초록

본 발명은 표면 근전도 신호의 잡음 채널 검출 방법에 관한 것으로, 표면 근전도 신호를 센싱하는 단계와, 상기 센싱된 표면 근전도 신호에 대해 복잡도 계수 및 허스트 지수를 반영한 MFCC(mel frequency cepstral coefficients)를 이용하여 특징점을 추출하는 단계와, 상기 추출된 특징점을 SVM(support vector machine)에 적용하여 잡음 채널을 판별하는 단계를 포함함으로써, 표면 근전도 신호의 잡음 채널을 효과적으로 검출하여 표면 근전도 신호의 유용성을 확보할 수 있다.

대표청구항 ▼

표면 근전도 신호를 센싱하는 단계와,상기 센싱된 표면 근전도 신호에 대해 복잡도 계수 및 허스트 지수를 반영한 MFCC(mel frequency cepstral coefficients)를 이용하여 특징점을 추출하는 단계와,상기 추출된 특징점을 SVM(support vector machine)에 적용하여 잡음 채널을 판별하는 단계를 포함하고,상기 특징점을 추출하는 단계는, 상기 MFCC의 필터 뱅크와 주파수 리미터가 상기 표면 근전도 신호로 설정되도록 조절하고, 상기 특징점을 추출하는 단계는, 상기 복잡도 계수가 상기 표면 근전도 신

표면 근전도 신호를 센싱하는 단계와,상기 센싱된 표면 근전도 신호에 대해 복잡도 계수 및 허스트 지수를 반영한 MFCC(mel frequency cepstral coefficients)를 이용하여 특징점을 추출하는 단계와,상기 추출된 특징점을 SVM(support vector machine)에 적용하여 잡음 채널을 판별하는 단계를 포함하고,상기 특징점을 추출하는 단계는, 상기 MFCC의 필터 뱅크와 주파수 리미터가 상기 표면 근전도 신호로 설정되도록 조절하고, 상기 특징점을 추출하는 단계는, 상기 복잡도 계수가 상기 표면 근전도 신호의 이동계수에 대한 상기 표면 근전도 신호의 이동계수 미분의 비로 정의되고,상기 특징점을 추출하는 단계는, 상기 허스트 지수가 자기 유사성 색인으로 참조되어 큰 값이 상대적으로 더 강한 자기 유사성을 나타내도록 하고,상기 SVM은 특징점 공간에서 하이퍼 플레인을 구분기호로 사용하여 이진 클래스 데이터를 분리하고, 광범위한 비선형 데이터의 경우 하이퍼 플레인의 커널 함수 역할을 하는 라그랑지안 다항식을 사용하여 수정하고,SVM 훈련을 위한 시뮬레이션은 320개의 채널에서 MFCC, 복잡도 계수 및 허스트 지수를 포함한 매개변수가 계산되고, 320개의 채널에서 127개의 특징점이 추출되어 320*127 크기의 데이터세트를 형성하고, SVM이 320개의 채널에서 추출된 데이터세트의 주요 분류기로 사용되는 것;SVM은 시뮬레이션된 데이터세트를 2차 커널 함수를 사용하여 분류하고, 분류된 데이터세트를 클린 채널과 노이즈 채널을 포함하는 2개 클래스로 정의하며, 정의된 근전도 신호와 실제 근전도 신호를 비교하여 정확도를 확인하는 표면 근전도 신호의 잡음 채널 검출 방법.