를 위해 아날로그 필터회로와 관련 회로를 설계하여 신호를 추출하였고 시스템의 동작을 위해 DSP컨트롤러를 통한 신호처리과정을 거친 후 지능 알고리즘을 통한 부하의 정확한 예측을 위한 퍼지 논리 알고리즘의 동작을 표현할 수 있는 외골격 로봇 팔을 제작하였다.

Abstract ▼ AI-Helper

The purpose of this study is to estimate a validity of control signal through a design of Exoskeleton Robot Arm's capable of intelligent recognition as a human arm's motion by using realtime processed data of generated EMG signals. By an intelligent algorithm, the EMG output value of human biceps and triceps muscles contraction can be recognized and used for the control over exoskeleton arm corresponding to human's recognition and judgement. The EMG sensing data of muscles contraction and relaxation are used as the input signal from human's body to operate the Exoskeleton Robot Arm thus copying human arm motion. An intelligent control of Exoskeleton Robot Arm is to design the analog control circuit which processes the input data, and then to manufacture an integrated control board. And then abstracted signal is passed by DSP signal processing, Fuzzy logic algorithm is designed for a accurate prediction of weight or load through the intelligent algorithm, and design an Exoskeleton Robot Arm to express a human's intention.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 근전도 신호를 이용해 외골격 로봇팔을 효율적으로 제어할 수 있는 지능형 알고리즘과 이를 이용한 외골격 로봇팔의 구현 방법에 대해 제안한다. 이를 위해 우선적으로 아날로그 필터링 기법을 이용한 근전도(EMG: Electromyogram)[2][4] 신호 추출을 실행하였다.
근전도 신호를 이용한 외골격 로봇 시스템을 구성한 뒤 실험을 시행하였다. 부하에 따라 어느 정도의 정확성을 가지고 근전도 신호의 퍼지 제어 효율을 얻을 수 있는가에 대해 확인하는 것이다. 부하를 무게별로 실험군을 1kg에서 10kg까지 1kg 단위로 구분하여 10가지로 구성한 뒤, 각각의 부하를 순서에 따라 10회 반복하여 외골격 로봇팔이 어느 정도의 정확성을 가지고 부하를 들어 올리고 내리는지 확인하고 부하의 오류 확률 및 횟수(출력 근전도 데이터가 측정 부하의 오차범위 ±1KG을 벗어나는 횟수와 빈도)를 측정한다.
또한 근육의 부하에 따른 변화와 팔의 움직임에 따른 신호의 추출 및 아날로그 필터링 된 신호의 디지털 처리와 제어기 컨트롤을 위해 고속의 데이터 처리가 가능한 DSP(Digital Signal Processing)컨트롤러[3]를 사용하였다. 일련의 과정을 통해 매우 안정적인 제어 효율성을 가진 외골격 로봇팔의 기능을 구현하는데 1차 적인 목적이 있으며 다양한 상황을 예측 가능한 알고리즘으로 구현하여 사용자가 원하는 행동 양식과 요구에 가장 부합할 수 있는 지능적인 제어의 가능성을 확인하고 효율성을 검증하는데 그 궁극적인 목적이 있다. 본 논문은 아날로그 회로설계에 이은 구동 보드의 설계에 이어서 DSP컨트롤러를 이용한 신호 처리 과정과 외골격 로봇 하드웨어 설계, 퍼지 알고리즘에 의한 로봇 컨트롤 부분을 거쳐 실제 제어기의 흐름도에 입각한 실험 결과를 기준으로 결과를 검증 및 효용성을 입증하고 향후 연구의 진행 방향을 모색하는 순으로 구성되었다.

