1 |
1
EEG(electroencephalogram) 측정 장치로부터 측정된 사용자의 뇌파 데이터에서 감성을 나타내는 특징 파라미터를 추출하는 단계; 및상기 특징 파라미터를 이용하여 상기 뇌파 데이터의 패턴을 분류함에 따라 상기 사용자의 감성상태를 분류하는 단계를 포함하는 감성상태 분류 방법
|
2 |
2
제1항에 있어서,상기 뇌파 데이터는 16개 채널의 전극을 이용하여 측정되는 것을 특징으로 하는 감성상태 분류 방법
|
3 |
3
제2항에 있어서,상기 전극은 국제 표준법인 10-20법(ten-twenty electrode system)에 의거하여 두피의 16개 부위에 부착되는 것을 특징으로 하는 감성상태 분류 방법
|
4 |
4
제1항에 있어서,상기 특징 파라미터를 추출하기 이전에, 상기 뇌파 데이터에 포함된 잡음을 제거하는 전처리 단계를 더 포함하는 감성상태 분류 방법
|
5 |
5
제1항에 있어서,상기 특징 파라미터를 추출하기 이전에, 상기 뇌파 데이터에서 눈 깜빡임에 의한 잡음 신호를 제거하는 전처리 단계를 더 포함하는 감성상태 분류 방법
|
6 |
6
제5항에 있어서,상기 전처리 단계는,상기 잡음 신호를 구별하기 위한 문턱 값(threshold)을 설정하는 단계;상기 뇌파 데이터를 절대값으로 바꾼 후 각 포인트에서의 기울기를 이용하여 눈 깜빡임 부분의 피크(peak) 값을 검출하는 단계;상기 피크 값이 상기 문턱 값보다 크면 상기 잡음 신호로 판단하는 단계를 포함하는 감성상태 분류 방법
|
7 |
7
제6항에 있어서,상기 문턱 값을 설정하는 단계는,상기 뇌파 데이터의 전체 길이에 대한 평균 값을 계산한 후 상기 평균 값에 일정 배수가 곱해진 값을 상기 문턱 값으로 설정하는 것을 특징으로 하는 감성상태 분류 방법
|
8 |
8
제1항에 있어서,상기 특징 파라미터를 추출하기 이전에, 상기 뇌파 데이터에서 감성과 관련된 정보가 포함되는 주파수 성분을 필터링 하는 전처리 단계를 더 포함하는 감성상태 분류 방법
|
9 |
9
제8항에 있어서,상기 전처리 단계는,고역통과필터(high pass filter)를 이용하여 상기 뇌파 데이터에서 직류 오프셋(offset)을 제거하고 저역통과필터(low pass filter)를 이용하여 상기 뇌파 데이터에서 고주파 잡음을 제거하는 것을 특징으로 하는 감성상태 분류 방법
|
10 |
10
제1항에 있어서,상기 특징 파라미터를 추출하는 단계는,선형예측분석(linear predictive analysis)을 통해 상기 뇌파 데이터의 선형예측기계수(linear predictor coefficient)를 상기 특징 파라미터로서 추출하는 것을 특징으로 하는 감성상태 분류 방법
|
11 |
11
제10항에 있어서,상기 선형예측기계수는 현재 신호를 이전 신호들의 선형결합으로 예측된 샘플간의 예측 오차를 최소제곱기준(least squares criterion)에 적용하여 구하는 것을 특징으로 하는 감성상태 분류 방법
|
12 |
12
제11항에 있어서,상기 예측 오차는 수학식 1을 이용하여 구하는 것을 특징으로 하는 감성상태 분류 방법
|
13 |
13
제1항에 있어서,상기 특징 파라미터를 추출하는 단계는,상기 뇌파 데이터의 대역별 상호상관계수(cross-correlation coefficient)를 상기 특징 파라미터로서 추출하는 것을 특징으로 하는 감성상태 분류 방법
|
14 |
14
제13항에 있어서,상기 상호상관계수는 수학식 2에 의해 구해지는 것을 특징으로 하는 감성상태 분류 방법
|
15 |
15
제13항에 있어서,상기 특징 파라미터를 추출하는 단계는,FFT(Fast Fourier Transform) 스펙트럼 또는 AR(Auto-Regressive) 스펙트럼의 주파수 대역 중에서 θ(Theta) 파와 α(Alpha) 파 및 β(beta) 파에 해당되는 대역별 상호상관계수를 각각 추출하는 것을 특징으로 하는 감성상태 분류 방법
|
16 |
16
제1항에 있어서,상기 사용자의 감성상태를 분류하는 단계는,상기 특징 파라미터로 구성된 다층신경회로망(multilayer perceptron)을 이용하여 상기 뇌파 데이터의 패턴을 분류하는 것을 특징으로 하는 감성상태 분류 방법
|
17 |
17
제16항에 있어서,상기 사용자의 감성상태를 분류하는 단계는,여러 사람의 감성에 대한 뇌파를 학습시켜 구성된 가중치 템플릿(weight templates) 중에서 상기 사용자의 뇌파 데이터와 가장 근사한 뇌파의 템플릿을 선택하는 단계; 및상기 다층신경회로망에 상기 선택된 템플릿의 가중치로 읽어들인 후 상기 다층신경회로망의 출력을 분석하여 상기 뇌파 데이터의 패턴을 분류하는 단계를 포함하는 감성상태 분류 방법
