KR20150028661A - Bci를 위한 사용자 의도인지 분석 방법 - Google Patents

Bci를 위한 사용자 의도인지 분석 방법 Download PDF

Info

Publication number
KR20150028661A
KR20150028661A KR20130107586A KR20130107586A KR20150028661A KR 20150028661 A KR20150028661 A KR 20150028661A KR 20130107586 A KR20130107586 A KR 20130107586A KR 20130107586 A KR20130107586 A KR 20130107586A KR 20150028661 A KR20150028661 A KR 20150028661A
Authority
KR
South Korea
Prior art keywords
user
intention recognition
region
frequency
eeg
Prior art date
Application number
KR20130107586A
Other languages
English (en)
Other versions
KR101518575B1 (ko
Inventor
신동규
신동일
황구연
Original Assignee
세종대학교산학협력단
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 세종대학교산학협력단 filed Critical 세종대학교산학협력단
Priority to KR1020130107586A priority Critical patent/KR101518575B1/ko
Publication of KR20150028661A publication Critical patent/KR20150028661A/ko
Application granted granted Critical
Publication of KR101518575B1 publication Critical patent/KR101518575B1/ko

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection

Abstract

BCI를 위한 사용자 의도인지 분석 방법이 개시된다. 사용자 의도인지 분석 방법은, 사용자의 뇌파 데이터를 주파수 신호로 변환한 후 상기 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 단계; 및 상기 주파수 영역의 뇌파 데이터에서 상기 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 상기 사용자의 의도인지(intention recognition)를 검출하는 단계를 포함할 수 있다.

