1 |
1
판별 대상 동작 및 채널 별로 측정된 근전도 신호를 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값으로 변환하고, 상기 동작 별로 트레이닝을 반복하여 상기 정보 엔트로피 값을 축적하며, 상기 축적된 정보 엔트로피 값의 동작 및 채널 별 히스토그램을 이용해 상기 정보 엔트로피 값의 평균 및 분산을 산출함으로써, 정규 분포의 각 동작 별 확률 모델을 생성하는 트레이닝 단계; 및
동작 수행 시 발생한 근전도 신호의 상기 정보 엔트로피 값을 각 채널 별로 산출하고, 상기 정보 엔트로피 값을 상기 확률 모델에 대입하여 각 채널에서의 확률 밀도 함수 값이 가장 큰 동작을 상기 수행된 동작으로 판정하는 동작 판정 단계를 포함하는 표면 근전도 신호를 이용한 동작 추론 방법
|
2 |
2
제 1항에 있어서,
상기 정보 엔트로피 값은,
상기 측정된 근전도 신호에 절대 값을 취한 신호에 대하여, 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값인 표면 근전도 신호를 이용한 동작 추론 방법
|
3 |
3
제 2항에 있어서,
상기 정보 엔트로피 값은 아래의 식에 의해 연산되며,
Im(1≤m≤M)은 상기 측정된 근전도 신호의 범위를 M개의 구간으로 균등하게 나눈 것이고, P(Im)은 상기 구간 Im에서 신호가 발견될 확률을 의미하는 표면 근전도 신호를 이용한 동작 추론 방법
|
4 |
4
제 1항에 있어서,
상기 동작 판정 단계는,
각 채널에서의 확률 밀도 함수 값의 곱이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 대상자가 취한 동작의 식별 번호로 판별하는 단계를 포함하는 표면 근전도 신호를 이용한 동작 추론 방법
|
5 |
5
제 1항에 있어서,
상기 동작 판정 단계는,
각 채널에서의 확률 밀도 함수 값의 합이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 대상자가 취한 동작의 식별 번호로 판별하는 단계를 포함하는 표면 근전도 신호를 이용한 동작 추론 방법
|
6 |
6
제 1항에 있어서,
상기 동작 판정 단계는,
각 채널에서의 확률 밀도 함수 값에 로그를 취한 값의 합이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 대상자가 취한 동작의 식별 번호로 판별하는 단계를 포함하는 표면 근전도 신호를 이용한 동작 추론 방법
|
7 |
7
판별 대상 동작 및 채널 별로 측정된 근전도 신호를 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값으로 변환하는 정보 엔트로피 생성 모듈;
상기 동작 별로 트레이닝을 반복하여 상기 정보 엔트로피 값을 축적하며, 상기 축적된 정보 엔트로피 값의 동작 및 채널 별 히스토그램을 이용하여 상기 정보 엔트로피 값의 평균 및 분산을 산출함으로써, 정규 분포의 각 동작 별 확률 모델을 생성하는 확률 모델 업데이트 모듈; 및
동작 수행 시 발생한 근전도 신호의 상기 정보 엔트로피 값을 각 채널 별로 산출하고, 상기 정보 엔트로피 값을 상기 확률 모델에 대입하여 각 채널에서의 확률 밀도 함수 값이 가장 큰 동작을 상기 수행된 동작으로 판정하는 ML 추정 모듈을 포함하는 표면 근전도 신호를 이용한 동작 추론 시스템
|
8 |
8
제 7항에 있어서,
사용자에게 트레이닝 모드 및 동작 판별 모드 중 하나의 값을 가질 수 있는 동작 모드를 지정할 수 있도록 하고, 트레이닝 모드 하에서 입력되는 동작의 종류 및 동작 반복 횟수를 지정 할 수 있도록 하며, 동작 판별 모드 하에서 동작 판별 동작의 반복 여부를 지정 할 수 있도록 하는 사용자 인터페이스부를 더 포함하는 동작 추론 시스템
|
9 |
9
제 7항에 있어서,
상기 정보 엔트로피 값은,
상기 측정된 근전도 신호에 절대 값을 취한 신호에 대하여, 신호의 세기 구간 별 신호 출현 확률을 반영한 정보 엔트로피 값인 표면 근전도 신호를 이용한 동작 추론 시스템
|
10 |
10
제 9항에 있어서,
상기 정보 엔트로피 값은 아래의 식에 의해 연산되며,
Im(1≤m≤M)은 상기 측정된 근전도 신호의 범위를 M개의 구간으로 균등하게 나눈 것이고, P(Im)은 상기 구간 Im에서 신호가 발견될 확률을 의미하는 표면 근전도 신호를 이용한 동작 추론 시스템
|
11 |
11
제 7항에 있어서,
상기 ML 추정 모듈은,
각 채널에서의 확률 밀도 함수 값의 곱이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 대상자가 취한 동작의 식별 번호로 판별하는 표면 근전도 신호를 이용한 동작 추론 시스템
|
12 |
12
제 7항에 있어서,
상기 ML 추정 모듈은,
각 채널에서의 확률 밀도 함수 값의 합이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 대상자가 취한 동작의 식별 번호로 판별하는 표면 근전도 신호를 이용한 동작 추론 시스템
|
13 |
13
제 7항에 있어서,
상기 ML 추정 모듈은,
각 채널에서의 확률 밀도 함수 값에 로그를 취한 값의 합이 가장 크게 하는 k(1≤k≤판별 대상 동작의 수)를 대상자가 취한 동작의 식별 번호로 판별하는 표면 근전도 신호를 이용한 동작 추론 시스템
|
14 |
14
제 7항에 있어서,
상기 확률 모델 업데이트 모듈에 의해 축적된 정보 엔트로피 값의 동작 및 채널 별 히스토그램 데이터 및 상기 확률 모델 업데이트 모듈에 의해 생성된 각 채널 및 동작 별 정보 엔트로피 값의 평균 및 분산의 순서쌍 형태로 구성 되는 확률 모델 데이터를 저장하는 확률 모델 저장부를 더 포함하며,
상기 확률 모델 업데이트 모듈은,
상기 확률 모델 저장부에 저장된 상기 히스토그램 데이터에 트레이닝 결과 생성된 각 채널 및 동작 별 정보 엔트로피 값을 추가하여 업데이트 된 히스토그램 데이터를 기반으로 상기 확률 모델 데이터를 업데이트하는 표면 근전도 신호를 이용한 동작 추론 시스템
|