KR101989477B1 - Apparatus and method for extracting tas features for analysis for emg signal - Google Patents

Apparatus and method for extracting tas features for analysis for emg signal Download PDF

Info

Publication number
KR101989477B1
KR101989477B1 KR1020170166602A KR20170166602A KR101989477B1 KR 101989477 B1 KR101989477 B1 KR 101989477B1 KR 1020170166602 A KR1020170166602 A KR 1020170166602A KR 20170166602 A KR20170166602 A KR 20170166602A KR 101989477 B1 KR101989477 B1 KR 101989477B1
Authority
KR
South Korea
Prior art keywords
emg signal
feature
slope
signal
feature element
Prior art date
Application number
KR1020170166602A
Other languages
Korean (ko)
Inventor
김덕환
류재환
이병현
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020170166602A priority Critical patent/KR101989477B1/en
Application granted granted Critical
Publication of KR101989477B1 publication Critical patent/KR101989477B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/04012—
    • A61B5/0488—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation

Abstract

Embodiments relate to a top and slope (TAS) feature extraction device for EMG signal analysis and a method thereof. The device comprises: an EMG signal acquisition unit for acquiring an EMG signal according to a gait cycle period from a lower body of a user who is walking; an EMG signal converting unit for converting the acquired EMG signal into an absolute value and normalizing the absolute value-converted signal; a first feature element determination unit for determining a first feature element by using the ratio of the time, at which the maximum value of the normalized EMG signal is located, to the gait cycle period; a second feature element determination unit for calculating a slope between a floor and a valley adjacent to each other in the normalized EMG signal, and adding the calculated slope to determine a second feature element; and a feature determining unit for determining a feature of the EMG signal acquired by adding the first feature element and the second feature element. Thus, high accuracy can be obtained compared to the conventional feature extraction algorithm.

Description

EMG신호 분석을 위한 TAS 특징 추출 장치 및 방법{APPARATUS AND METHOD FOR EXTRACTING TAS FEATURES FOR ANALYSIS FOR EMG SIGNAL}[0001] APPARATUS AND METHOD FOR EXTRACTING TAS FEATURES FOR ANALYSIS FOR EMG SIGNAL [0002]

본 발명은 EMG 신호로부터 특징을 추출하는 장치 및 방법에 관련된 것으로서, 더욱 구체적으로는 시간적인 요소를 고려하여 특징을 추출하는 장치 및 방법에 관련된다.The present invention relates to an apparatus and method for extracting a feature from an EMG signal, and more particularly, to an apparatus and method for extracting a feature in consideration of temporal factors.

최근, 심전도(electrocardiogram,ECG), 뇌전도(Electroencephalogram,EEG), 근전도(Electromyographic,EMG)와 같은 생체신호(human bio signal)는 의용공학분야(biomedical engineering domain)에서 널리 사용되고 있다. 이러한 신호들 중 표면 EMG(surface EMG, sEMG)를 사용한 신호처리는 의학, 스포츠, 재활 공학과 같은 다양한 응용 분야에서 많은 관심을 끌고 있다. Recently, human bio signals such as electrocardiogram (ECG), electroencephalogram (EEG), and electromyographic (EMG) have been widely used in the biomedical engineering domain. Of these signals, signal processing using surface EMG (surface EMG, sEMG) has attracted much attention in various applications such as medical, sports, and rehabilitation engineering.

도 1은 보행 상태에 따른 EMG값 변화를 나타낸다. 도1을 참조하면 근육에 따라서 보행주기 별로 활성되는 근육이 모두 다른 것이 나타난다. 예컨대 vastus medialis의 경우는 0~10%와 70%, 80%에 활성도가 발현, 그 외에는 활성이 발생되지 않고 있다. 따라서 이러한 시간적 특징을 고려하여 EMG 신호로부터 특징을 추출한다면 보다 정확한 생체 신호 분석이 가능할 것이나, 종래에는 이러한 시간적 특성을 고려한 특징 추출 방식이 제안되어 있지 않은 문제가 있다. 1 shows EMG value changes according to a walking state. Referring to FIG. 1, muscles that are activated by a gait cycle are different depending on muscles. For example, in the case of vastus medialis, the activity is expressed in 0 ~ 10%, 70%, and 80%, and no other activity occurs. Therefore, if the feature is extracted from the EMG signal in consideration of the temporal feature, a more accurate bio-signal analysis can be performed. However, in the past, a feature extraction method considering the temporal characteristic has not been proposed.

한국공개특허 제10-2015-0000241호Korean Patent Publication No. 10-2015-0000241

위와 같은 문제를 해결하기 위해서 본 발명의 일 실시예에서는 보행주기별 EMG 신호의 변화량을 기초로 특징을 추출하는 방법을 제안한다. 보다 구체적으로 최대 EMG 신호값이 나타내는 시간 정보와 EMG 신호의 기울기 변화 정보를 이용하여 특징을 추출할 수 있다.In order to solve the above problems, an embodiment of the present invention proposes a method of extracting features based on the amount of change of the EMG signal for each gait cycle. More specifically, the feature can be extracted using the time information indicated by the maximum EMG signal value and the slope change information of the EMG signal.

