지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 심귀보
- 발행연도
- 2015
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수56
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Brain-Computer Interface (BCI)는 인간의 뇌에 흐르는 전기적 신호인 뇌파로 전처리 과정, 특징추출 및 분류과정을 거쳐 의수와 같은 외부기기를 제어할 수 있는 기술이다. 본 논문에서는 신체적 능력을 상실한 사지 마비환자를 위해 실제 몸과 같은 정교한 의수 제어를 목적으로 힘과 뇌파의 관계를 연구하였다. 실험에 참가한 5명의 피험자는 6단계의 악력(MVC 10%, 20%, 40%, 50%, 70%, 80%)을 수행하였고, 각 피험자에게서 얻어진 뇌파는 Power spectrum 분석으로 각 악력 단계에서의 알파, 베타, 감마 대역의 뇌파 파워 값을 분석하였고, Short-Time Fourier Transform (STFT)으로 ERD/ERS 현상을 확인하였다. 이후 특징추출 알고리즘인 Common Spatial Pattern (CSP)과 분류알고리즘인 Support Vector Machine (SVM)로 손 움직임의 뇌파특성을 분류하였고, 6단계의 힘 단계 분류를 위해 3단계로 클래스 (Weak, Middle, Strong)를 나눠 특징 데이터를 분류하였다. 뇌파 특징데이터의 분류결과로 손 움직임 분류는 평균 65.31%의 분류 정확도를 보였고, 힘 단계 분류는 Strong 클래스의 분류정확도가 67.53%로 가장 높았다.
목차
1. Introduction. 11.1 Introduction to BCI 11.2 Previous related research 22 Related Works. 32.1 EEG 32.2 ERD/ERS. 53 Feature Extraction and Classification. 63.1 Short-Time Fourier Transform and Power Spectrum Analysis 63.2 Multi-Common Spatial Patten(CSP) 73.3 Support Vector Machine(SVM). 94 Experimental Paradigm. 104.1 Experiment Device. 104.1.1 EEG measurement equipment. 104.1.2 Grip Strength measurement device 114.2 Experiment Process 125 Experiment Result. 145.1 Power Spectrum Analysis of EEG data 145.2 ERD/ERS Phenomenon Analysis. 165.3 Classification procedure of EEG data 225.4 Classification Result of EEG data 246 Conclusion 26References. 27Published Paper. 29국문초록. 30
최근 본 자료
댓글(0)
0