| 1 |
1
뇌전도 신호를 전처리하는 전처리부;전처리된 뇌전도 신호로부터 특징(feature)을 추출하는 특징 추출부;상기 특징 추출부로부터 출력되는 특징을 이용하여 분류기를 학습하는 모델 생성부를 포함하고,상기 특징 추출부는 두 개의 뇌전도 신호의 상관관계 계수(Correlation Coeficient, CC)를 특징으로 추출하는인지 심상 분류 모델 생성 장치
|
| 2 |
2
제1항에 있어서,상기 전처리부는 뇌전도 신호가 미리 정해진 주파수 대역의 성분과 미리 정해진 시간 대역의 성분을 갖도록 전처리하는,인지 심상 분류 모델 생성 장치
|
| 3 |
3
제1항에 있어서,상기 전처리부는 능동 공간 필터링(Adaptive Spatial Filtering, ASF) 기법을 이용하여 뇌전도 신호에서 의도와 관련없는 요소를 제거하여 뇌전도 신호를 전처리하는,인지 심상 분류 모델 생성 장치
|
| 4 |
4
제1항에 있어서,상기 특징 추출부는 회전 행렬을 이용하여 두 개의 뇌전도 신호를 분리하여 두 개의 회전 뇌전도 신호(, )를 생성하고,상기 특징()은 수학식 1에 의해 정의되고,상기 수학식 1은이고,상기 는 수학식 2에 의해 정의되고,상기 수학식 2는이고,상기 는 K(K는 2 이상의 자연수) 개의 전극 중 k번째 전극에서 M(M은 2 이상의 자연수)회 측정된 뇌전도 신호 중 i번째 뇌전도 신호의 회전 뇌전도 신호이고,상기 는 K 개의 전극 중 q번째 전극에서 M회 측정된 뇌전도 신호 중 i번째 뇌전도 신호의 회전 뇌전도 신호이고,상기 C는 공분산(covariance)을 의미하고,상기 P는 분산을 의미하고,상기 는 회전 행렬의 회전 각을 의미하는,인지 심상 분류 모델 생성 장치
|
| 5 |
5
제4항에 있어서,상기 특징 추출부는 두 개의 전극쌍에 대한 두 클래스에 대해 평균 CC를 최대화하는 최적각()을 수학식 3을 이용하여 산출하고,상기 수학식 3은이고,상기 은 이고,상기 는 클래스 c의 인덱스셋(index set)이고,상기 는 이고,상기 는 k번째 전극에서 M회 측정된 뇌전도 신호 중 i번째 뇌전도 신호를 의미하고,상기 는 q번째 전극에서 M회 측정된 뇌전도 신호 중 i번째 뇌전도 신호를 의미하고,상기 는 인,인지 심상 분류 모델 생성 장치
|
| 6 |
6
제5항에 있어서,상기 특징 추출부는 모든 전극쌍에 대한 최적각을 산출하고,두 클래스에 대하여 미리 정해진 값 이상의 차이를 보이는 CC를 출력하는,인지 심상 분류 모델 생성 장치
|
| 7 |
7
제1항에 있어서,상기 분류기는 SVM(Support Vector Machine) 모델인,운동 심상 분류 모델 생성 장치
|
| 8 |
8
분류 대상 뇌전도 신호를 전처리하는 전처리부;전처리된 분류 대상 뇌전도 신호로부터 특징을 추출하는 특징 추출부; 및제1항에 기재된 인지 심상 분류 모델 생성 장치에 의해 생성된 인지 심상 분류 모델을 이용하여 상기 분류 대상 뇌전도 신호를 분류하는 분류부를 포함하는 인지 심상 분류 장치
|
| 9 |
9
미리 정해진 주파수 대역의 성분과 미리 정해진 시간 대역의 성분을 갖도록 뇌전도 신호를 전처리하는 제1 전처리 동작과 능동 공간 필터링 기법을 이용하여 뇌전도 신호에서 의도와 관련없는 요소를 제거하는 제2 전처리 동작을 수행하는 전처리부;전처리된 뇌전도 신호로부터 특징을 추출하는 특징 추출부;상기 특징 추출부로부터 출력되는 특징을 이용하여 분류기를 학습하는 모델 생성부; 및상기 모델 생성부에 의해 생성된 분류 모델을 이용하여 분류 대상 뇌전도 신호를 분류하는 분류부를 포함하고,상기 특징 추출부는 두 개의 뇌전도 신호의 상관관계 계수(CC)를 특징으로 추출하고,상기 분류부는 상기 특징 추출부에 의해 추출된 상기 분류 대상 뇌전도 신호의 특징에 기초하여 상기 분류 대상 뇌전도 신호를 분류하는,인지 심상 분류 장치
|