Description

BCI를 위한 사용자 의도인지 분석 방법{ANALYSIS METHOD OF USER INTENTION RECOGNITION FOR BRAIN COMPUTER INTERFACE}
본 발명의 실시예들은 사람의 뇌파를 이용하여 전자 기기를 제어하는 기술에 관한 것이다.
뇌는 인간 활동의 전 영역을 총괄하는 중심 기관(control center)으로 대뇌정보기능이 대뇌피질에서 신경에 의해 발현된다고 인식하여 인지, 사고 등의 역동적인 지식 활동과 다양한 감성, 행동과 고차원적인 정신세계까지도 담당하는 것으로 알려져 있다.
EEG(electroencephalogram)는 대뇌피질내의 신경세포의 전기적 활동을 두피에 부착한 전극을 통하여 기록한 것으로, 뇌파는 1∼50 Hz의 주파수와 약 10∼200μV의 진폭을 가지며 1929년 독일의 생리학자 한스 베르거(Hans Berger)에 의해 처음으로 시도되었다. 이 전기적 활동성은 후에 EEG라 명명하였고, EEG가 실험자의 정신적 상태에 따라 변한다는 것을 보였다.
뇌파상의 변화를 주는 요인은 개인차, 연령, 의식상태의 변화, 정신활동 및 지각자극, 신체의 생리변화 등이 있다. 뇌는 부위별로 그 기능이 세분화되어 있으며 의식 상태와 정신활동에 따라 뇌파가 수시로 변하여 특정한 패턴을 가지고 있다. 예를 들어, α(Alpha)파가 많이 발생하는 경우는 편한 상태나, 눈을 감았을 때, 집중을 할 때 혹은 창의 적인 사고를 할 때 이며, β(Beta)파가 많이 발생하는 경우는 각성상태, 의식적인 생동을 할 때, 불안하고 긴장을 할 때, 일반적인 작업을 하고 있는 상태이다. 또한, θ(Theta)파가 많이 발생할 경우는 졸리거나, 깊은 명상 시 발생한다고 한다. 그리고, δ(Delta)파는 정상인인 경우 각성 상태에 나타나면 뇌종양, 뇌염 등의 병적 요인의 있다고도 볼 수 있으며 수면 시 많이 발생한다고 알려져 있다.
신체 일부를 움직일 때 나타나는 뇌파의 변화가 움직임을 상상하는 것만으로도 비슷하게 나타난다는 것에 기초하며 감각운동리듬(Sensorimotor Rhythms(SMR) 혹은 움직임 상상(Motor Imagery)이라고도 불린다. 주로 뇌 피질 상에서 관장하는 영역이 비교적 멀리 있는 왼손, 오른손, 발 혹은 혀의 움직임 상상을 사용한다.
한편, 최근 인간의 판단이나 감정을 알아보기 위하여, 인간의 뇌파에 대한 연구가 활발히 진행되고 있다. 구체적으로, 뇌파는 사용자의 눈 주변 근육의 움직임뿐 아니라 인간의 판단, 감정까지 반영한다. 그리하여, 뇌파를 측정하고, 측정된 뇌파를 데이터화 한 후, 다시 인간의 뇌파를 측정하면, 측정된 뇌파를 통해 인간의 판단이나 감정을 알 수 있게 된다. 최근에는 인간의 뇌파만으로 문자를 입력하는 실험에 성공하기도 하였으며, 다른 예로 한국공개특허 제10-2013-0005753호에는 사용자의 뇌파 정보에 대응하는 제어 신호를 생성하여 이에 따라 디스플레이 장치를 제어하는 기술이 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 사용자의 뇌파를 전기적인 신호로 변환한 EEG(Electroencephalogram)를 이용하여 사용자의 의도인지 파악을 바탕으로 전자기기를 제어하는데 있다.
본 발명의 실시예에 따르면, 사용자 의도인지 분석 방법은, EEG(electroencephalogram) 측정 장치로부터 측정된 사용자의 뇌파 데이터를 획득하는 단계; 및 상기 사용자의 의도인지(intention recognition)를 판단하기 위해 상기 사용자의 움직임 상상(motor imagery)에 따라 증가하는 신호 패턴인 ERS(event-related synchronization)가 나타내는 주파수 영역을 검출하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 사용자 의도인지 분석 방법은, 사용자의 뇌파 데이터를 주파수 신호로 변환한 후 상기 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 단계; 및 상기 주파수 영역의 뇌파 데이터에서 상기 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 상기 사용자의 의도인지(intention recognition)를 검출하는 단계를 포함할 수 있다.
일 측면에 따르면, 상기 뇌파 데이터는 상기 사용자에게 부착된 14개 채널의 전극을 통해 측정된 뇌파 신호일 수 있다.
다른 측면에 따르면, 상기 뇌파 데이터는 128SPS(2048㎐)의 샘플링 레이트(sampling rate)를 적용하여 측정된 뇌파 신호일 수 있다.
또 다른 측면에 따르면, 상기 전극은 국제 표준법인 10-20법(ten-twenty electrode system)에 의거하여 두피의 14개 부위에 부착될 수 있다.
또 다른 측면에 따르면, 상기 운동 감각과 관련된 주파수 영역을 분류하는 단계는, 뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류할 수 있다.
또 다른 측면에 따르면, 상기 운동 감각과 관련된 주파수 영역을 분류하는 단계는, DNF(digital notch filter) 또는 BPF(band pass filter)를 이용하여 뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류할 수 있다.
또 다른 측면에 따르면, 상기 사용자의 의도인지를 검출하는 단계는, 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS(event-related synchronization)를 검출함으로써 상기 사용자의 의도인지를 확인할 수 있다.
또 다른 측면에 따르면, 상기 사용자의 의도인지를 검출하는 단계는, 상기 뇌파 데이터 중 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역의 뇌파 데이터를 STFT(Short-Time Fourier Transform)를 통해 시간 영역에 대한 푸리에 변환을 수행하는 단계; 및 PSO(Particle Swarm Optimization) 알고리즘을 사용하여 상기 뮤리듬(μ) 영역의 평균 진폭에서 최대 진폭을 가진 최적점(optimal point)의 주파수를 찾는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 시간 영역에 대한 푸리에 변환을 수행하는 단계는, 상기 사용자의 움직임 상상 시 상기 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS(event-related synchronization)를 검출하기 위해 수학식 1을 이용하여 상기 ERS의 파워 스펙트럼(power spectrum)을 구할 수 있다.
수학식 1:
Figure pat00001
(여기서, P는 파워를 나타내고, j는 시간을 나타내고, fk는 주파수를 나타내며,
Figure pat00002
는 fk 주파수에서의 r0에서 r0+m 시간의 평균 파워를 나타낸다.)
또 다른 측면에 따르면, 사용자 의도인지 분석 방법은, 상기 의도인지에 대한 검출 결과를 상기 사용자가 확인 가능하도록 표시하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 사용자 의도인지 분석 방법은, 상기 운동 감각과 관련된 주파수 영역을 분류하는 단계와, 상기 사용자의 의도인지를 검출하는 단계를 반복 수행하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따르면, 사용자 의도인지 분석 장치는, 사용자의 뇌파 데이터를 주파수 신호로 변환한 후 상기 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 식별부; 및 상기 주파수 영역의 뇌파 데이터에서 상기 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 상기 사용자의 의도인지(intention recognition)를 검출하는 검출부를 포함할 수 있다.
본 발명의 실시예들에 따르면, 사용자의 획득된 뇌파의 분류 및 분석이 용이하고 뇌파의 정량화를 통해 신호의 정확도를 높일 수 있다는 장점이 있다.
본 발명의 실시예들에 따르면, 사용자의 의도인지 파악을 바탕으로 별도의 소프트웨어와 결합하여 게임을 비롯한 교육분야의 컨텐츠에 적용할 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 있어서, STFT와 PSO를 이용한 사용자 의도인지 분석 방법을 도시한 순서도이다.
