근육 피로 효과에 강인한 근전도 패턴 분류기의 설계

Abstract

본 논문은 근전도 신호 기반의 제어 시스템에서 발생하는 근육 피로 효과에 강인한 패턴 분류기의 설계를 목적으로 한다. 근전도 신호는 표면 전극을 사용하여 획득하므로 다른 생체신호에 비해 측정이 용이하고, 시스템 사용자의 장애 정도에 관계없이 수축 가능한 근육으로부터 신호를 얻을 수 있는 장점이 있다. 사용자가 시스템을 제어함에 있어 지속적으로 근육을 수축하는 경우 근육 피로가 발생하여 신호 공간에서는 파워 스펙트럼이 저주파 영역으로 이동하고 진폭이 증가하는 현상을 확인할 수 있다. 근육의 피로 보상과 관련한 기존 연구는 동일한 동작에 대하여 반복적이고 지속적인 수축을 하는 경우에 발생하는 근전도 신호 상의 변화를 파악하고 보상하는 반면에, 우리가 해결해야할 문제는 현재 사용자가 취하는 동작이 어떤 동작인지 파악하고 그때 발생하는 근육 피로 효과를 보상하기 위한 패턴 분류 문제이다. 본 논문에서 제안한 피로 보상 알고리즘의 전체적인 절차는 전형적인 패턴 분류 문제의 해결 절차를 따른다. 먼저 분류하고자 하는 클래스에 해당하는 여섯 가지의 손목 운동을 기본 동작으로 정의하였다. 근전도 신호 획득을 위해 사용자의 손목 위부터 팔꿈치 아래까지의 근육 가운데 네 곳을 측정 위치로 정하였다. 패턴 분류기의 입력으로 인가하기 위해 시간 영역에서 IAV, ZC, VAR, DAMV 등의 특징을 추출하였다. 본 논문에서 사용한 패턴 분류기는 퍼지 최소-최대 신경망(FMMNN)이다. 지속적인 수축에 의한 특징의 변화가 일관적이라는 것을 실험을 통해 알 수 있었다. 즉 근육 수축 시간만 알 수 있다면, 특징 값이 초기 값으로부터 얼마나 변화하였는지를 정량적으로 알아낼 수 있는 것이다. ‘시작시간 검출’ 과정을 통해 각 동작별로 수축이 시작되는 시간을 파악하고, 이에 따라 FMMNN의 클래스 경계를 변화시켜 시간에 따른 근육 피로 효과에 적응하는 패턴 분류기를 설계할 수 있었다. 기존의 FMMNN에도 온라인 학습 특성이 존재한다. 기존의 FMMNN이 이전의 학습 정보를 파괴하지 않고 ‘추가’하는 학습이었다면, 본 논문에서 제안하는 온라인 학습은 시간에 따라 변화하는 ‘적응’적인 특성이라는 의의를 갖는다.