본 발명의 기술적 과제는 이상에서 언급한 것들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problem of the present invention is not limited to those mentioned above, and another technical problem which is not mentioned can be clearly understood by those skilled in the art from the following description.

본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치는 보행하는 사용자의 하체로부터 보행 주기(gait cycle period) 별 EMG 신호를 획득하는 EMG 신호 획득부, 획득한 EMG 신호를 절대값으로 변환하고 절대값 변환된 신호를 정규화 하는 EMG 신호 변환부, 정규화된 EMG 신호의 최대값이 위치하는 시간과 상기 보행 주기의 비를 이용하여 제1 특징요소로 결정하는 제1 특징요소 결정부, 정규화된 EMG 신호에서 서로 인접하는 마루와 골 사이의 기울기를 계산하고, 계산된 기울기를 더하여 제2 특징요소를 결정하는 제2 특징요소 결정부, 제1 특징요소와 제2 특징요소를 더하여 획득한 EMG 신호에 대한 특징을 결정하는 특징 결정부를 포함할 수 있다.The TAS (top and slope) feature extraction device for analyzing an EMG signal according to an embodiment of the present invention includes an EMG signal acquisition unit for acquiring an EMG signal for each gait cycle period from a lower body of a user who is walking, An EMG signal converting unit for converting a signal into an absolute value and normalizing the absolute value converted signal, a first characteristic determining unit for determining the first characteristic element using the ratio of the time at which the maximum value of the normalized EMG signal is located to the walking period, A second feature element determiner for calculating a slope between a floor and a bone adjacent to each other in the normalized EMG signal and adding the calculated slope to determine a second feature element, And determining a characteristic of the acquired EMG signal.

일 실시예에 있어서, 상기 EMG 신호 변환부는, 획득한 EMG 신호에서 노이즈를 제거하기 위해 필터링을 수행한 후 절대값 변환을 수행할 수 있다.In one embodiment, the EMG signal conversion unit may perform an absolute value conversion after filtering to remove noise from the obtained EMG signal.

일 실시예에 있어서, 상기 EMG 신호 변환부는, 상기 절대값 변환된 EMG 신호를 해당되는 보행 주기 내 절대값 EMG 신호의 최대값으로 나눌 수 있다.In one embodiment, the EMG signal conversion unit may divide the absolute value converted EMG signal into a maximum value of an absolute value EMG signal within the corresponding walking cycle.

일 실시예에 있어서, 상기 제1 특징요소 결정부는, 아래의 식을 이용하여 제1 특징요소를 결정할 수 있다.In one embodiment, the first feature element determination unit may determine the first feature element using the following equation.

Figure 112017121622534-pat00001
Figure 112017121622534-pat00001

여기서, H는 제1 특징요소, Max(Ck)는 정규화된 EMG 신호의 최대값, Length(C)는 보행 주기, Argk는 정규화된 EMG 신호의 최대값이 있는 시간 지점.Here, H is a first characteristic element, Max (Ck) is a maximum value of the normalized EMG signal, Length (C) is a walking cycle, and Argk is a time point having a maximum value of the normalized EMG signal.

일 실시예에 있어서, 상기 제2 특징요소 결정부는, 아래의 식을 이용하여 제2 특징요소를 결정할 수 있다.In one embodiment, the second feature element determination unit may determine the second feature element using the following equation.

Figure 112017121622534-pat00002
Figure 112017121622534-pat00002

여기서 di는 i번째 기울기, Ci crest는 i번째 마루의 신호 값, Ci trough는 i번째 골의 신호 값Where di is the i th slope, Ci crest is the signal value of the i th floor, Ci trough is the signal value of the i th bone

i crest는 i번째 마루가 있는 시간, i trough는 i번째 골이 있는 시간, m는 보행 주기 내 존재하는 마루 또는 골의 개수, V는 제2 특징요소.i crest is the time of the i-th floor, i trough is the time of the i-th goal, m is the number of floor or bone present in the walking cycle, and V is the second characteristic element.

본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 방법은 보행하는 사용자의 하체로부터 보행 주기(gait cycle period) 별 EMG 신호를 획득하는 단계, 획득한 EMG 신호를 절대값으로 변환하고 절대값 변환된 신호를 정규화 하는 단계, 정규화된 EMG 신호의 최대값이 위치하는 시간과 상기 보행 주기의 비를 이용하여 제1 특징요소를 결정하는 단계, 정규화된 EMG 신호에서 서로 인접하는 마루와 골 사이의 기울기를 계산하고, 계산된 기울기를 더하여 제2 특징요소를 결정하는 단계 및 제1 특징요소와 제2 특징요소를 더하여 획득한 EMG 신호에 대한 특징을 결정할 수 있다.The top and slope feature extraction method for analyzing an EMG signal according to an embodiment of the present invention includes the steps of obtaining an EMG signal for each gait cycle period from a lower body of a user who is walking, And normalizing the absolute value transformed signal; determining a first feature element using the ratio of the time at which the maximum value of the normalized EMG signal is located to the walking period; Calculating the slope between the floor and the valley, adding the calculated slope to determine the second characteristic element, and adding the first characteristic element and the second characteristic element to determine the characteristic of the acquired EMG signal.