|
18 |
18
제17항에 있어서,상기 다층신경회로망의 출력을 분석하여 상기 뇌파 데이터의 패턴을 분류하는 단계는,상기 다층신경회로망의 출력 중 가장 큰 값과 두 번째로 큰 값을 가지고 상기 사용자의 감성상태를 판단하는 것을 특징으로 하는 감성상태 분류 방법
|
19 |
19
컴퓨터 시스템이 뇌파 측정을 통해 감성상태를 분류하도록 제어하는 명령(instruction)을 포함하는 컴퓨터 판독가능 매체로서,상기 명령은,EEG(electroencephalogram) 측정 장치로부터 측정된 사용자의 뇌파 데이터에서 감성을 나타내는 특징 파라미터를 추출하는 단계; 및상기 특징 파라미터를 이용하여 상기 뇌파 데이터의 패턴을 분류함에 따라 상기 사용자의 감성상태를 분류하는 단계를 포함하는 방법에 의하여 상기 컴퓨터 시스템을 제어하는, 컴퓨터 판독가능 저장 매체
|
20 |
20
EEG(electroencephalogram) 측정 장치로부터 측정된 사용자의 뇌파 데이터에서 감성을 나타내는 특징 파라미터를 추출하는 추출부; 및상기 특징 파라미터를 이용하여 상기 뇌파 데이터의 패턴을 분류함에 따라 상기 사용자의 감성상태를 분류하는 분류부를 포함하는 감성상태 분류 장치
|
21 |
21
제20항에 있어서,상기 특징 파라미터를 추출하기 이전에, 상기 뇌파 데이터에 포함된 잡음을 제거하는 전처리부를 더 포함하는 감성상태 분류 장치
|
22 |
22
제20항에 있어서,상기 특징 파라미터를 추출하기 이전에, 상기 뇌파 데이터에서 눈 깜빡임에 의한 잡음 신호를 제거하는 전처리부를 더 포함하고,상기 전처리부는,상기 잡음 신호를 구별하기 위한 문턱 값(threshold)을 설정하고, 상기 뇌파 데이터를 절대값으로 바꾼 후 각 포인트에서의 기울기를 이용하여 눈 깜빡임 부분의 피크(peak) 값을 검출하고, 상기 피크 값이 상기 문턱 값보다 크면 상기 잡음 신호로 판단하는 것을 특징으로 하는 감성상태 분류 장치
|
23 |
23
제20항에 있어서,상기 특징 파라미터를 추출하기 이전에, 상기 뇌파 데이터에서 감성과 관련된 정보가 포함되는 주파수 성분을 필터링 하는 전처리부를 더 포함하고,상기 전처리부는,고역통과필터(high pass filter)를 이용하여 상기 뇌파 데이터에서 직류 오프셋(offset)을 제거하고 저역통과필터(low pass filter)를 이용하여 상기 뇌파 데이터에서 고주파 잡음을 제거하는 것을 특징으로 하는 감성상태 분류 장치
|
24 |
24
제20항에 있어서,상기 추출부는,선형예측분석(linear predictive analysis)을 통해 상기 뇌파 데이터의 선형예측기계수(linear predictor coefficient)를 상기 특징 파라미터로서 추출하는 것을 특징으로 하는 감성상태 분류 장치
|
25 |
25
제24항에 있어서,상기 선형예측기계수는 현재 신호를 이전 신호들의 선형결합으로 예측된 샘플간의 예측 오차를 최소제곱기준(least squares criterion)에 적용하여 구하는 것을 특징으로 하는 감성상태 분류 장치
|
26 |
26
제20항에 있어서,상기 추출부는,상기 뇌파 데이터의 대역별 상호상관계수(cross-correlation coefficient)를 상기 특징 파라미터로서 추출하는 것을 특징으로 하는 감성상태 분류 장치
|
27 |
27
제26항에 있어서,상기 추출부는,FFT(Fast Fourier Transform) 스펙트럼 또는 AR(Auto-Regressive) 스펙트럼의 주파수 대역 중에서 θ(Theta) 파와 α(Alpha) 파 및 β(beta) 파에 해당되는 대역별 상호상관계수를 각각 추출하는 것을 특징으로 하는 감성상태 분류 장치
|
28 |
28
제20항에 있어서,상기 분류부는,상기 특징 파라미터로 구성된 다층신경회로망(multilayer perceptron)을 이용하여 상기 뇌파 데이터의 패턴을 분류하는 것을 특징으로 하는 감성상태 분류 장치
|
29 |
29
제28항에 있어서,상기 분류부는,여러 사람의 감성에 대한 뇌파를 학습시켜 구성된 가중치 템플릿(weight templates) 중에서 상기 사용자의 뇌파 데이터와 가장 근사한 뇌파의 템플릿을 선택한 후, 상기 다층신경회로망에 상기 선택된 템플릿의 가중치로 읽어들인 후 상기 다층신경회로망의 출력을 분석하여 상기 뇌파 데이터의 패턴을 분류하는 것을 특징으로 하는 감성상태 분류 장치
|