도 2는 본 발명의 일 실시예에 있어서, EEG 측정 장치의 전극 부착 위치를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 있어서, FC5와 FC6의 파워 스펙트럼 결과를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 있어서, 오른손과 왼손의 움직임 상상에 대하여 FC5와 FC6의 결과값에 따른 ERS 현상을 나타낸 결과를 도시한 것이다.
도 5는 본 발명의 일 실시예에 있어서, PSO의 결과를 도시한 것이다.
도 6은 본 발명의 일 실시예에 있어서, 움직임 상상 EEG 신호 기반 BCI 시스템 구조를 도시한 것이다.
도 7은 본 발명의 일 실시예에 있어서, STFT와 PSO를 이용한 사용자 의도인지 분석 장치의 내부 구성을 도시한 블럭도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 실시예에서는 BCI(Brain Computer Interface)를 위한 사용자 의도인지 분석 방법에 관한 것으로, 뇌파를 측정하고 측정된 뇌파에서 정확한 의도인지 분류 기술과, 개개인 마다 다른 주파수 영역에서 나타나는 ERS(Event-Related Synchronization)의 특징을 가장 많이 발현되는 주파수 영역을 정의하기 위한 방법 및 솔루션을 제공한다.
본 발명은 사람의 뇌파를 전기적인 신호로 변환한 EEG를 이용하여 전자기기를 제어하는 것이 목적이다. 이를 위해 측정된 뇌파에서 사용자의 정확한 의도인지를 분류하기 위한 분류기술이 필요로 한다. 또한, 개개인 마다 다른 주파수 영역에서 나타나는 ERS의 특징을 가장 많이 발현되는 주파수 영역을 정의해야 한다. 따라서, 본 발명에서는 상술한 의도인지 분류기술과 주파수 영역을 정의하기 위한 방법 및 솔루션을 제공한다.
설명에 앞서 용어를 정의하면, BCI는 인간의 두뇌와 컴퓨터를 직접 연결해 뇌파를 통해 컴퓨터를 제어하는 인터페이스 기술로 정의되며, 넓게는 HCI(Human Computer Interface)기술에 속한다. 또한, 뇌파를 통해 휠체어나 로봇과 같은 기계를 조작할 수도 있기 때문에, BCI 기술은 BMI(Brain Machine Interface)라고 불리기도 한다. BCI 기술의 구현은 뇌파 자극을 인식(Acquisition)하는 장치를 통해 뇌파를 측정한 후, 신호화 과정(Signal Processing)을 거쳐 뇌파를 분석해 입출력 장치에 명령을 내리는 과정을 거치게 된다.
시각적 자극으로 왼손이나 오른손 움직임을 상상하는 동안 피험자의 μ 리듬 영역에서는 활동이 쇠약해지거나 차단되는 현상 혹은 억제되는 현상이 나타나며, 이러한 현상을 ERD(Event-Related desynchronization)라고 한다. 주로 μ 리듬과 β 리듬 영역 중 국소적으로 β 에서 발생하게 된다. ERS는 ERD와 상반된 특징을 가지고 있으며 EEG의 진폭이 증가하게 되는 현상을 말한다.
STFT(Short-Time Fourier Transform)은 시간-주파수 해석을 위한 가장 간단한 방법으로 짧게 쪼개진 시간 영역에서 원하는 부분에 대한 푸리에 변환을 수행하고 기간 축을 기준 삼아 주파수 분포를 도시해 나가는 방법이다. STFT를 통해 주파수 영역의 해석과 시간 영역의 해석을 표현할 수 있다.
PSO(Particle Swarm Optimization)는 확률론적 최적화 기법으로, 집단을 이루는 구성 요소들의 사회성을 기반으로 최적화를 수행한다. 여기서, 개체들(particle)은 탐색 공간 내에서 최적의 장소로 이동하며 각 개체들의 위치는 두 개의 최적의 값을 업데이트 하면서 새로운 위치의 값을 갖게 된다는 것에 기초한다. 초기 불규칙한 해들의 모임으로 시작하지만 각 잠재적인 해들이 다시 랜덤한 속도와 이전 잠재적인 해들의 결합으로 구성된다는 측면에서 다르며, 최적의 위치정보를 가지는 개체를 pbest라고 하며, pbest의 모든 개체 중 가장 최적의 위치정보를 나타내는 개체를 gbest라 한다.
도 1은 본 발명의 일 실시예에 있어서, 사용자 의도인지 분석을 위해 STFT와 PSO를 이용하여 주파수 대역에서의 최대 진폭과 시간을 선택하는 과정을 도시한 순서도이다.
도 1을 참조하면, 일 실시예에 따른 사용자 의도인지 분석 방법은 뇌파 획득 단계(110), 필터링 적용 단계(120), STFT 적용 단계(130), 자극 제시 단계(140), PSO 적용 단계(150), 사용자 의도인지 분류 단계(160)를 포함할 수 있다. 일 실시예에 따른 사용자 의도인지 분석 방법은 이하에서 설명하게 될 사용자 의도인지 분석 장치에 의해 각각의 단계가 수행될 수 있다.
먼저, 뇌파 획득 단계(110)에서 사용자 의도인지 분석 장치는 EEG 측정 장치(예컨대, Emotiv사의 EPOC 장치)로부터 실제 측정된 로우 EEG 신호(raw EEG signal)를 획득할 수 있다. 그리고, 사용자 의도인지 분석 장치는 획득한 뇌파 데이터에서 노이즈를 제거하거나 미약한 뇌파 데이터를 증폭함으로써 뇌파 데이터에 대한 전처리 과정을 수행할 수 있다.
본 실시예에서는 128SPS(2048㎐)의 샘플링 레이트(sampling rate)를 가지는 14채널의 전극을 10-20 전극 위치법에 따라 사용자에게 부착하여 사용자의 실제 뇌파 데이터를 획득할 수 있다. 필요 이상의 샘플링 레이트는 처리할 데이터의 비대화를 초래하여 처리 속도 저하의 문제가 발생하며 실시간 구동에 있어서 많은 제약 사항으로 작용될 수 있다. 이에, 본 실시예에서는 뇌파 분석에 필요한 최소 필요 샘플링 수인 128SPS가 바람직하며, 이에 한정되는 것은 아니고 뇌파계에서 정의하기에 따라서 일정 범위(128±αSPS) 내에서 얼마든지 변경 가능하다.
도 2는 본 발명의 일 실시예에 있어서, EEG 측정 장치의 전극 부착 위치를 설명하기 위한 도면이다. 사용자의 두뇌에 전극을 부착하여 뇌파 데이터를 측정하게 되며, 이때 뇌파를 측정하기 위한 전극 부착 위치는 도 2에 도시한 바와 같이 국제 표준법인 10-20 전극 시스템에 의거하여 두피의 14개 부위(AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4)를 선택적으로 결정할 수 있다.
다시 도 1에서, 필터링 적용 단계(120)에서 사용자 의도인지 분석 장치는 획득한 뇌파 데이터에서 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류할 수 있다. 이때, 사용자 의도인지 분석 장치는 DNF(digital notch filter) 또는 BPF(band pass filter)를 이용하여 필요한 영역을 분류할 수 있다. 뇌파에서의 운동 감각에 따른 특징은 주로 8-30㎐의 주파수 영역에서 나타난다. 본 발명에서 8-12㎐영역을 사용하는 이유는 PSO를 넓은 주파수 영역에 적용할 경우 극댓값(local maximum)에 빠질 확률이 높고, 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ, 8-12㎐) 영역만을 사용하더라도 움직임 상상에 대한 분류가 가능하기 때문이다.
STFT 적용 단계(130)에서 사용자 의도인지 분석 장치는 8-12㎐ 영역의 뇌파 데이터를 짧게 쪼개진 시간 영역에 대한 푸리에 변환을 수행할 수 있다.
즉, 사용자 의도인지 분석 장치는 전처리된 뇌파 데이터를 기 설정된 알고리즘에 입력하여 주파수 신호로 변환하고, 변환된 주파수 영역에 따라 원하는 부분의 뇌파를 분류할 수 있다.
이어, 자극 제시 단계(140)에서 사용자 의도인지 분석 장치는 STFT를 통해 상기 변환된 뇌파 데이터에 대한 시간-주파수 해석을 수행할 수 있다. 이때, STFT는 해밍 윈도우(hamming window)를 사용할 수 있으며, 각 주파수 영역에서 ERS를 검출하기 위해 수학식 1을 사용하여 ERS의 파워 스펙트럼(power spectrum)을 구할 수 있다.
Figure pat00003
여기서, P는 파워를 나타내고, j는 시간을 나타내고, fk는 주파수를 나타내며,
Figure pat00004
는 fk 주파수에서의 r0에서 r0+m 시간의 평균 파워를 나타낸다.
도 3은 FC5와 FC6의 파워 스펙트럼 결과를 나타내는 도면이다.
요컨대, ERS는 다음과 같은 순서로 구할 수 있다.
1. 로우 EEG 신호를 수집한다(Sampling rate 2048㎐).
2. μ 영역의 주파수 성분의 데이터를 BPF(band pass filter)(8-12㎐)를 사용하여 추출한다.
3. 모든 단계(Trial)에 대하여 평균을 구한다.(큐를 시작으로 4초 동안의 움직임 상상을 수행하며, 1-2초는 휴식을 가진다.)
4. 평균값을 수학식 2에 대입하여 j 시간의 파워 Pj를 구한 후, 그 해를 수학식 3에 대입하여 최종적인 ERS 값을 계산한다
Figure pat00005