본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치 및 방법에 의하면 도 6 내지 8에 나타난 바와 같이, 종래 특징 추출 알고리즘에 비하여 높은 정확도를 얻을 수 있다.According to the apparatus and method for TAS (top and slope) feature extraction for EMG signal analysis according to an embodiment of the present invention, as shown in FIGS. 6 to 8, high accuracy can be obtained compared with the conventional feature extraction algorithm.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned can be clearly understood by those skilled in the art from the description of the claims.

도 1은 보행 상태에 따른 EMG값 변화를 나타낸다.
도 2는 본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치의 블록도이다.
도 3은 절대값 변환된 EMG 신호(도 3(a))와 정규화된 EMG 신호(도 3(b))를 나타낸다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 특징 추출 과정을 설명하기 위한 도이다.
도 6 내지 도 8은 본 발명의 일 실시예에 따른 특징 추출 결과와 종래 특징 추출 알고리즘을 이용한 결과를 나타내는 비교 표이다.
도 9는 본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 방법의 순서도이다.1 shows EMG value changes according to a walking state.
2 is a block diagram of a top and slope (TAS) feature extraction apparatus for analyzing an EMG signal according to an embodiment of the present invention.
Fig. 3 shows the absolute value converted EMG signal (Fig. 3 (a)) and the normalized EMG signal (Fig. 3 (b)).
4 and 5 are diagrams for explaining a feature extraction process according to an embodiment of the present invention.
6 to 8 are comparison tables showing the results of the feature extraction according to an embodiment of the present invention and the results using the conventional feature extraction algorithm.
FIG. 9 is a flowchart of a top and slope (TAS) feature extraction method for analyzing an EMG signal according to an embodiment of the present invention.

본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, the terms "comprises" or "having", etc. are intended to specify the presence of stated features, integers, steps, operations, elements, parts or combinations thereof, But do not preclude the presence or addition of steps, operations, elements, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be construed as meaning consistent with meaning in the context of the relevant art and are not to be construed as ideal or overly formal in meaning unless expressly defined herein . Like reference numerals in the drawings denote like elements.

다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.In the following description, well-known functions or constructions are not described in detail to avoid unnecessarily obscuring the subject matter of the present invention. In addition, the size of each component in the drawings may be exaggerated for the sake of explanation and does not mean a size actually applied.

본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 "부(unit)", "모듈(module)", "장치" 또는 "시스템" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 본 명세서에서 부, 모듈, 장치 또는 시스템 등은 실행중인 프로세스, 프로세서, 객체(object), 실행 파일(executable), 실행 스레드(thread of execution), 프로그램(program), 및/또는 컴퓨터(computer)일 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 컴퓨터에서 실행중인 애플리케이션(application) 및 컴퓨터의 양쪽이 모두 본 명세서의 부, 모듈, 장치 또는 시스템 등에 해당할 수 있다.Embodiments described herein may be wholly hardware, partially hardware, partially software, or entirely software. A "unit," "module," "device," or "system" or the like in this specification refers to a computer-related entity such as a hardware, a combination of hardware and software, or software. A processor, an object, an executable, a thread of execution, a program, and / or a computer, for example, a computer, but is not limited to, a computer. For example, both an application running on a computer and a computer may correspond to a part, module, device or system of the present specification.

실시예들이 도면에 제시된 순서도를 참조로 하여 설명되었다. 간단히 설명하기 위하여 상기 방법은 일련의 블록들로 도시되고 설명되었으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 다른 블록들과 본 명세서에서 도시되고 기술된 것과 상이한 순서로 또는 동시에 일어날 수도 있으며, 동일한 또는 유사한 결과를 달성하는 다양한 다른 분기, 흐름 경로, 및 블록의 순서들이 구현될 수 있다. 또한, 본 명세서에서 기술되는 방법의 구현을 위하여 도시된 모든 블록들이 요구되지 않을 수도 있다. 나아가, 본 발명의 일 실시예에 따른 방법은 일련의 과정들을 수행하기 위한 컴퓨터 프로그램의 형태로 구현될 수도 있으며, 상기 컴퓨터 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록될 수도 있다.Embodiments have been described with reference to the flowcharts shown in the drawings. While the above method has been shown and described as a series of blocks for purposes of simplicity, it is to be understood that the invention is not limited to the order of the blocks, and that some blocks may be present in different orders and in different orders from that shown and described herein And various other branches, flow paths, and sequences of blocks that achieve the same or similar results may be implemented. Also, not all illustrated blocks may be required for implementation of the methods described herein. Furthermore, the method according to an embodiment of the present invention may be implemented in the form of a computer program for performing a series of processes, and the computer program may be recorded on a computer-readable recording medium.

이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.

