$\require{mediawiki-texvc}$

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.

등척성 일정 자의 수축 시에 기록한 표면근전도 신호에 대한 근전도 진폭 추정기의 정량적 분석
Quantitative Analysis of EMG Amplitude Estimator for Surface EMG Signal Recorded during Isometric Constant Voluntary Contraction 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.66 no.5, 2017년, pp.843 - 850  

이진 (Dept. of Control & Instrumentation Engineering, Kangwon National Univ.)

Abstract AI-Helper 아이콘AI-Helper

The EMG amplitude estimator, which has been investigated as an indicator of muscle force, is utilized as the control input to artificial prosthetic limbs. This paper describes an application of the optimal EMG amplitude estimator to the surface EMG signals recorded during constant isometric %MVC (ma...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

제안 방법

  • 본 연구에서는 실제 임상에서 근전도 검사 시 일반적으로 사용되는 일정 등척성 20%, 50%, 80%MVC 수축 시에 이두박근(biceps brachii muscle)에서 30초간 수집한 표면근전도 신호들을 대상으로, 제시한 최적 진폭추정기를 각각 적용하여 얻어진 진폭추정의 결과를 정량적으로 비교, 평가하였다. 이를 위하여 근 피로도(local muscle fatigue)의 효과를 최대한 방지하며[12,13] 표면근전도 신호의 정상성이 유지되는[14] 비교적 짧은 분석 구간(5초)으로 각각 구분한 신호를 대상으로, 백색화 필터의 차수(order)와 ARV, RMS 값의 평활처리를 위한 이동평균(moving average)에 적용되는 창길이(window length) 변화를 중심으로 근전도 진폭추정기의 성능 평가지표인 신호대잡음비를 정량적으로 비교, 분석하였으며, 이러한 분석을 통하여 선정한 최적 근전도 진폭추정기를 전체 30초간 표면근전도 신호에 적용한 결과를 제시하였다.
  • 본 연구에서는 실제 임상에서 근전도 검사 시 일반적으로 사용되는 일정 등척성 20%, 50%, 80%MVC 수축 시에 이두박근(biceps brachii muscle)에서 30초간 수집한 표면근전도 신호들을 대상으로, 제시한 최적 진폭추정기를 각각 적용하여 얻어진 진폭추정의 결과를 정량적으로 비교, 평가하였다. 이를 위하여 근 피로도(local muscle fatigue)의 효과를 최대한 방지하며[12,13] 표면근전도 신호의 정상성이 유지되는[14] 비교적 짧은 분석 구간(5초)으로 각각 구분한 신호를 대상으로, 백색화 필터의 차수(order)와 ARV, RMS 값의 평활처리를 위한 이동평균(moving average)에 적용되는 창길이(window length) 변화를 중심으로 근전도 진폭추정기의 성능 평가지표인 신호대잡음비를 정량적으로 비교, 분석하였으며, 이러한 분석을 통하여 선정한 최적 근전도 진폭추정기를 전체 30초간 표면근전도 신호에 적용한 결과를 제시하였다.

대상 데이터

  • 본 연구에서는 실제 근전도 검사 시 자주 이용되는 대표적 근육 수축 방법인 일정한 % 최대자의 근육 수축(%MVC)을 통해서수집한 신호를 대상으로 표면근전도 진폭추정기의 성능을 정량적으로 분석, 평가해 보기위하여 21~28 (평균 24.3)세의 건강한 성인남자 11명을 대상으로 다음과 같은 방법으로 이두박근의 표면근전도 신호를 수집하였다. ;

데이터처리

  • 그림 2에서 제시한 표면근전도 추정기인 ARV, RMS(식 (5)로 정의)의 성능은 식 (4)에 나타낸 신호대잡음비에 의해서 좌우된다. 그러므로 본 연구에서는 백색화 필터의 차수(식 (2)에서 p)와 평활기의 창길이(식 (5)에서 N) 변화에 중점을 두고, 이두박근에서 수집한 z 198개의 원래 표면근전도 신호, m(n)과 백색화된 신호, mw(n)들을 대상으로 각각 진폭추정한 결과로부터 신호대잡음비(=추정값의 평균/추정값의 표준편차)를 구하여 분석, 평가하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
표면근전도 신호는 어떻게 활용되는가? 표면근전도(surface EMG) 신호의 진폭(amplitude)은 대상 근육이내는 근력(muscular force)을 간접적으로 추정하는 수단으로 사용될 수 있으며[1,2], 이렇게 측정할 수 있는 근력은 각종 인공 보장구(prosthetic limbs) 및 로봇의 제어입력 등으로 활용도가 증대되고 있다[3-5].
근전도 신호의 진폭 측정을 위하여 이용되고 있는 신호처리 방법으로는 무엇이 있는가? 지금까지 근력을 추정할 수 있는 근전도 신호의 진폭 측정을위하여 이용되고 있는 신호처리 방법으로는 정류된 신호의 평균값(ARV : average rectified value)과, 근전도 신호의 실효값 (RMS : root mean squre)을 사용하는 것이 대표적이다. 그러나 표면근전도 신호의 진폭은 관혈적(invasive)으로 신호원에 근접하여 측정하는 침(needle) 근전도 신호보다는 여러 가지 원인에 의한 잡음에 오염되며[1,3,4], 근섬유에서 발생한 활동전위들이 조직, 뼈 등을 거- 피부표면까지 전파하면서 시, 공간적으로 서로 중첩되어 검출되기 때문에 ARV, RMS로 추정할 수 있는 표면근전도 진폭 값과 실제 참값사이의 신호대잡음비(SNR: signal-to- noise ratio)가 낮다는 문제점이 있었으며, 이를 개선하는 것이 정확한 근력추정기로서의 성능을 결정하는 중요한 요인이 되고 있다.
연구자들이 어떤 문제점을 해결하고자 ARV, RMS를 적용한 표면근전도 진폭추정기의 신호대잡음비를 높이기 위한 연구를 하고 있는가? 지금까지 근력을 추정할 수 있는 근전도 신호의 진폭 측정을위하여 이용되고 있는 신호처리 방법으로는 정류된 신호의 평균값(ARV : average rectified value)과, 근전도 신호의 실효값 (RMS : root mean squre)을 사용하는 것이 대표적이다. 그러나 표면근전도 신호의 진폭은 관혈적(invasive)으로 신호원에 근접하여 측정하는 침(needle) 근전도 신호보다는 여러 가지 원인에 의한 잡음에 오염되며[1,3,4], 근섬유에서 발생한 활동전위들이 조직, 뼈 등을 거- 피부표면까지 전파하면서 시, 공간적으로 서로 중첩되어 검출되기 때문에 ARV, RMS로 추정할 수 있는 표면근전도 진폭 값과 실제 참값사이의 신호대잡음비(SNR: signal-to- noise ratio)가 낮다는 문제점이 있었으며, 이를 개선하는 것이 정확한 근력추정기로서의 성능을 결정하는 중요한 요인이 되고 있다
질의응답 정보가 도움이 되었나요?