Figure pat00006
도 4는 오른손과 왼손의 움직임 상상에 대하여 FC5와 FC6의 결과값에 따른 ERS 현상을 나타낸 결과를 도시한 것이다.
다시 도 1에서, PSO 적용 단계(150)에서 사용자 의도인지 분석 장치는 ERS에 해당되는 리듬 영역에 PSO알고리즘을 사용하여 개체(particle)과 군(swarm)이 결합된 최적점(optimal point)을 찾는다. 이때, 최적점은 움직임 상상 시 증가되는 진폭이며, Fitness value는
Figure pat00007
로 최대 파워와 시간 주파수이다. 도 5는 PSO 적용 단계(150)에서 얻어진 PSO의 결과를 도시한 것이다.
따라서, 본 실시예에서는 뇌파 데이터의 분석을 위해 STFT를 이용하여 주파수 영역에서의 해석 방법을 제시하고 확률론적 최적화 기법으로 최적화를 수행할 수 있다.
마지막으로, 도 1에서 사용자 의도인지 분류 단계(160)에서 사용자 의도인지 분석 장치는 뇌파 데이터의 분석을 통해 특징점을 통한 의도인지를 판단할 수 있다. 이때, 사용자 의도인지 분석 장치는 8-12㎐ 주파수 영역의 평균 진폭에서 최대 진폭을 찾아 ERS가 가장 많이 발생하는 주파수를 확인할 수 있다. 이때, 개체 위치(particle position)와 속도(velocity)가 같은 경우 수학식 4를 통해 업데이트 시켜준다.
Figure pat00008
사용자 의도인지 분류 단계(160)에서 검출된 의도인지의 결과는 사용자가 확인 가능하도록 표시 수단을 통해 표시될 수 있다.
의도인지의 결과는 실시간으로 변하게 되므로, 사용자 의도인지 분류 단계(160) 이후 다시 사용자의 뇌파 데이터를 획득하는 단계(110)부터 상기한 과정들을 반복 수행한다.
사용자 의도인지 분석 장치는 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS를 STFT와 PSO를 이용하여 검출할 수 있다. 다시 말해, 사용자 의도인지 분석 장치는 ERS가 가장 많이 발현되고 전압이 큰 주파수를 검출하기 위해 8-12㎐ 주파수 영역의 EEG 평균에서 PSO를 이용하여 가장 큰 진폭을 가지는 주파수를 확인한 후, 해당 주파수를 사용하여 각 채널에서 움직임 상상 시 나타나는 ERS의 특징을 PSO를 이용하여 찾을 수 있으며, 개개인 마다 다른 주파수 영역에서 나타나는 ERS의 특징을 가장 많이 발현되는 주파수 영역으로 고정하여 분석함으로써 사용자의 의도인지를 정확히 판단할 수 있다.
상기한 사용자 의도인지 분석 방법을 적용한 BCI 시스템의 기본적인 구조는 도 6과 같다.
도 6에 도시한 바와 같이, 교정 단계(Calibration Phase)에서는 수집된 EEG에서 잡음을 제거하거나 미약한 EEG를 증폭하기 위한 신호 처리 전처리 과정(preprocessing), 및 EEG를 분류할 때의 인식률을 높이기 위해 전처리 과정을 거친 데이터를 중요하거나 혹은 중요하지 않은 부분으로 구분하기 위한 특징 추출 과정(feature extraction)과 분류 학습 과정(classifier training)을 거치게 된다. 마지막으로, 피드백 단계(feedback phase)에서는 특징 추출 단계에서 얻은 특징들이 어떤 집단에 속하는지 분류를 하기 위한 특징 분류 과정(classifier)을 거쳐 분류된 데이터를 이용하여 여러 전자기 장치를 컨트롤 할 수 있다.
본 발명에 따른 사용자 의도인지 분석 방법은 도 1 내지 도 6을 통해 설명한 상세 내용을 바탕으로 적어도 둘 이상의 동작들을 포함할 수 있다. 이때, 둘 이상의 동작이 조합될 수 있고, 동작들의 순서나 위치가 변경될 수 있다.
본 발명의 실시예에 따른 방법들은 다양한 컴퓨터 시스템을 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시예에서는 사용자의 대뇌피질에서 측정된 뇌파 데이터를 전처리를 통해 정제하는 단계; 정제된 뇌파 데이터를 주파수 신호로 변환한 후 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 단계; 및 주파수 영역의 뇌파 데이터에서 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 사용자의 의도인지를 검출하는 단계를 포함하는 프로그램이 기록되는 컴퓨터 판독 가능 매체를 포함할 수 있다.
도 7은 본 발명의 일 실시예에 있어서, STFT와 PSO를 이용한 사용자 의도인지 분석 장치의 내부 구성을 도시한 블록도이다. 도 7에 도시한 바와 같이, 일 실시예에 따른 사용자 의도인지 분석 장치는 전처리부(710), 식별부(720), 검출부(730), 및 표시부(740)를 포함하여 구성될 수 있다. 일 실시예에 따른 사용자 의도인지 분석 장치는 도 1 내지 도 6을 통해 설명한 사용자 의도인지 분석 방법의 상세 내용을 바탕으로 구성 요소가 보다 단축되거나 추가의 구성 요소들이 더 포함될 수 있다.
전처리부(710)는 EEG 측정 장치로부터 측정된 사용자의 뇌파 데이터를 획득한 후 획득한 뇌파 데이터에서 노이즈를 제거하거나 미약한 뇌파 데이터를 증폭함으로써 뇌파 데이터에 대한 전처리 과정을 수행할 수 있다. 이때, 뇌파를 측정하기 위한 전극 부착 위치는 국제 표준법인 10-20 전극 시스템에 의거하여 두피의 14개 부위(AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4)를 선택적으로 결정할 수 있다.
식별부(720)는 전처리 된 뇌파 데이터를 기 설정된 알고리즘에 입력하여 뇌파 데이터를 주파수 신호로 변환하고, 변환된 주파수 영역에 따라 뇌파를 분류하는 역할을 수행한다. 식별부(720)는 획득한 뇌파 데이터에서 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류할 수 있다. 이때, 식별부(720)는 DNF(digital notch filter) 또는 BPF(band pass filter)를 이용하여 필요한 영역을 분류할 수 있다.
검출부(730)는 분류된 뇌파 데이터의 분석을 통해 특징점을 통한 의도인지를 판단하는 역할을 수행한다. 먼저, 검출부(730)는 STFT를 통해 상기 변환된 뇌파 데이터에 대한 시간-주파수 해석을 수행할 수 있다. 이때, STFT는 해밍 윈도우(hamming window)를 사용할 수 있으며, 각 주파수 영역에서 ERS를 검출하기 위해 상기 수학식 1을 사용하여 ERS의 파워 스펙트럼(power spectrum)을 구할 수 있다. 그리고, 검출부(730)는 ERS에 해당되는 리듬 영역에 PSO알고리즘을 사용하여 개체(particle)과 군(swarm)이 결합된 최적점(optimal point)을 찾을 수 있다. 이때, 최적점은 움직임 상상 시 증가되는 진폭이며, Fitness value는
Figure pat00009
로 최대 파워와 시간 주파수이다. 다시 말해, 검출부(730)는 8-12㎐ 주파수 영역의 평균 진폭에서 최대 진폭을 찾아 ERS가 가장 많이 발생하는 주파수를 확인할 수 있다.
표시부(740)는 검출부(730)를 통해 검출된 사용자의 의도인지를 표시할 수 있다. 검출된 의도인지의 결과는 실시간으로 변하게 되므로 사용자 의도인지 분류 이후 다시 사용자의 뇌파 데이터를 획득하는 과정부터 상기한 과정들을 반복 수행하면서 사용자의 의도인지에 대한 실시간 검출 결과를 사용자가 확인 가능하도록 표시부(740)를 통해 표시해줄 수 있다.
상기한 구성에 따르면, 사용자 의도인지 분석 장치는 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS를 STFT와 PSO를 이용하여 검출할 수 있다. 다시 말해, 사용자 의도인지 분석 장치는 ERS가 가장 많이 발현되고 전압이 큰 주파수를 검출하기 위해 8-12㎐ 주파수 영역의 EEG 평균에서 PSO를 이용하여 가장 큰 진폭을 가지는 주파수를 확인한 후, 해당 주파수를 사용하여 각 채널에서 움직임 상상 시 나타나는 ERS의 특징을 PSO를 이용하여 찾을 수 있으며, 개개인 마다 다른 주파수 영역에서 나타나는 ERS의 특징을 가장 많이 발현되는 주파수 영역으로 고정하여 분석함으로써 사용자의 의도인지를 정확히 판단할 수 있다.
이와 같이, 본 발명의 실시예들에 따르면, 사용자의 획득된 뇌파의 분류 및 분석이 용이하고 뇌파의 정량화를 통해 신호의 정확도를 높일 수 있다는 장점이 있다. 또한, 본 발명의 실시예들에 따르면, 사용자의 의도인지 파악을 바탕으로 별도의 소프트웨어와 결합하여 게임을 비롯한 교육분야의 컨텐츠에 적용할 수 있다는 장점이 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
710: 전처리부
720: 식별부
730: 검출부
740: 표시부

