샘플로 얻어진 전체 근전도 신호를 소정 개수의 작은 구간으로 나누어 각 구간마다 에너지 레벨을 제1 소정식에 의해 계산한 후, 계산된 에너지 레벨을 이용한 제2 소정식에 의해 특징 에너지 값을 계산하는 단계와;

상기 단계에서 계산한 특징 에너지 값에 의해 소정 개수의 임계값(에너지 기준점)을 구하는 단계와;

상기 단계에서 구한 에너지 레벨이 소정의 제1 및 제2 조건을 만족하는가를 판단하여 노이즈에 의한 에너지 레벨의 상승을 파악하는 단계와;

상기 단계의 판단결과 노이즈에 의한 에너지 레벨의 상승이 아닌 경우 에너지 기준점을 '0'으로 초기화한 후, 나뉘어진 구간을 순차적으로 '1'씩 증가하면서 소정의 제3 조건을 만족하는가를 판단하는 단계와;

상기 단계의 판단결과 제3 조건을 만족하면 에너지 기준점을 '1'씩 증가하면서 마지막 에너지 기준점에 도달하였는가를 판단하여 그에 따라 상기 제3 조건을 만족하는 가를 판단하는 단계를 반복 수행하거나, 추출한 근전도 신호를 저장하고 종료하는 단계로 이루어진 것을 특징으로 하는 근전도 신호의 실시간 분류방법

제 1항에 있어서, 상기 제1 소정식은

3

제 1항에 있어서, 상기 전체 근전도 신호를 작은 구간으로 나누어 각 구간마다 에너지를 구하는 제2 소정식은

4

제 1항에 있어서, 상기 에너지 기준점( 5

제 1항에 있어서, 상기 임계값(threshold)은,

6

제 1항에 있어서, 상기 소정의 조건은

{ 7

제 1항에 있어서, 상기 근전도 신호를 실시간 처리를 위해 일정 개수의 샘플을 버퍼로 받아들일 때에 동작과 동작 사이의 휴지 영역과 실제 근전도 신호가 담겨진 유효 영역, 휴지영역과 유효 영역 사이의 신호인 과도 영역으로 이루어진 세 가지 영역의 신호를 받아들이는 것을 특징으로 하는 근전도 신호의 실시간 분류방법

인체로부터 추출한 근전도 신호를 필터링하여 사용 가능한 신호를 추출하는 단계와;

상기 단계에서 추출한 신호를 분할하여 AR 계수를 구한 다음 이를 평균화하여 학습하는 단계와;

제 8항에 있어서, 상기 변형 자기 기질화 피쳐 맵(MSOFM)은 소정 개수의 종류로 동작 패턴을 나누어 해당 영역의 뉴런만 학습시키는 것을 특징으로 하는 근전도 신호의 실시간 패턴 학습방법

제 9항에 있어서, 상기 소정 개수의 동작 패턴 종류는 일어서다, 앉다, 왼발 및 오른발의 4 부분으로 나누는 것을 특징으로 하는 근전도 신호의 실시간 패턴 학습방법