1 |
1
뇌-컴퓨터 인터페이스(Brain Computer Interface, BCI) 시스템에 의해 수행되고, 복수의 사용자가 사용할 수 있는 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법에 있어서,a) 복수의 사용자로부터 적어도 하나 이상의 패러다임을 통해 뇌 신호를 획득하고, 상기 획득된 뇌 신호를 이용하여 사용자별 뇌신호의 특징 패턴 정보를 추출한 후 상기 사용자별 뇌신호의 특징 패턴 정보를 포함하는 레퍼런스 특징 정보를 BCI 데이터베이스에 저장하는 단계;b) 새로운 사용자의 접근이 감지되면, 기설정된 휴식 시간 동안 상기 새로운 사용자에 대한 휴지기 뇌 신호를 획득하고, 상기 휴지기 뇌 신호에서 특징 패턴 정보를 추출하여 대상 특징 정보를 산출하는 단계;c) 상기 BCI 데이터베이스에 저장된 레퍼런스 특징 정보와 상기 대상 특징 정보를 비교하여, 상기 레퍼런스 특징 정보 중에서 상기 대상 특징 정보의 특징 패턴 정보와 가장 유사한 특징 패턴을 가지는 뇌신호의 특징 패턴 정보를 선택하는 단계; 및d) 상기 선택된 뇌신호의 특징 패턴 정보에 대응하여 사전에 형성된 사전 전이 학습 정보를 상기 새로운 사용자에게 적용하는 단계를 포함하되,상기 사전 전이 학습 정보는 뇌파의 평균, 공분산, 편차, 주파수대역별 스펙트럼 파워를 포함한 뇌파 특징 정보와, 뇌파 패턴을 분류하기 위한 분류기 정보를 포함하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
2 |
2
제1항에 있어서,상기 b) 단계에서 상기 휴식 시간(t2)은 상기 a) 단계에서 뇌 신호 획득시 소요되는 시간(t1)에 비해 짧은 시간(t2 003c#t1)으로 설정하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
3 |
3
제1항에 있어서,상기 b) 단계는, 상기 휴지기 뇌 신호에 대한 전처리 과정 및 특징 추출 과정을 통해 특징 패턴 정보를 추출하여 대상 특징 정보를 산출하되, 상기 대상 특징 정보는 뇌파의 평균 및 공분산을 포함하는 뇌파 특징인 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
4 |
4
제1항에 있어서,상기 c) 단계는, 상기 레퍼런스 특징 정보와 대상 특징 정보의 거리 정보에 기반하여 상기 레퍼런스 특징 정보와 대상 특징 정보의 뇌 신호들 사이의 유사성을 판단하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
5 |
5
제4항에 있어서,상기 레퍼런스 특징 정보와 대상 특징 정보의 거리 정보는, 상기 레퍼런스 특징 정보 내의 뇌파 특징과 대상 특징 정보의 뇌파 특징의 각 특징 분포의 중심점 간의 유클리드 거리(Euclidean distance) 정보 또는 공분 값의 변화 정보 중 어느 하나인 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
6 |
6
제4항에 있어서,상기 레퍼런스 특징 정보와 대상 특징 정보의 거리 정보는, 상기 레퍼런스 특징 정보 내의 뇌파 특징과 대상 특징 정보의 뇌파 특징의 각 특징 분포 간의 상대적인 거리를 쿨백-라이블러 발산(Kullback-Leibler divergence) 기법에 기반하여 확률적으로 계산한 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
7 |
7
제1항에 있어서,상기 d) 단계는, 상기 뇌파 특징 정보와 분류기 정보를 포함하는 사전 전이 학습 정보를 상기 새로운 사용자에게 적용하여 분류기를 학습하고, 학습된 분류기를 이용하여 상기 새로운 사용자로부터 실시간 뇌신호를 분류하여 외부 기기를 제어하기 위한 제어 정보를 생성하는 단계를 더 포함하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
8 |
8
제1항에 있어서,상기 a) 단계는, a-1) 복수의 사용자로부터 획득한 뇌파들을 합쳐 뇌파 샘플을 생성한 후 상기 뇌파 샘플에 대한 주파수 필터링 및 공간 필터링을 통해 특징 벡터를 추출하고, 상기 특징 벡터로부터 상호간 정보량(Mutual Information, MI)을 토대로 각 주파수 정보마다 주파수-공간 입력 정보를 생성하는 단계;a-2) 상기 주파수-공간 입력 정보를 CNN(Convolution Neural Network) 특징 재현 알고리즘을 통해 개별적으로 학습하여 컨벌루션 레이어(convolution layer) 를 통해 컨벌루션 특징을 형성하는 단계; 및a-3) 상기 컨벌루션 특징을 저차원의 특징 벡터로 차원을 축소하고, 상기 축소된 저차원의 특징 벡터들을 통합 벡터로 합친 후 상기 통합 벡터가 완전 연결 레이어(fully-connected layer)을 통해 총 N개의 클래스 결과를 출력한 후 분류기를 통해 분류하는 단계를 더 포함하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
9 |
9