도 2는 본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치의 블록도이다. 도 2를 참조하면, EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치100는 EMG 신호 획득부 110, EMG 신호 변환부120, 제1 특징요소 결정부130, 제2 특징요소 결정부140, 및 특징 결정부150를 포함할 수 있다.2 is a block diagram of a top and slope (TAS) feature extraction apparatus for analyzing an EMG signal according to an embodiment of the present invention. 2, a TAS (top and slope) feature extraction apparatus 100 for analyzing an EMG signal includes an EMG signal acquisition unit 110, an EMG signal conversion unit 120, a first feature determination unit 130, a second feature determination unit 140, And a feature determination unit 150. [

EMG 신호 획득부 110는 보행하는 사용자의 신체(예컨대 하체)에 부착된 하나 이상의 EMG 센서로부터 EMG 신호를 획득할 수 있다. 예컨대 EMG 신호 획득부 110는 하나 이상의 EMG 센서를 포함하거나, EMG 센서와 통신 가능한 통신 장비일 수도 있다. 또한 EMG 센서는 피부표면에서 EMG 신호를 획득하는 sEMG장비일 수 있다.The EMG signal acquisition unit 110 may acquire an EMG signal from one or more EMG sensors attached to a body (e.g., a lower body) of a user who is walking. For example, the EMG signal acquisition unit 110 may include one or more EMG sensors, or may be a communication device capable of communicating with the EMG sensor. The EMG sensor may also be a sEMG device that acquires EMG signals from the skin surface.

예컨대 하나 이상의 EMG 센서는, 보행하는 사용자의 오른 다리, 왼 다리, 오른다리와 왼 다리 모두에 설치될 수 있으나 이에 제한되는 것은 아니다. 획득된 EMG 신호들은 전처리 과정을 통해 노이즈가 제거될 수 있다. 노이즈가 제거된 EMG 신호들은 이후 과정에서 특징이 추출될 수 있다.For example, one or more EMG sensors may be installed on, but not limited to, the right, left, right, and left legs of a walking user. The obtained EMG signals can be removed by a preprocessing process. The noise-canceled EMG signals can be extracted later in the process.

도 1을 참조하면 EMG 신호 획득부110는 보행하는 사용자의 하체로부터 보행 주기(gait cycle period) 별 EMG 신호를 획득한다. 그 후, EMG 신호 변환부120는 획득한 EMG 신호를 절대값으로 변환하고 절대값 변환된 신호를 정규화할 수 있다.Referring to FIG. 1, the EMG signal acquisition unit 110 acquires an EMG signal for each gait cycle period from a lower body of a user who is walking. Thereafter, the EMG signal converting unit 120 may convert the obtained EMG signal into an absolute value and normalize the absolute value-converted signal.

도 3은 절대값 변환된 EMG 신호(도 3(a))와 정규화된 EMG 신호(도 3(b))를 나타낸다. EMG 신호 변환부120는 EMG 신호의 크기 변화를 관찰하기 위해서 획득한 EMG 신호를 절대값으로 변환한다. Fig. 3 shows the absolute value converted EMG signal (Fig. 3 (a)) and the normalized EMG signal (Fig. 3 (b)). The EMG signal converting unit 120 converts the obtained EMG signal into an absolute value in order to observe a change in the size of the EMG signal.

EMG 신호 변환부120는 획득한 EMG 신호에서 노이즈를 제거하기 위해 필터링을 수행한 후 절대값 변환을 수행할 수도 있다. 예컨대 EMG 신호 변환부120는 신호 정류 또는 적분을 통해 EMG 신호를 포락선 신호와 같이 시간에 따른 근육의 활동성을 나타낼 수도 있다.The EMG signal converting unit 120 may perform absolute value conversion after performing filtering to remove noise from the obtained EMG signal. For example, the EMG signal converting unit 120 may indicate the activity of the muscle over time, such as an envelope signal, through signal rectification or integration.

EMG 신호 변환부120는 입력된 EMG 신호(절대값 변환된)를 정규화할 수 있다. 예컨대 EMG 신호 변환부120는 절대값 변환된 EMG 신호를 해당되는 보행 주기 내 절대값 EMG 신호의 최대값으로 나눌 수 있다. 일 실시예에서 EMG 신호 변환부 120는 아래 수학식 1을 이용하여 정규화를 수행할 수 있다.The EMG signal converting unit 120 may normalize the inputted EMG signal (absolute value converted). For example, the EMG signal converting unit 120 may divide the absolute value converted EMG signal into a maximum value of the absolute value EMG signal within the corresponding walking cycle. In one embodiment, the EMG signal converter 120 may perform normalization using Equation 1 below.

[수학식 1][Equation 1]

Ck = Sk/ max(S)C k = S k / max (S)

여기서 Sk는 보행 주기 내 k번째 절대값 EMG 신호의 값이고, k는 샘플의 길이(시간)이고, max(S)는 보행 주기 내 절대값 EMG 신호의 최대값이고, Ck는 Sk와 최대값의 비이다.Where and S k are within the k-th and the value of the absolute value of EMG signal, k is the length in time of the sample, max (S) is a maximum value within the absolute value of EMG signal gait cycle, C k is S k periodic gait It is the ratio of the maximum value.

이렇게 획득한 정규화된 보행주기별 EMG 신호를 기초로 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치는 특징을 추출할 수 있다. EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치100가 추출하는 특징을 정수부와 소수부로 구분될 수 있다. 본 명세서에서 설명의 명확화를 위해서 정수부는 제1 특징요소, 소수부는 제2 특징요소로 언급한다.Based on the thus obtained normalized EMG signal for each gait cycle, a TAS (top and slope) feature extraction device for EMG signal analysis can extract features. The characteristics extracted by the TAS (top and slope) feature extracting apparatus 100 for EMG signal analysis can be divided into an integer part and a decimal part. For the sake of clarity of description in this specification, the integer part is referred to as a first characteristic element, and the fractional part is referred to as a second characteristic element.