제안 방법

근전도 신호를 이용한 외골격 로봇 시스템을 구성한 뒤 실험을 시행하였다. 부하에 따라 어느 정도의 정확성을 가지고 근전도 신호의 퍼지 제어 효율을 얻을 수 있는가에 대해 확인하는 것이다.
대역 통과 필터는 기본적으로 3가지의 필터의 특성을 갖는 필터를 직렬로 연결하여 구성하였는데 그 순서는 노치 필터, 하이패스 필터, 로우패스 필터의 순으로 구성하였고 노치필터는 60Hz의 상용주파수를 제거하고 하이패스 필터는 20Hz이상의 주파수만을 통과시키며 로우패스 필터는 약 600Hz이하의 주파수만을 통과시킬 수 있도록 각각의 입·출력을 조절하였다.
일련의 과정을 통해 매우 안정적인 제어 효율성을 가진 외골격 로봇팔의 기능을 구현하는데 1차 적인 목적이 있으며 다양한 상황을 예측 가능한 알고리즘으로 구현하여 사용자가 원하는 행동 양식과 요구에 가장 부합할 수 있는 지능적인 제어의 가능성을 확인하고 효율성을 검증하는데 그 궁극적인 목적이 있다. 본 논문은 아날로그 회로설계에 이은 구동 보드의 설계에 이어서 DSP컨트롤러를 이용한 신호 처리 과정과 외골격 로봇 하드웨어 설계, 퍼지 알고리즘에 의한 로봇 컨트롤 부분을 거쳐 실제 제어기의 흐름도에 입각한 실험 결과를 기준으로 결과를 검증 및 효용성을 입증하고 향후 연구의 진행 방향을 모색하는 순으로 구성되었다.
부하를 무게별로 실험군을 1kg에서 10kg까지 1kg 단위로 구분하여 10가지로 구성한 뒤, 각각의 부하를 순서에 따라 10회 반복하여 외골격 로봇팔이 어느 정도의 정확성을 가지고 부하를 들어 올리고 내리는지 확인하고 부하의 오류 확률 및 횟수(출력 근전도 데이터가 측정 부하의 오차범위 ±1KG을 벗어나는 횟수와 빈도)를 측정한다.
신호를 추출을 위해 이두근과 삼두근에 전해질이 묻어 있는 전극을 부착하여 전기적 신호를 추출할 수 있다. 신호 추출을 위해 사용되는 전극은 바이폴라 스냅 전극(2-pole Electrode Shield Cable)이고 전극을 1회용 Ag/Agcl(은/염화은) pre_gelled 전극에 연결하여 추출하고자 하는 근육 부위에 부착해 근육의 근전도를 측정한다[5]. 근전도 신호를 측정하여 메인 프로세서로 입력되기까지의 과정은 다음의 그림 3과 같으며 근신호의 입출력 변수 및 전체 시스템을 제어하기 위해 설계된 컨트롤 보드는 그림 4와 같다.
이를 위해 사전에 제작한 근전도 신호 추출 및 필터링 회로를 통해 동작에 따른 이두근과 삼두근의 근전도가 무게에 따라 어떻게 변하는 지에 관해 실험을 한 후 결과를 정량화하여 근신호제어 알고리즘의 기준으로 사용하였다. 실험은 각각 0Kg에서 9Kg까지의 부하별로 각각 10회에 걸쳐 센싱 값을 추출한 후 각각의 조건별로 레퍼런스 근전도 값과 그에 따른 출력 데이터를 정리해 표1과 같이 입력 멤버쉽 함수로 이용할 데이터를 얻었다.
근전도 신호를 제어하기 위해서 먼저 실제 사람의 근전도 신호가 무게에 따라 어떻게 변하는 지와 어떤 값을 가지는 지에 대해 실제 데이터를 추출하는 작업이 선행되어야 한다. 이를 위해 사전에 제작한 근전도 신호 추출 및 필터링 회로를 통해 동작에 따른 이두근과 삼두근의 근전도가 무게에 따라 어떻게 변하는 지에 관해 실험을 한 후 결과를 정량화하여 근신호제어 알고리즘의 기준으로 사용하였다. 실험은 각각 0Kg에서 9Kg까지의 부하별로 각각 10회에 걸쳐 센싱 값을 추출한 후 각각의 조건별로 레퍼런스 근전도 값과 그에 따른 출력 데이터를 정리해 표1과 같이 입력 멤버쉽 함수로 이용할 데이터를 얻었다.
본 연구에서는 근전도 신호를 이용해 외골격 로봇팔을 효율적으로 제어할 수 있는 지능형 알고리즘과 이를 이용한 외골격 로봇팔의 구현 방법에 대해 제안한다. 이를 위해 우선적으로 아날로그 필터링 기법을 이용한 근전도(EMG: Electromyogram)[2][4] 신호 추출을 실행하였다. 또한 근육의 부하에 따른 변화와 팔의 움직임에 따른 신호의 추출 및 아날로그 필터링 된 신호의 디지털 처리와 제어기 컨트롤을 위해 고속의 데이터 처리가 가능한 DSP(Digital Signal Processing)컨트롤러[3]를 사용하였다.
일반적으로 근전도 측정기를 설계하는 데 있어서 대역통과 필터를 사용하는데 여기에 노치필터로 상용 주파수를 제거하는 과정을 거치게 되나 상용주파수인 60Hz의 주파수를 제거함에 있어서 실제 근전도 원신호의 주파수 범위는 약 10∼500Hz 사이인데 이때 제거된 60Hz의 상용 주파수에 실제 근전도 정보가 포함하고 있는 원신호의 60Hz대의 신호를 제거할 수 있으므로 일반적으로 사용되지는 않는다. 이에 본 연구에서 사용한 필터는 노치필터의 사용여부를 하드웨어적으로 컨트롤 할 수 있도록 점퍼를 사용 하였고, 그 효과를 확인할 수 있도록 필터 회로를 제작하였다. 대역 통과 필터는 기본적으로 3가지의 필터의 특성을 갖는 필터를 직렬로 연결하여 구성하였는데 그 순서는 노치 필터, 하이패스 필터, 로우패스 필터의 순으로 구성하였고 노치필터는 60Hz의 상용주파수를 제거하고 하이패스 필터는 20Hz이상의 주파수만을 통과시키며 로우패스 필터는 약 600Hz이하의 주파수만을 통과시킬 수 있도록 각각의 입·출력을 조절하였다.
입력된 EMG1/2의 이두근과 삼두근의 아날로그 신호레벨을 1차적으로 ADC1/2를 통해 실시간으로 디지털화한 후 일정한 분해능을 가지도록 샘플링 주기를 정해준다. 정해진 주기와 분해능에 따라 변환되는 신호는 레퍼런스 근전도 값Reference Value Acquiration)을 정하기 위해 일정 시간 동안 값의 평균값의 최대값을 저장하고 레퍼런스 값을 기준으로 다음 들어오는 근육의 센싱 값을 읽어 들일 준비를 한다.