제8항에 있어서,상기 a-1) 단계는, 기설정된 전극 배치법에 따른 복수 개의 뇌파 채널 데이터를 이용하여 사용자의 뇌신호를 수집하는 단계;각 패러다임에서 사용되는 주파수 범위를 이용하여 다수의 주파수 필터 뱅크(bk)를 정의하는 단계;적어도 하나 이상의 패러다임에서 뇌파 수행 태스크를 위한 시작 신호를 인지한 시점부터 기설정된 측정 시간 동안의 뇌 신호만을 선택적으로 추출하는 단계;복수의 사용자로부터 획득한 뇌파를 연결하여 통합하고, 상기 통합된 뇌파 샘플을 주파수 필터링을 거쳐 필터링된 뇌파 신호(Ek)를 추출하는 단계;상기 필터링된 뇌파 신호(Ek)에 공통 공간 패턴(Common Spatial Pattern, CSP) 알고리즘을 적용하여 공간적 필터(Wk)를 구하고, 상기 공간적 필터(Wk)와 필터링된 뇌파 신호(Ek) 간의 행렬 연산을 수행한 후 로그-분산 값을 취하여 특징 벡터(Vk)를 추출하는 단계;상기 추출된 특징 벡터(Vk)로부터 상호간 정보량(MI)을 계산하여 상기 주파수 필터 뱅크(bk)를 MI 값이 큰 순서대로 재정렬하여 주파수 필터 뱅크(bp)를 산출하는 단계; 및 상기 재정렬된 주파수 필터 뱅크(bp)로부터 추출된 공간적 필터(Wp)와 재배열된 공간적 필터(Ep)간의 행렬 연산을 통해 구한 신호값에 공분산을 하여 주파수-공간 입력 정보(Cp)를 생성하는 단계를 포함하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
10 |
10
제9항에 있어서,상기 a-2) 단계는, 각 주파수 필터 뱅크(bp)로부터 생성된 주파수-공간 입력 정보(Cp)가 CNN을 통해 개별적으로 학습되어 L개의 레이어로 이루어진 컨벌루션 레이어에서 컨벌루션 특징(Gp)를 형성하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
11 |
11
제10항에 있어서,상기 a-3) 단계는, L번째 컨벌루션 레이어에서 컨벌루션 특징들(Gp)이 저차원 벡터 형태로 축소되는 단계;상기 축소된 p개의 저차원 특징 벡터들이 연결 융합 레이어(Concatention Fusion Layer)에서 하나의 통합 벡터(Sconcat)로 통합되는 단계; 및 상기 통합 벡터(Sconcat)를 완전 연결 레이어(fully-connected layer)를 통해 총 N개의 클래스 결과를 출력하는 단계; 및 상기 분류기를 통해 상기 N개의 클래스 결과 중 큰 값으로 클래스를 판별하는 단계를 포함하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 방법
|
12 |
12
사용자로부터 획득한 뇌신호를 이용하여 외부 기기를 제어하되, 복수의 사용자가 사용할 수 있는 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템에 있어서, 사용자 독립적 뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI)를 제공하기 위한 프로그램이 기록된 메모리; 및 상기 프로그램을 실행하기 위한 프로세서를 포함하며,상기 프로세서는, 상기 프로그램의 실행에 의해, 복수의 사용자로부터 적어도 하나 이상의 패러다임을 통해 뇌 신호를 획득하고, 상기 획득된 뇌 신호를 이용하여 사용자별 뇌신호의 특징 패턴 정보를 추출한 후 상기 사용자별 뇌신호의 특징 패턴 정보를 포함하는 레퍼런스 특징 정보를 BCI 데이터베이스에 저장하며,새로운 사용자의 접근이 감지되면, 기설정된 휴식 시간 동안 상기 새로운 사용자에 대한 휴지기 뇌 신호를 획득하고, 상기 휴지기 뇌 신호에서 특징 패턴 정보를 추출하여 대상 특징 정보를 산출하며,상기 BCI 데이터베이스에 저장된 레퍼런스 특징 정보와 상기 대상 특징 정보를 비교하여, 상기 레퍼런스 특징 정보 중에서 상기 대상 특징 정보의 특징 패턴 정보와 가장 유사한 특징 패턴을 가지는 뇌신호의 특징 패턴 정보를 선택하고, 상기 선택된 뇌신호의 특징 패턴 정보에 대응하여 사전에 형성된 사전 전이 학습 정보를 상기 새로운 사용자에게 적용하되,상기 사전 전이 학습 정보는 뇌파의 평균, 공분산, 편차, 주파수대역별 스펙트럼 파워를 포함한 뇌파 특징 정보와, 뇌파 패턴을 분류하기 위한 분류기 정보를 포함하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템
|
13 |
13
제12항에 있어서,상기 프로세서는, 상기 레퍼런스 특징 정보와 대상 특징 정보의 거리 정보에 기반하여 상기 레퍼런스 특징 정보와 대상 특징 정보의 뇌 신호들 사이의 유사성을 판단하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템
|
14 |
14
제13항에 있어서,상기 레퍼런스 특징 정보와 대상 특징 정보의 거리 정보는, 상기 레퍼런스 특징 정보 내의 뇌파 특징과 대상 특징 정보의 뇌파 특징의 각 특징 분포의 중심점 간의 유클리드 거리(Euclidean distance) 정보 또는 공분 값의 변화 정보 중 어느 하나인 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템
|
15 |
15
제13항에 있어서,상기 레퍼런스 특징 정보와 대상 특징 정보의 거리 정보는, 상기 레퍼런스 특징 정보 내의 뇌파 특징과 대상 특징 정보의 뇌파 특징의 각 특징 분포 간의 상대적인 거리를 쿨백-라이블러 발산(Kullback-Leibler divergence) 기법에 기반하여 확률적으로 계산한 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템
|
16 |
16
제12항에 있어서,상기 프로세서는, 상기 뇌파 특징 정보와 분류기 정보를 포함하는 사전 전이 학습 정보를 상기 새로운 사용자에게 적용하여 분류기를 학습하고, 학습된 분류기를 이용하여 상기 새로운 사용자로부터 실시간 뇌신호를 분류하여 외부 기기를 제어하기 위한 제어 정보를 생성하는 것인, 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템
|