Claims (25)

  1. EEG(electroencephalogram) 측정 장치로부터 측정된 사용자의 뇌파 데이터를 획득하는 단계; 및
    상기 사용자의 의도인지(intention recognition)를 판단하기 위해 상기 사용자의 움직임 상상(motor imagery)에 따라 증가하는 신호 패턴인 ERS(event-related synchronization)가 나타내는 주파수 영역을 검출하는 단계
    를 포함하는 사용자 의도인지 분석 방법.
  2. 사용자의 뇌파 데이터를 주파수 신호로 변환한 후 상기 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 단계; 및
    상기 주파수 영역의 뇌파 데이터에서 상기 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 상기 사용자의 의도인지(intention recognition)를 검출하는 단계
    를 포함하는 사용자 의도인지 분석 방법.
  3. 제2항에 있어서,
    상기 뇌파 데이터는 상기 사용자에게 부착된 14개 채널의 전극을 통해 측정된 뇌파 신호인 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  4. 제3항에 있어서,
    상기 뇌파 데이터는 128SPS(2048㎐)의 샘플링 레이트(sampling rate)를 적용하여 측정된 뇌파 신호인 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  5. 제3항에 있어서,
    상기 전극은 국제 표준법인 10-20법(ten-twenty electrode system)에 의거하여 두피의 14개 부위에 부착되는 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  6. 제2항에 있어서,
    상기 운동 감각과 관련된 주파수 영역을 분류하는 단계는,
    뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류하는 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  7. 제2항에 있어서,
    상기 운동 감각과 관련된 주파수 영역을 분류하는 단계는,
    DNF(digital notch filter)를 이용하여 뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류하는 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  8. 제2항에 있어서,
    상기 운동 감각과 관련된 주파수 영역을 분류하는 단계는,
    BPF(band pass filter)를 이용하여 뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류하는 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  9. 제2항에 있어서,
    상기 사용자의 의도인지를 검출하는 단계는,
    뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS(event-related synchronization)를 검출함으로써 상기 사용자의 의도인지를 확인하는 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
  10. 제2항에 있어서,
    상기 사용자의 의도인지를 검출하는 단계는,
    상기 뇌파 데이터 중 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역의 뇌파 데이터를 STFT(Short-Time Fourier Transform)를 통해 시간 영역에 대한 푸리에 변환을 수행하는 단계; 및
    PSO(Particle Swarm Optimization) 알고리즘을 사용하여 상기 뮤리듬(μ) 영역의 평균 진폭에서 최대 진폭을 가진 최적점(optimal point)의 주파수를 찾는 단계
    를 포함하는 사용자 의도인지 분석 방법.
  11. 제10항에 있어서,
    상기 시간 영역에 대한 푸리에 변환을 수행하는 단계는,
    상기 사용자의 움직임 상상 시 상기 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS(event-related synchronization)를 검출하기 위해 수학식 1을 이용하여 상기 ERS의 파워 스펙트럼(power spectrum)을 구하는 것
    을 특징으로 하는 사용자 의도인지 분석 방법.
    수학식 1:
    Figure pat00010

    (여기서, P는 파워를 나타내고, j는 시간을 나타내고, fk는 주파수를 나타내며,
    Figure pat00011
    는 fk 주파수에서의 r0에서 r0+m 시간의 평균 파워를 나타낸다.)
  12. 제2항에 있어서,
    상기 의도인지에 대한 검출 결과를 상기 사용자가 확인 가능하도록 표시하는 단계
    를 더 포함하는 사용자 의도인지 분석 방법.
  13. 제2항에 있어서,
    상기 운동 감각과 관련된 주파수 영역을 분류하는 단계와, 상기 사용자의 의도인지를 검출하는 단계를 반복 수행하는 단계
    를 더 포함하는 사용자 의도인지 분석 방법.
  14. 컴퓨터 시스템이 BCI(brain computer interface)를 위해 사용자의 의도인지(intention recognition)를 분석하도록 제어하는 명령(instruction)을 포함하는 컴퓨터 판독가능 매체로서,
    상기 명령은,
    사용자의 뇌파 데이터를 주파수 신호로 변환한 후 상기 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 단계; 및
    상기 주파수 영역의 뇌파 데이터에서 상기 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 상기 사용자의 의도인지를 검출하는 단계
    를 포함하는 방법에 의하여 상기 컴퓨터 시스템을 제어하는, 컴퓨터 판독가능 저장 매체.
  15. 사용자의 뇌파 데이터를 주파수 신호로 변환한 후 상기 변환된 주파수 신호의 대역에 따라 운동 감각과 관련된 주파수 영역을 분류하는 식별부; 및
    상기 주파수 영역의 뇌파 데이터에서 상기 사용자의 움직임 상상(motor imagery)에 따라 나타나는 특징을 분석하여 상기 사용자의 의도인지(intention recognition)를 검출하는 검출부
    를 포함하는 사용자 의도인지 분석 장치.
  16. 제15항에 있어서,
    상기 뇌파 데이터는 상기 사용자에게 부착된 14개 채널의 전극을 통해 측정된 뇌파 신호인 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  17. 제16항에 있어서,
    상기 뇌파 데이터는 128SPS(2048㎐)의 샘플링 레이트(sampling rate)를 적용하여 측정된 뇌파 신호인 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  18. 제16항에 있어서,
    상기 전극은 국제 표준법인 10-20법(ten-twenty electrode system)에 의거하여 두피의 14개 부위에 부착되는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  19. 제15항에 있어서,
    상기 식별부는,
    뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류하는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  20. 제15항에 있어서,
    상기 식별부는,
    DNF(digital notch filter)를 이용하여 뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류하는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  21. 제15항에 있어서,
    상기 식별부는,
    BPF(band pass filter)를 이용하여 뇌파의 뮤리듬(μ) 영역인 8-12㎐ 영역을 분류하는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  22. 제15항에 있어서,
    상기 검출부는,
    뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS(event-related synchronization)를 검출함으로써 상기 사용자의 의도인지를 확인하는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  23. 제15항에 있어서,
    상기 검출부는,
    상기 뇌파 데이터 중 뇌의 운동 감각 피질 영역에서 발생하는 뮤리듬(μ) 영역의 뇌파 데이터를 STFT(Short-Time Fourier Transform)를 통해 시간 영역에 대한 푸리에 변환을 수행한 후, PSO(Particle Swarm Optimization) 알고리즘을 사용하여 상기 뮤리듬(μ) 영역의 평균 진폭에서 최대 진폭을 가진 최적점(optimal point)의 주파수를 찾는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
  24. 제23항에 있어서,
    상기 검출부는,
    상기 사용자의 움직임 상상 시 상기 뮤리듬(μ) 영역에서 증가하는 신호의 패턴인 ERS(event-related synchronization)를 검출하기 위해 수학식 1을 이용하여 상기 ERS의 파워 스펙트럼(power spectrum)을 구하는 것
    을 특징으로 하는 사용자 의도인지 분석 장치.
    수학식 1:
    Figure pat00012

    (여기서, P는 파워를 나타내고, j는 시간을 나타내고, fk는 주파수를 나타내며,
    Figure pat00013
    는 fk 주파수에서의 r0에서 r0+m 시간의 평균 파워를 나타낸다.)
  25. 제15항에 있어서,
    상기 의도인지에 대한 검출 결과를 상기 사용자가 확인 가능하도록 표시하는 표시부
    를 더 포함하는 사용자 의도인지 분석 장치.
KR1020130107586A 2013-09-06 2013-09-06 Bci를 위한 사용자 의도인지 분석 방법 KR101518575B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130107586A KR101518575B1 (ko) 2013-09-06 2013-09-06 Bci를 위한 사용자 의도인지 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130107586A KR101518575B1 (ko) 2013-09-06 2013-09-06 Bci를 위한 사용자 의도인지 분석 방법

Publications (2)

Publication Number Publication Date
KR20150028661A true KR20150028661A (ko) 2015-03-16
KR101518575B1 KR101518575B1 (ko) 2015-05-07

Family

ID=53023485

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130107586A KR101518575B1 (ko) 2013-09-06 2013-09-06 Bci를 위한 사용자 의도인지 분석 방법

Country Status (1)

Country Link
KR (1) KR101518575B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101714708B1 (ko) * 2015-12-01 2017-03-09 고려대학교 산학협력단 뇌운동관련전위 기반 뇌-컴퓨터 인터페이스 장치 및 방법
CN107016355A (zh) * 2017-03-20 2017-08-04 天津大学 一种低误触发率运动想象双层分类识别方法
CN107300969A (zh) * 2017-05-02 2017-10-27 昆明理工大学 一种基于运动想象的mp4播放器装置及其控制方法
KR101879408B1 (ko) * 2016-09-09 2018-07-18 고려대학교 산학협력단 움직임 의도인지를 위한 bci 기술에서 피검체에 최적화된 주파수 영역을 결정하는 방법 및 그 장치
WO2018189614A1 (ko) * 2017-04-11 2018-10-18 재단법인대구경북과학기술원 행동모방학습 기반의 뇌 훈련 시뮬레이터 및 시뮬레이션 시스템
KR20190120941A (ko) * 2018-04-17 2019-10-25 연세대학교 원주산학협력단 장애 심사 평가를 위한 거짓말 탐지 기기 및 이것의 제어 방법
CN111265212A (zh) * 2019-12-23 2020-06-12 北京无线电测量研究所 一种运动想象脑电信号分类方法及闭环训练测试交互系统
CN114143193A (zh) * 2021-12-07 2022-03-04 天翼物联科技有限公司 网络配置方法、装置、计算机设备及存储介质
KR20220169650A (ko) * 2021-06-21 2022-12-28 고려대학교 산학협력단 발화상상에 따른 뇌파 신호를 이용한 사용자 인증 장치 및 방법
KR102548507B1 (ko) * 2022-10-25 2023-06-28 주식회사 프레임 뇌파 데이터를 활용한 게임 콘텐츠의 사용자 인터페이스 제공 장치 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10890972B2 (en) 2017-04-06 2021-01-12 Korea University Research And Business Foundation Prefrontal-based cognitive brain-machine interfacing apparatus and method thereof
KR102031958B1 (ko) 2017-04-06 2019-10-14 고려대학교 산학협력단 전전두엽 기반 인지적 뇌-기계 인터페이스 장치 및 방법
US11269413B2 (en) 2018-11-07 2022-03-08 Korea University Research And Business Foundation Brain-computer interface system and method for decoding user's conversation intention using the same
KR102270046B1 (ko) * 2020-02-18 2021-06-25 고려대학교 산학협력단 가상환경을 이용하는 뇌-기계 인터페이스 기반 의도 판단 장치 및 방법