참고문헌 (19)

  1. J. V. Basmajian and C. J. De Luca, Muscles alive : Their functions revealed by electromyography., Baltimore, MD, Williams & Wilkins, 1985. 

  2. H. S. Milner-Brown and R. B. Stein, "The relationship between the surface electromyogram and muscular force," J. Physiol., vol. 246, No. 3, pp. 549-569, 1975. 

  3. E.A. Clancy and E.L. Morin R. Merletti, "Sampling, noisereduction and amplitude estimation issues in surface electromyography," J. Electromyo. Kinesiol., vol. 12, pp. 1-16, 2002. 

  4. D. Staudenmann, K. Roeleveld, D.F. Stegeman, J.H. van Dieen, "Methodological aspects of SEMG recordings for force estimation," J. Electromyogr. Kinesiol., vol. 20, pp. 375-387, 2010. 

  5. T. W. Calvert and A. E. Chapman," The relationship between the surface EMG and force transients in muscle: simulation and experimental studies," Proc. IEEE, vol. 65, No. 5, pp. 682-689, 1977. 

  6. M. I. A. Harba and P. A. Lynn, "Optimizing the acquisition and processing of surface electromyographic signals," J. Biomed. Eng., vol. 3, pp. 100-106, 1981. 

  7. N. Hogan and R.W. Mann, "Myoelectric signal processing: Optimal estimation applied to EMG part I: Derivation of the optimal myoprocessor," IEEE Trans. BME, vol. 27, No. 7, pp. 382-395, 1980. 

  8. N. Hogan and R.W. Mann, "Myoelectric signal processing: Optimal estimation applied to EMG - part II: Experimental demonstration of optimal myoprocessor performance," IEEE Trans. BME, vol. 27, No. 7, pp. 396-410, 1980. 

  9. E. A. Clancy and N. Hogan, "Single site electromyography amplitude estimation," IEEE Trans. BME, vol. 41, No. 2, pp. 159-167, 1994. 

  10. Y. St-Amant, D. Rancourt, E.A. Clancy and N. Hogan, "Influence of smoothing window length on electromyogram amplitude estimates," IEEE Trans. BME, vol. 45, No. 6, pp. 795-800, 1998. 

  11. D. Farina and R. Merletti, "Comparison of algorithms for estimation of EMG variables during voluntary isometric contraction," J. Electromyogr. Kinesiol., vol. 10, pp. 337-349, 2000. 

  12. R. Merletti, L. R. Lo Conte, C. Orizio, "Indices of muscle fatigue," J. Electromyogr. Kinesiol., vol. 1, pp. 20-33, 1991. 

  13. G. F. Inbar and A. E. Noujaim, "On surface EMG spectral characterization and its application to diagnostic classification", IEEE Trans. BME, vol. 31, pp. 597-604, 1984. 

  14. J. Lee, "An accuracy analysis of Run-test and RA (reverse arrangement)-test for assessing surface EMG signal stationarity", J. of KIEE, vol. 63, no. 2, pp. 291-296, 2014. 

  15. A. Papoulis, Probability, random variables and stochastic processes, Mcgraw-Hill, NY, 1965. 

  16. J. S. Bendat and A. G. Piersol, Random data: analysis and measurement procedures, 2nd ed., New York: John Wiley & Sons, 1986. 

  17. O. Paiss and G.F. Inbar, "Autoregressive modeling of surface EMG and its spectrum with application to fatigue", IEEE Trans. BME, vol. 34, No. 10, pp. 761-770, 1987. 

  18. http://www.delsys.com 

  19. C. M. Thompson and L. Shure, Matlab and Simulink User's Guide, Mathworks Inc., 2002. 

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