도 4 및 도 5는 본 발명의 일 실시예에 따른 특징 추출 과정을 설명하기 위한 도이다. 일 실시예에서 제1 특징요소 결정부130는 정규화된 EMG 신호의 최대값이 위치하는 시간과 상기 보행 주기의 비를 이용하여 제1 특징요소로 결정할 수 있다. 4 and 5 are diagrams for explaining a feature extraction process according to an embodiment of the present invention. In one embodiment, the first feature element determiner 130 may determine the first feature element using the ratio of the time at which the maximum value of the normalized EMG signal is located to the walking period.

일 실시예에서 제1 특징요소 결정부130는, 아래의 수학식2를 이용하여 제1 특징요소를 결정할 수 있다.In one embodiment, the first feature element determination unit 130 can determine the first feature element using Equation (2) below.

[수학식 2]&Quot; (2) "

Figure 112017121622534-pat00003
Figure 112017121622534-pat00003

여기서, H는 제1 특징요소, Max(Ck)는 정규화된 EMG 신호의 최대값, Length(C)는 보행 주기, Argk는 정규화된 EMG 신호의 최대값이 있는 시간 지점.Here, H is a first characteristic element, Max (Ck) is a maximum value of the normalized EMG signal, Length (C) is a walking cycle, and Argk is a time point having a maximum value of the normalized EMG signal.

즉 제1 특징요소는 입력된 EMG 신호 중 활성도가 가장 높은 지점의 상대적 시간이다. 예를 들어 입력된 EMG 신호의 길이가 250ms이고, 최대 EMG 신호가 나타나는 지점이 50ms라면 입력 된 EMG 신호 중 20%인 지점이기 때문에 제1 특징요소는 20이 된다. 도 4를 참조하면 최대값이 위치하는 지점이 전체 시간 중 1/4(25%)에 해당되는 위치에 존재하기 때문에 제1 특징요소는 25가 된다.That is, the first characteristic element is the relative time of the point of highest activity among the input EMG signals. For example, if the length of the input EMG signal is 250 ms and the point at which the maximum EMG signal appears is 50 ms, then the first characteristic element is 20 because the point is 20% of the input EMG signal. Referring to FIG. 4, since the point at which the maximum value is located is located at 1/4 (25%) of the total time, the first characteristic element is 25.

제2 특징요소 결정부140는 정규화된 EMG 신호에서 서로 인접하는 마루와 골 사이의 기울기를 계산하고, 계산된 기울기를 더하여 제2 특징요소를 결정할 수 있다. 일 실시예에서 제2 특징요소 결정부는, 아래의 수학식3을 이용하여 제2 특징요소를 결정할 수 있다.The second feature element determiner 140 may calculate the slope between the floor and the bone adjacent to each other in the normalized EMG signal and add the calculated slope to determine the second feature element. In one embodiment, the second feature element determiner may determine the second feature element using Equation (3) below.

[수학식 3]&Quot; (3) "

Figure 112017121622534-pat00004
Figure 112017121622534-pat00004

여기서 di는 i번째 기울기, Ci crest는 i번째 마루의 신호 값, Ci trough는 i번째 골의 신호 값, i crest는 i번째 마루가 있는 시간, i trough는 i번째 골이 있는 시간, m는 보행 주기 내 존재하는 마루 또는 골의 개수, V는 제2 특징요소.Where i is the i th slope, Ci crest is the signal value of the i th floor, Ci trough is the signal value of the i th goal, i crest is the time of the i th floor, i trough is the time of the i th goal, The number of floor or valleys existing in the cycle, and V is the second characteristic element.

도 4를 참조하면, 정규화된 EMG 신호에 있어서, 8개의 마루와 골에 대하여 기울기가 산출되고 그 기울기를 모두 더함으로써 제2 특징요소가 결정된다. 일 실시예에서 제2 특징요소 결정부140는 마루와 골 사이가 0.05보다 적은 경우, 제2 특징요소를 결정하는 요소로 사용하지 않을 수도 있다. Referring to FIG. 4, in the normalized EMG signal, the slope is calculated for eight floor and bone, and the second characteristic element is determined by adding all the slopes. In one embodiment, the second feature element determiner 140 may not use the second feature element as an element for determining if the difference between the floor and the bone is less than 0.05.

도 4에서는 기울기가 양인 경우(골->마루)에 대하여 제2 특징요소를 산출하였으나, 다른 실시예(도 5)에서는 기울기가 음인 경우(마루->골)에 대하여 제2 특징요소가 결정될 수도 있다.In Fig. 4, the second characteristic element is calculated for a positive slope (bone-> crest), but in another embodiment (Fig. 5), a second characteristic element may be determined for a slope negative have.

