1 |
1
뇌-컴퓨터 인터페이스(Brain Computer Interface, BCI) 시스템에 의해 수행되는 통합 신호 처리 방법에 있어서,a) 사용자의 뇌 신호를 획득하기 위한 복수의 패러다임을 통합하여 통합 패러다임을 구성하고, 상기 통합 패러다임을 통해 복수의 뇌 신호를 수집하는 단계;b) 상기 통합 패러다임으로부터 수집된 뇌 신호의 특징 추출 및 패턴 분류를 수행하는 통합 프레임워크를 제공하는 단계;c) 상기 통합 패러다임으로부터 수집된 뇌 신호를 분석하여 시간 정보, 주파수 정보 및 공간 정보에 기초한 입력 정보를 생성하여 상기 통합 프레임워크에 제공하는 단계; 및d) 상기 통합 프레임워크를 통해 학습된 정보를 기반으로 뇌 신호를 분류하여 사용자 의도를 인식하고, 상기 인식된 사용자 의도에 따라 외부 기기의 제어 신호를 출력하는 단계를 포함하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
2 |
2
제1항에 있어서,상기 통합 패러다임은 사건 관련 전위(Event-Related Potential, ERP) 패러다임, 안정-상태 시각 유발 전위(Steady-State Visual Evoked Potential, SSVEP) 패러다임, 동작 상상(Motor Imagery, MI) 패러다임을 포함한 복수의 패러다임을 하나로 통합한 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
3 |
3
제1항에 있어서,상기 a) 단계는, 기설정된 전극 배치법에 따른 복수 개의 뇌파 채널 데이터를 이용하여 사용자의 뇌신호를 수집하는 단계; 및 상기 수집된 뇌 신호를 기설정된 주파수 범위를 가지는 버터워스(Butterworth) 주파수 필터링을 통해 노이즈를 제거하는 단계를 포함하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
4 |
4
제1항에 있어서,상기 c) 단계는,적어도 하나 이상의 패러다임에서 뇌파 수행 태스크를 위한 시작 신호를 인지한 시점부터 기설정된 측정 시간 동안의 뇌 신호만을 선택적으로 추출하고, 상기 추출된 뇌 신호를 시간 정보, 공간 정보 및 주파수 정보를 포함하는 3차원 텐서(Tensor) 형태의 입력 정보로 형성하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
5 |
5
제1항에 있어서,상기 통합 프레임워크는 CNN(Convolution Neural Network) 학습 모델을 이용하여 뇌신호의 특징 추출 및 패턴 분류를 수행하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
6 |
6
제5항에 있어서,상기 통합 프레임워크는, 상기 입력 정보의 각 주파수 정보마다 컨벌루션(convolution) 연산을 수행하여 저차원의 특징 벡터를 출력하여 차원을 축소하는 단계;상기 저차원의 특징 벡터에서 최대 값을 산출하는 맥스 풀링(max pooling) 과정을 통해 피크 값을 추출하고, 상기 저차원의 특징 벡터의 모든 정보를 결합하는 섬 풀링(sum pooling) 과정을 통해 유의미한 특징을 추출하는 단계;상기 맥스 풀링 과정에서 최대 피크 값 또는 최소 피크 값을 가지는 주파수 값, 상기 섬 풀링 과정에서 최대 섬(sum) 값 또는 최소 섬(sum) 값을 가지는 주파수 값을 추출하고, 상기 추출된 주파수 값마다 특징 벡터의 기울기를 추적하는 단계;음의 기울기 또는 양의 기울기를 가지는 특징 벡터에 가중치를 부과하여 유의미한 특징 벡터를 추출하는 단계; 및 상기 추출된 특징 벡터를 회귀 공간으로의 사영을 통해 특징 벡터의 순위(Rank)를 결정하고, 상기 특징 벡터의 순위에서 최우선순위로 선택된 컨벌루션 특징과 사전에 학습된 정보를 비교하여 통합 패러다임 중 어느 하나의 패러다임을 선택하는 단계를 포함하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
7 |
7
제6항에 있어서,상기 통합 프레임워크는, 상기 컨벌루션 특징을 특징 공간상에 사영하고, 각 컨벌루션 특징들의 평균간 유클라디안 거리 관계를 기반으로 유사 특징 정보를 군집화하는 단계; 및 상기 군집화된 유사 특징 정보에 기반하여 완전 연결 레이어(fully-connected layer)에 학습을 진행하여 총 N개의 클래스 결과를 출력한 후 분류기를 통해 분류하는 단계를 더 포함하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|
8 |
8
제6항에 있어서,상기 특징 벡터의 순위에서 최우선순위로 선택된 컨벌루션 특징 값과 사전에 학습된 정보를 비교하여 통합 패러다임 중 어느 하나의 패러다임을 선택하는 단계는,적어도 하나 이상의 패러다임을 통해 복수의 피험자의 뇌신호를 획득한 후 상기 획득된 복수의 피험자의 뇌신호를 상기 CNN 학습 모델에 기반하여 복수의 피험자의 뇌신호에 대한 특징 패턴 정보를 추출하는 단계; 및 상기 추출된 복수의 피험자의 뇌신호에 대한 특징 패턴 정보를 학습된 정보로 데이터베이스에 저장하여 관리하는 단계를 포함하는 것인, 뇌-컴퓨터 인터페이스 시스템 기반의 통합 신호 처리 방법
|