대상 데이터

신호를 추출을 위해 이두근과 삼두근에 전해질이 묻어 있는 전극을 부착하여 전기적 신호를 추출할 수 있다. 신호 추출을 위해 사용되는 전극은 바이폴라 스냅 전극(2-pole Electrode Shield Cable)이고 전극을 1회용 Ag/Agcl(은/염화은) pre_gelled 전극에 연결하여 추출하고자 하는 근육 부위에 부착해 근육의 근전도를 측정한다[5].

데이터처리

각 입력 멤버쉽 함수의 시작과 끝 값은 실제 근전도의 부하에 따른 측정값에 근거하여 산출된 근전도 측정 평균 데이터의 최대값과 최소값의 값을 사용하였으며 각 멤버쉽 함수의 중간 값은 이두근과 삼두근 측정 데이터의 평균값을 표준화하여 결정하였다. 그림 8을 통해 동일한 부하를 들어 올리는 과정에서의 평균적인 출력 값이 이두근이 삼두근에 비해 높게 나타나는 것을 확인할 수 있으며 이는 근육의 활성도에 따라 근전도 신호도 보다 가파르게 증가하고 있다는 것을 뒷받침해 주는 근거로 해석할 수 있다.

이론/모형

이를 위해 우선적으로 아날로그 필터링 기법을 이용한 근전도(EMG: Electromyogram)[2][4] 신호 추출을 실행하였다. 또한 근육의 부하에 따른 변화와 팔의 움직임에 따른 신호의 추출 및 아날로그 필터링 된 신호의 디지털 처리와 제어기 컨트롤을 위해 고속의 데이터 처리가 가능한 DSP(Digital Signal Processing)컨트롤러[3]를 사용하였다. 일련의 과정을 통해 매우 안정적인 제어 효율성을 가진 외골격 로봇팔의 기능을 구현하는데 1차 적인 목적이 있으며 다양한 상황을 예측 가능한 알고리즘으로 구현하여 사용자가 원하는 행동 양식과 요구에 가장 부합할 수 있는 지능적인 제어의 가능성을 확인하고 효율성을 검증하는데 그 궁극적인 목적이 있다.
언어 변수에 의한 퍼지 입력의 형태는 각각 이두근과 삼두근에서 트라이앵귤러 퍼지숫자(triangular fuzzy number)[7][8]와 사다리꼴 퍼지 숫자(tripezoidal fuzzy num- ber)[7][8]를 함께 사용하였고 입력 변수의 멤버쉽 함수는 다음의 그림 6의 (A)와 (B)에서 보여주고 있다.
출력을 결정하기 위해 본 연구에서는 퍼지 제어시스템에서 가장 널리 사용되는 맘다니(Mamdani)의 최대_최소연산법(Max_Min Method)을 이용하고 아래 식(1)과 같이 추론 과정을 거친다.