특징 결정부150는 제1 특징요소와 제2 특징요소를 더하여 획득한 EMG 신호에 대한 특징을 결정할 수 있다. 상술한 바와 같이 제1 특징요소는 정수로 표현되고, 제2 특징요소는 소수로 표현되는바, 본 발명의 일 실시예에 따른 산출된 특징(Top and slope) 특징은 제1특징요소와 제2 특징요소로 구성되는 실수로 표현될 수 있다.The feature determination unit 150 may determine the characteristics of the acquired EMG signal by adding the first feature component and the second feature component. As described above, the first feature element is represented by an integer, and the second feature element is represented by a prime number. The top and slope feature according to an embodiment of the present invention includes a first feature element and a second feature element, It can be expressed as a real number consisting of characteristic elements.

도 6 내지 도 8은 본 발명의 일 실시예에 따른 특징 추출 결과와 종래 특징 추출 알고리즘을 이용한 결과를 나타내는 비교 표이다. 도 6은 보행 부분 검출 실험 결과를 나타내는 것으로 본 발명의 경우 평균 정확도가 다른 특징 추출 알고리즘에 비하여 월등하게 높게 나타난다. 또한 도 7 및 8은 이동 모드 인식에 대한 것으로서, 본 발명의 경우 평균 정확도가 다른 특징 추출 알고리즘에 비하여 월등하게 높게 나타난다. 도 7 및 도 8에서 W는 걷기, S는 앉기, ST는 서기, SA는 계단 오르기, SD는 계단 내려가기를 의미한다.6 to 8 are comparison tables showing the results of the feature extraction according to an embodiment of the present invention and the results using the conventional feature extraction algorithm. FIG. 6 shows the results of the gait detection test. In the present invention, the average accuracy is much higher than other feature extraction algorithms. 7 and 8 are for motion mode recognition, and the average accuracy of the present invention is much higher than other feature extraction algorithms. In Figures 7 and 8, W means walking, S means sitting, ST means clerk, SA means stair climb, and SD means going down stairs.

도 9는 본 발명의 일 실시예에 따른 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 방법의 순서도이다. EMG신호 분석을 위한 TAS(top and slope) 특징 추출 방법은 상술한 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치의 구성요소들에 의해 구현될 수 있다.FIG. 9 is a flowchart of a top and slope (TAS) feature extraction method for analyzing an EMG signal according to an embodiment of the present invention. The TAS (top and slope) feature extraction method for EMG signal analysis can be implemented by the components of the TAS (top and slope) feature extraction apparatus for EMG signal analysis described above.

도 9를 참조하면 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 방법은 보행하는 사용자의 하체로부터 보행 주기(gait cycle period) 별 EMG 신호를 획득하는 단계(S100), 획득한 EMG 신호를 절대값으로 변환하고 절대값 변환된 신호를 정규화 하는 단계(S200), 정규화된 EMG 신호의 최대값이 위치하는 시간과 상기 보행 주기의 비를 이용하여 제1 특징요소를 결정하는 단계(S300), 정규화된 EMG 신호에서 서로 인접하는 마루와 골 사이의 기울기를 계산하고, 계산된 기울기를 더하여 제2 특징요소를 결정하는 단계(S400) 및 제1 특징요소와 제2 특징요소를 더하여 획득한 EMG 신호에 대한 특징을 결정하는 단계(S500)를 포함할 수 있다.Referring to FIG. 9, a top and slope feature extraction method for analyzing an EMG signal includes obtaining an EMG signal for each gait cycle period from a lower body of a user who is walking (S100) A step S200 of normalizing the absolute value converted signal, a step S300 of determining a first characteristic element using the ratio of the time at which the maximum value of the normalized EMG signal is located and the walking period, Calculating a gradient between the floor and the bone adjacent to each other in the EMG signal and determining a second characteristic element by adding the calculated gradient to the EMG signal obtained in step S400, and adding the first characteristic element and the second characteristic element to the EMG signal (S500).

또한 본 발명의 일 실시예에 따른 컴퓨터로 판독 가능한 기록매체는, 상술한 방법을 실행하기 위한 명령을 저장할 수 있다.A computer-readable recording medium according to an embodiment of the present invention may also store instructions for executing the above-described method.

이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.While the invention has been shown and described with reference to certain embodiments thereof, it will be understood by those skilled in the art that various changes and modifications may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. However, it should be understood that such modifications are within the technical scope of the present invention. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.

Claims (6)

