| 1 |
1
착용자의 보행능력을 강화하거나 보조하는 로봇 또는 시스템을 착용하는 착용자의 보행단계를 구분하는 시스템에 있어서,상기 착용자의 보행에 따라 지면으로부터 발생되는 지면반력(GRF,ground reaction force)을 측정하는 센서부; 및상기 센서부에서 측정된 상기 지면반력을 이용하여 상기 착용자의 보행단계상태 정보를 생성하도록, 상기 센서부로부터 상기 지면반력을 전달받고, 전달받은 상기 지면반력을 기준으로 상기 착용자의 보행단계상태를 지도학습(supervised learning) 방법에 의해 유추하도록 이루어지는 제어부를 포함하고,상기 제어부는, 상기 지면반력을 기준으로 상기 착용자의 보행단계상태 각각에 대하여, 나이브 베이지안 기법을 이용하는,라는 식을 따르는 조건부 확률로 연산하고, 연산에 따른 값을 비교하도록 이루어지는 것을 특징으로 하는 보행단계구분 시스템
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 제어부는,상기 센서부로부터 전달받은 상기 지면반력에서 특징데이터를 추출하는 센서데이터 처리부; 및상기 센서데이터 처리부로부터 전달받은 상기 특징데이터를 나이브 베이지안 기법을 이용하여 연산한 후, 상기 착용자의 보행단계상태 정보를 생성하도록 이루어지는 보행단계구분 생성부를 포함하는 보행단계구분 시스템
|
| 4 |
4
제3항에 있어서,상기 제어부는,상기 센서부에서 측정된 상기 지면반력을 이용하여 상기 보행단계상태 정보를 학습하도록 이루어지며, 상기 착용자의 보행단계상태 기준을 제공하도록 상기 학습으로 얻어진 파라미터를 상기 보행단계구분 생성부로 전달하는 보행구분모델 학습부를 더 포함하는 보행단계구분 시스템
|
| 5 |
5
제4항에 있어서,상기 학습부로부터 학습으로 얻어진 파라미터를 전달받도록 이루어지고, 상기 학습된 데이터로 생성된 상기 파라미터를 이용하여 보행단계상태 정보를 생성하는 보행단계구분 생성부를 포함하는 것을 특징으로 하는 보행단계구분 시스템
|
| 6 |
6
제1항에 있어서,상기 센서부는,상기 착용자의 보행시, 상기 지면과 상기 착용자 사이에서 적어도 일부가 가압되도록 배치되고, 상기 착용자의 보행 변화에 따라 달라지는 압축력으로부터 상기 지면반력을 측정하는 로드셀을 포함하는 보행단계구분 시스템
|
| 7 |
7
제1항에 있어서,상기 센서부는,상기 착용자의 보행시, 상기 지면과 상기 착용자 사이에서 적어도 일부가 가압되도록 배치되며, 기계적 변형에 의해 전압을 발생시키는 압전소자를 포함하고,상기 압전소자는, 상기 착용자의 보행에 따라 발생되는 전압의 변화로부터 상기 지면반력을 측정하도록 이루어지는 것을 특징으로 하는 보행단계구분 시스템
|
| 8 |
8
착용자의 보행능력을 강화하거나 보조하는 로봇 또는 시스템을 착용하는 착용자의 보행단계를 구분하는 방법에 있어서,센서부로 상기 착용자의 보행에 따라 지면으로부터 발생되는 지면반력(GRF,ground reaction force)을 측정하는 단계; 및상기 측정한 지면반력을 이용하여 상기 착용자의 보행단계상태 정보를 생성하도록, 상기 지면반력을 기준으로 상기 착용자의 보행단계상태를 지도학습(supervised learning) 방법에 의해 유추하여 상기 착용자의 보행단계를 판별하는 단계를 포함하고,상기 착용자의 보행단계를 판별하는 단계는,상기 측정한 지면반력을 이용하여 상기 착용자의 보행단계상태 정보를 생성하도록, 상기 측정한 지면반력을 기준으로 상기 보행단계상태 각각에 대하여, 나이브 베이지안 기법을 이용하는,라는 식을 따르는 조건부 확률로 산출하는 단계; 및상기 산출된 각각의 조건부 확률을 서로 비교하고, 상기 조건부 확률 중 가장 큰 값을 갖는 상기 보행단계상태를 상기 착용자의 보행단계로 판별하는 단계를 포함하는 보행단계구분 방법
|
| 9 |
9
삭제
|
| 10 |
10
제8항에 있어서,상기 센서부는 서로 다른 위치에 배치되는 복수의 측정점을 포함하고,상기 조건부 확률을 산출하는 단계는 상기 복수의 측정점에서 측정되는 상기 지면반력을 기준으로 상기 보행단계상태 각각에 대한 조건부 확률을 산출하도록 이루어지는 것을 특징으로 하는 보행단계구분 방법
|
| 11 |
11
제10항에 있어서,상기 센서부는 서로 다른 위치에 배치되는 복수의 측정점을 포함하고,상기 조건부 확률을 산출하는 단계는 상기 복수의 측정점에서 측정되는 상기 지면반력을 기준으로 상기 보행단계상태 각각에 대한 조건부 확률을 산출하도록 이루어지는 것을 특징으로 하는 보행단계구분 방법
|
| 12 |
12
제8항에 있어서,상기 조건부 확률은 나이브 베이지안 기법을 이용하는 식에서,c는 보행단계상태, 특징변수 x는 상기 센서부에서 측정되는 상기 지면반력()과 상기 지면반력의 변화량()이며, p(c|x)는 사후확률, p(c)는 보행단계상태 c의 사전확률, p(xi|c)는 보행단계상태 c에 대한 각각의 특징변수 x의 우도확률인 것을 특징으로 하는 보행단계구분 방법
|
| 13 |
13
제12항에 있어서,상기 조건부 확률을 산출하는 단계는,상기 센서부로부터 전달받은 상기 지면반력에서 특징데이터를 추출하는 단계; 및상기 특징데이터를 이용하여 상기 착용자의 보행단계상태 정보를 생성하는 단계를 포함하는 보행단계구분 방법
|
| 14 |
14
제13항에 있어서,상기 특징변수 x는 상기 특징데이터를 추출단계로부터 얻어진 상기 특징데이터인 것을 특징으로 하는 보행단계구분 방법
|
| 15 |
15
제13항에 있어서,상기 착용자의 보행단계상태를 구분하는 방법은,상기 특징변수 x가 주어졌을 때, 각 보행단계 상태 별로 속할 조건부 확률을 각각 계산하고, 다음의 식에 따른 확률값 중 가장 큰 확률 값을 나타내는 보행단계상태를 현재의 보행단계상태로 결정하는 것을 특징으로 하는 보행단계구분 방법
|
| 16 |
16
제8항에 있어서,상기 착용자의 보행단계로 판별하는 단계는,상기 센서부에서 측정된 상기 지면반력을 이용하여 상기 보행단계상태 정보를 학습하도록 이루어지는 보행구분모델 학습부로부터, 상기 학습으로 얻어진 파라미터를 제공받아 상기 착용자의 보행단계를 판별하도록 이루어지는 보행단계구분 방법
|