성능/효과

부하에 따른 근전도의 값을 최대한 정확한 범위 내에서 취득 할 수 있다는 것은 올리고 내리고 정지하는 사용자의 모션을 예측할 수 있는 지에 관한 가능성의 정도를 의미한다. 또한 본 논문에서의 효율성의 의미는 퍼지 알고리즘을 사용하였을 때 본 연구의 목적인 실제 부하에 따른 이두근과 삼두근의 근전도 출력 값으로 얼마만큼 정확하게 현재 들고 있는 물체의 부하의 크기를 최대한 오류가 없이 예측할 수 있는가의 정도라고 할 수 있다. 실제의 이두근과 삼두근의 근육의 경우 매우 민감한 반응을 보기 때문에 센싱 값의 변화가 컷던 이유와 전극을 붙이는 위치에 따라서 차이를 보이기 때문에 응답 특성이 다소 떨어지는 필터 회로 자체의 정확도 문제에도 기인하는 것으로 나타났다.
실제의 외골격 로봇팔[9][10]은 팔 부분의 프레임과 상체지지역할을 하는 프레임, 제어회로 및 연결을 담당하는 프레임, 실제 출력을 들어올리는 엑츄에이터와 구동 드라이버 모듈로 구성하였다. 또한 실험에서는 상황에 따라 근육의 레퍼런스 값을 갱신하며 시간이 지남에 따라 근전도의 퍼지 입출력 값은 변화하고 출력 값에도 영향을 준다. 이것은 근 신호의 출력 값이 상황에 따라 영향을 받아 그 값이 일정해지지 않거나 근피로도에 의해 출력되는 근전도 값이 변하기 때문이다.
본 연구를 통해 근전도 신호의 유형을 파악하고 생체 신호를 이용해 인간의 의지를 표현할 수 있는 외골격 로봇 팔의 제어신호로서의 활용 가능성과 효율성을 확인할 수 있었다. 명확하게 정의할 수 없는 신호의 비선형성과 모호성 때문에 퍼지 제어기의 필요성과 적합성을 언급했지만 실제로 제어기의 효율을 입증하기 위해서는 제어 신호의 일반화와 정규화 과정이 매우 중요하다.
또한 본 논문에서의 효율성의 의미는 퍼지 알고리즘을 사용하였을 때 본 연구의 목적인 실제 부하에 따른 이두근과 삼두근의 근전도 출력 값으로 얼마만큼 정확하게 현재 들고 있는 물체의 부하의 크기를 최대한 오류가 없이 예측할 수 있는가의 정도라고 할 수 있다. 실제의 이두근과 삼두근의 근육의 경우 매우 민감한 반응을 보기 때문에 센싱 값의 변화가 컷던 이유와 전극을 붙이는 위치에 따라서 차이를 보이기 때문에 응답 특성이 다소 떨어지는 필터 회로 자체의 정확도 문제에도 기인하는 것으로 나타났다. 실제로 실험시에 항상 부딪히게 되는 문제로서 입출력 제어 회로의 응답특성과 센싱 전극 위치의 난해성이었다.
실험을 통해 효율성 면에서 측정 부하에 관해 예측을 ±1KG 초과하는 결과를 제외한 정확도는 약 86%정도로 확인되었으며 결과를 통해 부하에 따른 근육의 활성도로 부하의 무게를 판단할 수 있다는 가능성을 확인할 수 있었다.