보행하는 사용자의 하체로부터 보행 주기(gait cycle period) 별 EMG 신호를 획득하는 EMG 신호 획득부;
획득한 EMG 신호를 절대값으로 변환하고 절대값 변환된 신호를 정규화 하는 EMG 신호 변환부;
정규화된 EMG 신호의 최대값이 위치하는 시간과 상기 보행 주기의 비를 이용하여 제1 특징요소로 결정하는 제1 특징요소 결정부;
정규화된 EMG 신호에서 서로 인접하는 마루와 골 사이의 기울기를 계산하고, 계산된 기울기를 더하여 제2 특징요소를 결정하는 제2 특징요소 결정부; 및
제1 특징요소와 제2 특징요소를 더하여 획득한 EMG 신호에 대한 특징을 결정하는 특징 결정부를 포함하는 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치.
An EMG signal acquisition unit for acquiring an EMG signal by a gait cycle period from a lower body of a user who is walking;
An EMG signal converting unit for converting the obtained EMG signal into an absolute value and normalizing the absolute value converted signal;
A first feature element determiner for determining a first feature element using the ratio of the time at which the maximum value of the normalized EMG signal is located to the walking period;
A second feature element determination unit for calculating a slope between a floor and a bone adjacent to each other in the normalized EMG signal and adding the calculated slope to determine a second feature element; And
And a feature determination unit for determining a feature of the EMG signal obtained by adding the first feature element and the second feature element to the TAS (top and slope) feature extraction unit for EMG signal analysis.
제1항에 있어서,
상기 EMG 신호 변환부는,
획득한 EMG 신호에서 노이즈를 제거하기 위해 필터링을 수행한 후 절대값 변환을 수행하는 것을 특징으로 하는 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치.
The method according to claim 1,
The EMG signal conversion unit converts,
And performing an absolute value conversion after performing filtering to remove noise from the acquired EMG signal. The device for extracting features of top and slope (TAS) for EMG signal analysis.
제2항에 있어서,
상기 EMG 신호 변환부는,
상기 절대값 변환된 EMG 신호를 해당되는 보행 주기 내 절대값 EMG 신호의 최대값으로 나누는 것을 특징으로 하는 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치.
3. The method of claim 2,
The EMG signal conversion unit converts,
Wherein the absolute value transformed EMG signal is divided by a maximum value of an absolute value EMG signal within a corresponding walking cycle.
제1항에 있어서,
상기 제1 특징요소 결정부는, 아래의 식을 이용하여 제1 특징요소를 결정하는 것을 특징으로 하는 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치.

Figure 112017121622534-pat00005

여기서, H는 제1 특징요소, Max(Ck)는 정규화된 EMG 신호의 최대값, Length(C)는 보행 주기, Argk는 정규화된 EMG 신호의 최대값이 있는 시간 지점.
The method according to claim 1,
Wherein the first feature element determination unit determines the first feature element using the following equation: TAS (top and slope) feature extraction unit for EMG signal analysis.

Figure 112017121622534-pat00005

Here, H is a first characteristic element, Max (Ck) is a maximum value of the normalized EMG signal, Length (C) is a walking cycle, and Argk is a time point having a maximum value of the normalized EMG signal.
제4항에 있어서,
상기 제2 특징요소 결정부는, 아래의 식을 이용하여 제2 특징요소를 결정하는 것을 특징으로 하는 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 장치.

Figure 112017121622534-pat00006

여기서 di는 i번째 기울기, Ci crest는 i번째 마루의 신호 값, Ci trough는 i번째 골의 신호 값
i crest는 i번째 마루가 있는 시간, i trough는 i번째 골이 있는 시간, m는 보행 주기 내 존재하는 마루 또는 골의 개수, V는 제2 특징요소.
5. The method of claim 4,
Wherein the second feature element determination unit determines a second feature element using the following equation: TAS (top and slope) feature extraction unit for EMG signal analysis.

Figure 112017121622534-pat00006

Where di is the i th slope, Ci crest is the signal value of the i th floor, Ci trough is the signal value of the i th bone
i crest is the time of the i-th floor, i trough is the time of the i-th goal, m is the number of floor or bone present in the walking cycle, and V is the second characteristic element.
보행하는 사용자의 하체로부터 보행 주기(gait cycle period) 별 EMG 신호를 획득하는 단계;
획득한 EMG 신호를 절대값으로 변환하고 절대값 변환된 신호를 정규화 하는 단계;
정규화된 EMG 신호의 최대값이 위치하는 시간과 상기 보행 주기의 비를 이용하여 제1 특징요소를 결정하는 단계;
정규화된 EMG 신호에서 서로 인접하는 마루와 골 사이의 기울기를 계산하고, 계산된 기울기를 더하여 제2 특징요소를 결정하는 단계; 및
제1 특징요소와 제2 특징요소를 더하여 획득한 EMG 신호에 대한 특징을 결정하는 단계를 포함하는 EMG신호 분석을 위한 TAS(top and slope) 특징 추출 방법.Obtaining an EMG signal according to a gait cycle period from a lower body of a user who is walking;
Transforming the acquired EMG signal into an absolute value and normalizing the absolute value converted signal;
Determining a first feature element using a ratio of a time at which the maximum value of the normalized EMG signal is located to the walking period;
Calculating a slope between a floor and a bone adjacent to each other in the normalized EMG signal, and adding the calculated slope to determine a second characteristic element; And
And determining a feature of the EMG signal obtained by adding the first feature element and the second feature element to the EMG signal.
KR1020170166602A 2017-12-06 2017-12-06 Apparatus and method for extracting tas features for analysis for emg signal KR101989477B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170166602A KR101989477B1 (en) 2017-12-06 2017-12-06 Apparatus and method for extracting tas features for analysis for emg signal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170166602A KR101989477B1 (en) 2017-12-06 2017-12-06 Apparatus and method for extracting tas features for analysis for emg signal

Publications (1)

Publication Number Publication Date
KR101989477B1 true KR101989477B1 (en) 2019-06-14

