| 1 |
1
대상체로부터 생체 신호를 측정하는 전극부;상기 생체 신호를 복수의 데이터 윈도우들로 분할하는 분할부;각각의 데이터 윈도우에 대응되는 특징 벡터들을 추출하는 특징 추출부; 및각 데이터 윈도우에 연속하여 위치하는 결정구간에서, 상기 특징 벡터들에 기초하여 상기 생체 신호를 분류하는 분류기를 포함하되,상기 특징 벡터는대응되는 데이터 윈도우에 포함된 전체 미분류 스파이크의 수를 포함하며,상기 결정구간의 길이는 상기 데이터 윈도우의 절반인 것을 특징으로 하는, 생체 신호 분류 장치
|
| 2 |
2
제1항에 있어서, 상기 특징 벡터는대응되는 데이터 윈도우의 파형 길이 및 평균 절대값을 더 포함하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 3 |
3
제2항에 있어서, 상기 특징 벡터는대응되는 데이터 윈도우의 이산 퓨리에 변환에 기초한 에너지를 더 포함하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 4 |
4
제2항에 있어서, 상기 특징 벡터는웨이브릿 변환을 이용하여 대응되는 데이터 윈도우로부터 추출된 특징 벡터를 더 포함하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 5 |
5
제2항에 있어서, 상기 특징 벡터는웨이브릿 패킷 변환을 이용하여 대응되는 데이터 윈도우로부터 추출된 특징 벡터를 더 포함하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 6 |
6
제1항에 있어서, 상기 특징 벡터들을 N 차원으로 투영시키는 투영부를 더 포함하되,상기 N은 상기 특징 벡터들의 원래 차원수보다 작은 자연수인 것을 특징으로 하는, 생체 신호 분류 장치
|
| 7 |
7
제1항에 있어서, 상기 분할부는K 번째 데이터 윈도우와 K+1 번째 데이터 윈도우가 부분적으로 중첩되도록 상기 생체 신호를 분할하며, 상기 K는 자연수인 것을 특징으로 하는, 생체 신호 분류 장치
|
| 8 |
8
제7항에 있어서, 인접하는 데이터 윈도우들의 중첩 비율은 50%인 것을 특징으로 하는, 생체 신호 분류 장치
|
| 9 |
9
제7항에 있어서, 상기 분류기는상기 K 번째 데이터 윈도우에 연속하는 K 번째 결정 구간에서 상기 K 번째 데이터 윈도우에 대응되는 생체 신호를 분류하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 10 |
10
제1항에 있어서, 상기 데이터 윈도우는50 ms 내지 300 ms의 길이를 갖는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 11 |
11
제1항에 있어서, 상기 생체 신호는 신경 신호를 포함하고,상기 분류기는 분류된 생체 신호에 기초하여 상기 신경 신호에 대응되는 자극의 위치를 검출하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 12 |
12
제2항에 있어서,상기 생체 신호는 근전도 신호를 포함하고,상기 분류기는 분류된 생체 신호에 기초하여 상기 근전도 신호에 대응되는 대상체의 의도를 검출하는 것을 특징으로 하는, 생체 신호 분류 장치
|
| 13 |
13
대상체로부터 생체 신호를 측정하는 단계;상기 생체 신호를 복수의 데이터 윈도우들로 분할하는 단계;각각의 데이터 윈도우에 대응되는 특징 벡터들을 추출하는 단계; 및각 데이터 윈도우에 연속하여 위치하는 결정구간에서, 상기 특징 벡터들에 기초하여 상기 생체 신호를 분류하는 단계를 포함하되,상기 특징 벡터는대응되는 데이터 윈도우에 포함된 전체 미분류 스파이크의 수를 포함하며,상기 결정구간의 길이는 상기 데이터 윈도우의 절반인 것을 특징으로 하는, 생체 신호 분류 방법
|
| 14 |
14
제13항에 있어서, 상기 특징 벡터는대응되는 데이터 윈도우의 파형 길이 및 평균 절대값을 더 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 15 |
15
제14항에 있어서, 상기 특징 벡터는대응되는 데이터 윈도우의 이산 퓨리에 변환에 기초한 에너지를 더 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 16 |
16
제14항에 있어서, 상기 특징 벡터는웨이브릿 변환을 이용하여 대응되는 데이터 윈도우로부터 추출된 특징 벡터를 더 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 17 |
17
제14항에 있어서, 상기 특징 벡터는웨이브릿 패킷 변환을 이용하여 대응되는 데이터 윈도우로부터 추출된 특징 벡터를 더 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 18 |
18
제13항에 있어서,상기 특징 벡터들을 N 차원으로 투영시키는 단계를 더 포함하되,상기 N은 상기 특징 벡터들의 원래 차원수보다 작은 자연수인 것을 특징으로 하는, 생체 신호 분류 방법
|
| 19 |
19
제13항에 있어서, 상기 생체 신호를 복수의 데이터 윈도우들로 분할하는 단계는,K 번째 데이터 윈도우와 K+1 번째 데이터 윈도우가 부분적으로 중첩되도록 상기 생체 신호를 분할하는 단계를 포함하며, 상기 K는 자연수인 것을 특징으로 하는, 생체 신호 분류 방법
|
| 20 |
20
제19항에 있어서,인접하는 데이터 윈도우들의 중첩 비율은 50%인 것을 특징으로 하는, 생체 신호 분류 방법
|
| 21 |
21
제19항에 있어서, 상기 생체 신호를 분류하는 단계는상기 K 번째 데이터 윈도우에 연속하는 K 번째 결정 구간에서 상기 K 번째 데이터 윈도우에 대응되는 생체 신호를 분류하는 단계를 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 22 |
22
제13항에 있어서, 상기 데이터 윈도우는50 ms 내지 300 ms의 길이를 갖는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 23 |
23
제13항에 있어서,상기 생체 신호는 신경 신호를 포함하고,상기 생체 신호를 분류하는 단계는,분류된 생체 신호에 기초하여 상기 신경 신호에 대응되는 자극의 위치를 검출하는 단계를 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
| 24 |
24
제13항에 있어서, 상기 생체 신호는 근전도 신호를 포함하고,상기 생체 신호를 분류하는 단계는,분류된 생체 신호에 기초하여 상기 근전도 신호에 대응되는 대상체의 의도를 검출하는 단계를 포함하는 것을 특징으로 하는, 생체 신호 분류 방법
|