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101714708B1 (ko) * 2015-12-01 2017-03-09 고려대학교 산학협력단 뇌운동관련전위 기반 뇌-컴퓨터 인터페이스 장치 및 방법
KR101879408B1 (ko) * 2016-09-09 2018-07-18 고려대학교 산학협력단 움직임 의도인지를 위한 bci 기술에서 피검체에 최적화된 주파수 영역을 결정하는 방법 및 그 장치
CN107016355A (zh) * 2017-03-20 2017-08-04 天津大学 一种低误触发率运动想象双层分类识别方法
WO2018189614A1 (ko) * 2017-04-11 2018-10-18 재단법인대구경북과학기술원 행동모방학습 기반의 뇌 훈련 시뮬레이터 및 시뮬레이션 시스템
CN107300969A (zh) * 2017-05-02 2017-10-27 昆明理工大学 一种基于运动想象的mp4播放器装置及其控制方法
KR20190120941A (ko) * 2018-04-17 2019-10-25 연세대학교 원주산학협력단 장애 심사 평가를 위한 거짓말 탐지 기기 및 이것의 제어 방법
CN111265212A (zh) * 2019-12-23 2020-06-12 北京无线电测量研究所 一种运动想象脑电信号分类方法及闭环训练测试交互系统
KR20220169650A (ko) * 2021-06-21 2022-12-28 고려대학교 산학협력단 발화상상에 따른 뇌파 신호를 이용한 사용자 인증 장치 및 방법
CN114143193A (zh) * 2021-12-07 2022-03-04 天翼物联科技有限公司 网络配置方法、装置、计算机设备及存储介质
CN114143193B (zh) * 2021-12-07 2024-02-20 天翼物联科技有限公司 网络配置方法、装置、计算机设备及存储介质
KR102548507B1 (ko) * 2022-10-25 2023-06-28 주식회사 프레임 뇌파 데이터를 활용한 게임 콘텐츠의 사용자 인터페이스 제공 장치 및 방법

Also Published As

Publication number Publication date
KR101518575B1 (ko) 2015-05-07

Similar Documents

Publication Publication Date Title
KR101518575B1 (ko) Bci를 위한 사용자 의도인지 분석 방법
Bulagang et al. A review of recent approaches for emotion classification using electrocardiography and electrodermography signals
Ahn et al. Exploring neuro-physiological correlates of drivers' mental fatigue caused by sleep deprivation using simultaneous EEG, ECG, and fNIRS data
Liu et al. Real-time fractal-based valence level recognition from EEG
Krishna et al. An efficient mixture model approach in brain-machine interface systems for extracting the psychological status of mentally impaired persons using EEG signals
Chuang et al. Independent component ensemble of EEG for brain–computer interface
JP2018521830A (ja) 注意欠陥を監視し改善する方法およびシステム
KR101535352B1 (ko) 전두엽 뇌파를 이용한 우울증 심도 측정 방법
KR101842750B1 (ko) 뇌파 훈련을 위한 실시간 시뮬레이터 및 이를 이용한 인터페이스 장치
Mustafa et al. Comparison between KNN and ANN classification in brain balancing application via spectrogram image
KR101081369B1 (ko) 생체신호의 특징 추출 장치 및 방법
KR101699623B1 (ko) 좌/우뇌 활성도 대칭 향상을 위한 게임 활용 시스템
KR20140029332A (ko) 생체신호를 이용한 보안 서비스 제공 방법 및 장치
Alex et al. Discrimination of genuine and acted emotional expressions using EEG signal and machine learning
Kim et al. Wedea: A new eeg-based framework for emotion recognition
Hosseini et al. Emotional stress recognition using a new fusion link between electroencephalogram and peripheral signals
KR20170048638A (ko) 우울 정도를 실시간으로 분석하는 방법 및 그 시스템
KR20150029969A (ko) 뇌파 측정을 이용한 감성상태 분류 방법
Majumdar A brief survey of quantitative EEG
KR101498812B1 (ko) 뇌파를 이용한 불면증 검사와 지표 도출
Wang et al. Tinnitus EEG classification based on multi-frequency bands
Gondesen et al. Eeg-based biometrics
Hu et al. Multi-feature fusion method based on WOSF and MSE for four-class MI EEG identification
Zammouri et al. Brain waves-based index for workload estimation and mental effort engagement recognition
JP6834318B2 (ja) ストレス評価装置及び方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190329

Year of fee payment: 5