Family

ID=66846290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170166602A KR101989477B1 (en) 2017-12-06 2017-12-06 Apparatus and method for extracting tas features for analysis for emg signal

Country Status (1)

Country Link
KR (1) KR101989477B1 (en)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030208335A1 (en) * 1996-07-03 2003-11-06 Hitachi, Ltd. Method, apparatus and system for recognizing actions
KR20140063281A (en) * 2012-11-16 2014-05-27 삼성전자주식회사 1rm presume device and method
KR20150000241A (en) 2013-06-24 2015-01-02 인하대학교 산학협력단 System for Analyzing Surface Electromyographic based on Gait Phases
KR20160023976A (en) * 2014-08-21 2016-03-04 인하대학교 산학협력단 A Multiple Gait phase Recognition Method using Boosted Classifiers and Classification Matrix based on Surface EMG Signals
KR20160023981A (en) * 2014-08-21 2016-03-04 인하대학교 산학협력단 A sEMG Signal based Gait Phase Recognition Method selecting Features and Channels Adaptively
KR20160023984A (en) * 2014-08-21 2016-03-04 인하대학교 산학협력단 A System of a feature algorithm and a classifier for sEMG Signal based Gait Phase Recognition
KR20160031246A (en) * 2014-09-12 2016-03-22 삼성전자주식회사 Method and apparatus for gait task recognition
KR20160099161A (en) * 2015-02-11 2016-08-22 인하대학교 산학협력단 A method of Gait phase prediction using linear interpolation in the process of Gait phase recognition by the user adaptive classification based on sEMG signal

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030208335A1 (en) * 1996-07-03 2003-11-06 Hitachi, Ltd. Method, apparatus and system for recognizing actions
KR20140063281A (en) * 2012-11-16 2014-05-27 삼성전자주식회사 1rm presume device and method
KR20150000241A (en) 2013-06-24 2015-01-02 인하대학교 산학협력단 System for Analyzing Surface Electromyographic based on Gait Phases
KR20160023976A (en) * 2014-08-21 2016-03-04 인하대학교 산학협력단 A Multiple Gait phase Recognition Method using Boosted Classifiers and Classification Matrix based on Surface EMG Signals
KR20160023981A (en) * 2014-08-21 2016-03-04 인하대학교 산학협력단 A sEMG Signal based Gait Phase Recognition Method selecting Features and Channels Adaptively
KR20160023984A (en) * 2014-08-21 2016-03-04 인하대학교 산학협력단 A System of a feature algorithm and a classifier for sEMG Signal based Gait Phase Recognition
KR20160031246A (en) * 2014-09-12 2016-03-22 삼성전자주식회사 Method and apparatus for gait task recognition
KR20160099161A (en) * 2015-02-11 2016-08-22 인하대학교 산학협력단 A method of Gait phase prediction using linear interpolation in the process of Gait phase recognition by the user adaptive classification based on sEMG signal

Similar Documents

Publication Publication Date Title
Wang et al. A robust signal preprocessing framework for wrist pulse analysis
Jain et al. Face video based touchless blood pressure and heart rate estimation
Gupta et al. A comparison of ECG signal pre-processing using FrFT, FrWT and IPCA for improved analysis
Su et al. Monitoring the relative blood pressure using a hydraulic bed sensor system
Hou et al. A real-time QRS detection method based on phase portraits and box-scoring calculation
CN109276241B (en) Pressure identification method and equipment
Motin et al. PPG derived heart rate estimation during intensive physical exercise
Ferro et al. Automated detection of the onset and systolic peak in the pulse wave using Hilbert transform
Wu et al. Multiscale cross-approximate entropy analysis as a measurement of complexity between ECG RR interval and PPG pulse amplitude series among the normal and diabetic subjects
Zheng et al. Human emotional stress assessment through Heart Rate Detection in a customized protocol experiment
Sadek et al. Automatic heart rate detection from FBG sensors using sensor fusion and enhanced empirical mode decomposition
Tapia et al. EMG signal filtering based on independent component analysis and empirical mode decomposition for estimation of motor activation patterns
JP2010125287A (en) Digital joint angle estimating device
Mullan et al. Unobtrusive heart rate estimation during physical exercise using photoplethysmographic and acceleration data
KR101008825B1 (en) Apparatus and method for finding characteristic parameters in bio-signal using multiple moving windows
Li et al. A hybrid wavelet-based method for the peak detection of photoplethysmography signals
Garg et al. Identification of motion outliers in wrist pulse signal
Akay et al. Fractal dynamics of body motion in post-stroke hemiplegic patients during walking
JP2010184041A (en) Method of analyzing fluctuation of heart rate
Motin et al. PPG derived respiratory rate estimation in daily living conditions
KR101989477B1 (en) Apparatus and method for extracting tas features for analysis for emg signal
Razavi et al. R-peak detection in electrocardiogram signals using continuous wavelet transform
KR20170095483A (en) Method and apparatus for processing biosignal
KR20200024518A (en) Method for detecting r-peak of electrocardiogram in mobile environment and system for implementing the same
Rawal et al. Adaptive correlation dimension method for analysing heart rate variability during the menstrual cycle

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant