1 |
1
뇌파 신호인 테스트 신호를 왼쪽 클래스와 오른쪽 클래스 중 어느 하나로 분류하는 뇌-컴퓨터 접속 장치로서,왼쪽 클래스의 훈련 신호와 오른쪽 클래스의 훈련 신호를 입력받고, 각 클래스의 훈련 신호를 필터링하여, 상기 왼쪽 클래스에 해당하는 제1행렬과 상기 오른쪽 클래스에 해당하는 제2행렬을 추출하고, 상기 제1행렬과 상기 제2행렬을 축적하여 사전을 설계하는 사전부,상기 사전을 기초로 테스트 신호의 해를 구하는 풀이부, 그리고상기 해의 각 클래스에 나타난 0이 아닌 계수의 분포를 기초로 상기 테스트 신호를 상기 왼쪽 클래스와 상기 오른쪽 클래스 중 어느 하나로 분류하는 분류부를 포함하고,상기 제1행렬과 상기 제2행렬 각각은 상기 필터링에 의해 희소하게 표현된 행렬인, 뇌-컴퓨터 접속 장치
|
2 |
2
제1항에서,상기 훈련 신호를 하나의 클래스에 대해서는 최대화하고, 다른 클래스에 대해서는 최소화하는 CSP(common spatial pattern) 필터링을 하여 CSP 필터링된 신호를 출력하는 CSP 필터링부를 더 포함하고,상기 사전부는 상기 CSP 필터링된 신호를 기초로 상기 사전을 설계하는 뇌-컴퓨터 접속 장치
|
3 |
3
제2항에서,상기 사전부는행의 수는 CSP 필터의 수이며, 각 클래스의 열의 수는 각 클래스의 훈련 신호의 수인 상기 사전을 설계하는 뇌-컴퓨터 접속 장치
|
4 |
4
제2항에서,상기 CSP 필터링된 신호 중에서 특정 주파수 대역의 신호를 특징 신호로 추출하는 특징신호추출부를 더 포함하고,상기 사전부는 상기 특징 신호를 기초로 상기 사전을 설계하는 뇌-컴퓨터 접속 장치
|
5 |
5
제4항에서,상기 특정 주파수 대역은 두피의 감각운동 피질 부분의 감각운동 리듬에 해당하는 주파수 대역인 뇌-컴퓨터 접속 장치
|
6 |
6
제1항에서,상기 풀이부는L1 최소화 방법으로 상기 해를 구하는 뇌-컴퓨터 접속 장치
|
7 |
7
제1항에서,상기 분류부는상기 해의 각 클래스 중에서 0이 아닌 계수가 가장 많이 나타난 클래스로 상기 테스트 신호를 분류하는 뇌-컴퓨터 접속 장치
|
8 |
8
제1항에서,상기 분류부는상기 해를 기초로 클래스별 나머지를 계산하여 나머지가 최소인 클래스로 상기 테스트 신호를 분류하고,상기 클래스별 나머지는 상기 해 중에서 자신 이외의 클래스의 원소를 0으로 채워 생성한 벡터를 상기 사전에 투영한 제1값과 상기 테스트 신호에 해당하는 제2값의 차이로 계산되는 값인 뇌-컴퓨터 접속 장치
|
9 |
9
제1항에서,상기 훈련 신호와 상기 테스트 신호는 움직임 상상 기반 뇌파 신호인 뇌-컴퓨터 접속 장치
|
10 |
10
제1항에서,상기 왼쪽 클래스는 왼쪽 움직임 상상에 해당하는 클래스이고, 상기 오른쪽 클래스는 오른쪽 움직임 상상에 해당하는 클래스인 뇌-컴퓨터 접속 장치
|
11 |
11
뇌-컴퓨터 접속 장치가 뇌파 신호인 테스트 신호를 왼쪽 클래스와 오른쪽 클래스 중 어느 하나로 분류하는 방법으로서,왼쪽 클래스에 해당하는 훈련 신호와 오른쪽 클래스에 해당하는 훈련 신호를 획득하는 단계,각 클래스의 훈련 신호를 해당 클래스에 대해서는 최대화하고 다른 클래스에 대해서는 최소화하는 필터링하여, 상기 왼쪽 클래스에 해당하는 제1행렬과 상기 오른쪽 클래스에 해당하는 제2행렬을 추출하는 단계,상기 제1행렬과 상기 제2행렬을 축적하여 사전(dictionary)을 설계하는 단계,상기 사전을 기초로 상기 테스트 신호의 해를 구하는 단계, 그리고상기 해의 각 클래스에 나타난 0이 아닌 계수의 분포를 기초로 상기 테스트 신호를 상기 왼쪽 클래스와 상기 오른쪽 클래스 중 어느 하나로 분류하는 단계를 포함하고,상기 제1행렬과 상기 제2행렬은 상기 필터링에 의해 희소하게 표현된 행렬인, 분류 방법
|
12 |
12
제11항에서,상기 훈련 신호와 상기 테스트 신호는 움직임 상상 기반 뇌파 신호인 분류 방법
|
13 |
13
제11항에서,상기 왼쪽 클래스는 왼쪽 움직임 상상에 해당하는 클래스이고, 상기 오른쪽 클래스는 오른쪽 움직임 상상에 해당하는 클래스인 분류 방법
|
14 |
14
제11항에서,상기 필터링은 CSP(Common Spatial Pattern) 필터링이고,상기 사전을 설계하는 단계는행의 수는 CSP 필터의 수이며, 각 클래스의 열의 수는 각 클래스의 훈련 신호의 수인 상기 사전을 설계하는 분류 방법
|
15 |
15
제14항에서,상기 CSP 필터링된 신호 중에서 특정 주파수 대역의 신호를 특징 신호로 추출하는 단계를 더 포함하고,상기 사전을 설계하는 단계는 상기 특징 신호를 기초로 상기 사전을 설계하는 분류 방법
|
16 |
16
제15항에서,상기 특정 주파수 대역은 두피의 감각운동 피질 부분의 감각운동 리듬에 해당하는 주파수 대역인 분류 방법
|
17 |
17
제11항에서,상기 해를 구하는 단계는 L1 최소화 방법으로 상기 해를 구하는 분류 방법
|
18 |
18
제11항에서,상기 해를 구하는 단계는 0이 아닌 계수의 개수가 각 클래스의 훈련 신호의 개수보다 희소하다고 판단될 수 있는 정도로 적은 상기 해를 구하는 분류 방법
|
19 |
19
제11항에서,상기 분류하는 단계는상기 해의 각 클래스 중에서 0이 아닌 계수가 가장 많이 나타난 클래스로 상기 테스트 신호를 분류하는 분류 방법
|
20 |
20
제11항에서,상기 분류하는 단계는상기 해를 기초로 클래스별 나머지를 계산하여 나머지가 최소인 클래스로 상기 테스트 신호를 분류하고, 상기 클래스별 나머지는 상기 해 중에서 자신 이외의 클래스의 원소를 0으로 채워 생성한 벡터를 상기 사전에 투영한 제1값과 상기 테스트 신호에 해당하는 제2값의 차이로 계산되는 값인 분류 방법
|