| 1 |
1
운동심상 분류 장치에 의해 수행되는 운동심상 분류 방법으로서,피험자에 부착된 k개의 전극들을 k개의 구역으로 분류하는 단계;상기 각 구역별로 측정된 뇌전도 신호에 대하여 FBCSP(Filter-bank Common Spatial Pattern) 기법을 적용하여 제1 특징벡터를 추출하는 단계;상기 각 구역별로 피셔 비율(fisher ratio)을 계산하고, 상기 제1 특징벡터 중에서 상기 피셔 비율이 기 설정된 임계값 보다 작을 때의 구역의 제1 특징벡터를 제2 특징벡터로 추출하는 단계; 및상기 제2 특징벡터를 이용하여 분류기를 학습하는 단계를 포함하고,상기 피셔 비율은 분류하고자 하는 각 클래스에 대한 내부 클래스의 거리()와 상기 각 클래스 간의 거리()의 비에 의해 정의되는 운동심상 분류 방법
|
| 2 |
2
제1항에 있어서,상기 내부 클래스의 거리()는 이고, 상기 각 클래스 간의 거리()는 인 운동심상 분류 방법
|
| 3 |
3
제1항에 있어서,상기 FBCSP 기법을 적용하여 제1 특징벡터를 추출하는 단계는필터 뱅크(filter-bank)를 이용하여 상기 각 구역별로 측정된 뇌전도 신호를 필터링하여 제1 필터링 신호를 생성하는 단계;상기 각 클래스에 대하여 상기 제1 필터링 신호의 공분산 행렬을 생성하는 단계;상기 생성된 공분산 행렬에 대하여 아래의 수학식 1에 대한 고유값 분해를 수행하여 상기 각 구역별로 공간 필터 행렬()을 생성하는 단계;상기 생성된 공간 필터 행렬()에 포함된 공간 필터(spatial filter) 중에서 상기 고유값 분해를 통해 산출된 고유값을 기반으로 선택된 공간 필터를 이용하여 상기 제1 필터링 신호를 공간 필터링하여 제2 필터링 신호를 생성하는 단계;상기 제2 필터링 신호의 분산을 CSP 특징벡터로 추출하는 단계; 및상기 추출된 CSP 특징벡터에 대한 상호 정보량(mutual information)을 기반으로 상기 추출된 CSP 특징벡터로부터 제1 특징벡터를 추출하는 단계를 더 포함하는 운동심상 분류 방법
|
| 4 |
4
제3항에 있어서,상기 상호 정보량을 기반으로 제1 특징벡터를 추출하는 단계는상기 추출된 CSP 특징벡터에 대한 상호 정보량을 계산하는 단계; 및상기 계산된 상호 정보량 중에서 가장 높은 상호 정보량을 갖는 CSP 특징벡터 및 상기 가장 높은 상호 정보량으로부터 내림차순으로 선별된 M개의 상호 정보량 각각에 대한 CSP 특징벡터를 제1 특징벡터로서 추출하는 단계를 더 포함하는 운동심상 분류 방법
|
| 5 |
5
제3항 또는 제4항에 있어서,상기 필터뱅크는 일정한 대역폭을 갖는 j개의 주파수 대역인 운동심상 분류 방법
|
| 6 |
6
제4항에 있어서,상기 상호 정보량을 계산하는 단계는 아래의 수학식 2에 의해 상기 상호 정보량을 계산하는 운동심상 분류 방법
|
| 7 |
7
제1항에 있어서,상기 기 설정된 임계값은 상기 k개의 구역들의 제1 특징 벡터에 대한 피셔 비율인 운동심상 분류 방법
|
| 8 |
8
제1항에 있어서,상기 분류기는 SVM(Support Vector Machine) 기반인 운동심상 분류 방법
|
| 9 |
9
피험자에 부착된 k개의 전극들을 k개의 구역으로 분류하는 구역 설정부;상기 각 구역별로 측정된 뇌전도 신호에 대하여 FBCSP(Filter-bank Common Spatial Pattern) 기법을 적용하여 제1 특징벡터를 추출하는 제1 특징벡터 추출부;상기 각 구역별로 피셔 비율(fisher ratio)을 계산하고, 상기 제1 특징벡터 중에서 상기 피셔 비율이 기 설정된 임계값 보다 작을 때의 구역의 제1 특징벡터를 제2 특징벡터로 추출하는 제2 특징벡터 추출부; 및상기 제2 특징벡터를 이용하여 분류기를 학습하는 학습부를 포함하고,상기 피셔 비율은 분류하고자 하는 각 클래스에 대한 내부 클래스의 거리()와 상기 각 클래스 간의 거리()의 비에 의해 정의되는 운동심상 분류 장치
|
| 10 |
10
제9항에 있어서,상기 내부 클래스의 거리()는 이고, 상기 각 클래스 간의 거리()는 인 운동심상 분류 장치
|
| 11 |
11
제9항에 있어서,상기 제1 특징벡터 추출부는필터 뱅크(filter-bank)를 이용하여 상기 각 구역별로 측정된 뇌전도 신호를 필터링하여 제1 필터링 신호를 생성하는 필터 뱅크부; 상기 각 클래스에 대하여 상기 제1 필터링 신호의 공분산 행렬을 생성하고, 상기 생성된 공분산 행렬에 대하여 아래의 수학식 1에 대한 고유값 분해를 수행하여 상기 각 구역별로 공간 필터 행렬()을 생성하고, 상기 생성된 공간 필터 행렬()에 포함된 공간 필터(spatial filter) 중에서 상기 고유값 분해를 통해 산출된 고유값을 기반으로 선택된 공간 필터를 이용하여 상기 제1 필터링 신호를 공간 필터링하여 제2 필터링 신호를 생성하고, 상기 제2 필터링 신호의 분산을 CSP 특징벡터로 추출하는 공간 필터부; 및상기 추출된 CSP 특징벡터에 대한 상호 정보량(mutual information)을 기반으로 상기 추출된 CSP 특징벡터로부터 제1 특징벡터를 추출하는 추출부를 포함하는 운동심상 분류 장치
|