후속연구

향후 연구 방향으로 최우선적인 부분은 필터 회로의 안정화와 신호처리 알고리즘의 정밀도를 향상시켜 신호의 보다 정밀하게 제어해야 한다는 점이다. 이를 통해 신호의 출력에 따라 사람의 의지를 더욱 세분화하여 사용자의 의도를 보다 정확하게 판단할 것이며 보다 신뢰성 있는 출력을 갖는 제어기를 설계할 수 있을 것이다. 또한 신호의 정밀도는 근육의 상황에 따른 민감성을 보완하여 신호의 일반화를 통한 범용제어의 가능성을 실현할 수 있다.
명확하게 정의할 수 없는 신호의 비선형성과 모호성 때문에 퍼지 제어기의 필요성과 적합성을 언급했지만 실제로 제어기의 효율을 입증하기 위해서는 제어 신호의 일반화와 정규화 과정이 매우 중요하다. 하지만 제어 신호로써의 활용 가능성을 확인할 수 있었으며 앞으로 향후의 연구를 통해 개선된 시스템에 의해 더욱 효율적인 제어가 가능하다는 결론을 내릴 수 있다.
향후 연구 방향으로 최우선적인 부분은 필터 회로의 안정화와 신호처리 알고리즘의 정밀도를 향상시켜 신호의 보다 정밀하게 제어해야 한다는 점이다. 이를 통해 신호의 출력에 따라 사람의 의지를 더욱 세분화하여 사용자의 의도를 보다 정확하게 판단할 것이며 보다 신뢰성 있는 출력을 갖는 제어기를 설계할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	근전도의 장점은 무엇인가?	이러한 근전도는 근육의 양이나 사용자의 상황, 근섬유의 조직이나 특정 동작 여부에 따라 다양한 인체의 정보를 내포하고 있으며 그 신호의 유형을 분석하여 사람의 인지 능력을 가늠할 수 있는 신호로 활용될 수 있다. 특히 인체의 자연 발생 신호라는 점에서 가장 획득이 용이하고 복잡한 과정이 필요 없이 가장 정확한 인간의 심리적·정신적인 상태를 예측할 수 있다는 장점을 가진다[1]. 근전도는 Electromyogram의 약어로써 EMG로 명명하고 사람의 동작이 일어나는 동안의 근육의 움직임을 보여주는 것으로써 근전도 장비를 통해서 근육에서 발생되는 전기신호를 통해 그 출력 값을 확인할 수 있다.
	근전도 신호의 사용은 어떤 가능성을 가지는가?	최근 근전도와 뇌전도, 심전도 등 다양한 생체발생 신호 들에 관한 연구가 활발히 진행되고 있다. 그 중 근전도 신호의 사용은 인체 공학적 성격이 강하며 장애인이나 노약자들을 위한 보조기구로 사용된다면 의학적 측면이나 스포츠 과학 분야의 스포츠 재활 영역에 기능적으로 활용될 가능성을 가지고 있다. 이러한 근전도는 근육의 양이나 사용자의 상황, 근섬유의 조직이나 특정 동작 여부에 따라 다양한 인체의 정보를 내포하고 있으며 그 신호의 유형을 분석하여 사람의 인지 능력을 가늠할 수 있는 신호로 활용될 수 있다.
	근전도는 무엇인가?	특히 인체의 자연 발생 신호라는 점에서 가장 획득이 용이하고 복잡한 과정이 필요 없이 가장 정확한 인간의 심리적·정신적인 상태를 예측할 수 있다는 장점을 가진다[1]. 근전도는 Electromyogram의 약어로써 EMG로 명명하고 사람의 동작이 일어나는 동안의 근육의 움직임을 보여주는 것으로써 근전도 장비를 통해서 근육에서 발생되는 전기신호를 통해 그 출력 값을 확인할 수 있다. 근전도 신호는 측정은 표면 근전도(SEMG: Surface EMG)측정 방법을 사용하고 무통증 , 비침습적인 방식에 의해 표면에 전극을 부착하여 근육의 운동 단위의 총체적 활동을 정량적으로 분석할 수있고 신호 추출이 용이한 장점을 가지는 표면 근전도 측정 방법이 연구자들에게 선호되고 있다[1].

참고문헌 (11)

http://www.seedtech.co.kr, "SEED Technology"
Bok-Hee Jin, Electromyography, Korea Medical Science, 2007.
A.M. Trzynadlowski, DSP controllers-An emerging tool forelectric motor drives, IEEE Ind. Electron. Soc. Newslett, pp. 2-13, 2006.
K. Ooe and T. Fukuda, "Development of the artificial larynx with neck EMG signal control," Int. Symposium on Micro-NanoMechatronics and Human Science, 2010.
http://www.laxtha.com, "LAXTHA"
Artemiadis, "An EMG-Based Robot Control Scheme Robust to Time-Varying EMG Signal Features," IEEE Transactions on Information Technology in Biomedicine, vol. 14, Issue 3, pp. 582-588, 2010.

상세보기
R. M. Tong, "The Evaluation of Fuzzy Models Derived from Experimental Data," Fuzzy Sets and Systems, vol. 4, pp. 1-12, 1980.

상세보기
Witold Pedrycz and Fernando Gomide, Fuzzy Systems Engineering, Wiley Interscience, 2007.
Heng Cao, "Design frame of a leg exoskeleton for load-carrying augmentation," IEEE International Conference on Robotics and Biomimetics (ROBIO), pp. 426-431, 2009.
A. Zoss, H. Kazerooni, A. Chu. "On the mechanical design of theBerkeley Lower Extremity Exoskeleton (BLEEX)," in Proc. IEEE Int.Conf. Intell. Robots Syst., Edmonton, pp. 3465-3472, 2005.
A. B. Ajiboye, and R. F. Weir, "A heuristic fuzzy logic approach to EMG pattern recognition for multifunctional prosthesis control," IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 13, no. 3, pp. 280-291, 2005.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증