Artificial Neural Network based Motion Classification Algorithm using Surface Electromyogram

표면 근전도를 이용한 Artificial Neural Network 기반의 동작 분류 알고리즘

In this paper, Artificial Neural Network(ANN) based motion classification algorithm is proposed to classify wrist motions using surface electromyograms(sEMG). surface EMGs are obtained from two electrodes placed on the flexor carpi ulnaris muscle and extensor carpi ulnaris muscle of 26 subjects under no strain condition during wrist motions and used to recognize wrist motions such as up, down, left, right, and rest. Feature is extracted from obtained EMG signals in time domain for fast processing and used to classify wrist motions using ANN. DAMV, DASDV, MAV, and RMS were used as features and accuracies of motion classification based on ANN were 98.03% for DAMV, 97.97% for DASDV, 96.95% for MAV, 96.82% for RMS.

본 논문에서는 표면 근전도 신호를 사용하여 손목 움직임의 동작을 분류하기 위해 인공 신경 회로망(ANN : Artificial Neural Network)기반의 동작 분류 알고리즘을 제안한다. 손목 움직임에 무리가 없는 20~30대 성인 26명을 대상으로 척측 수근 굴근과 척측 수근 신근에 부착한 2채널의 전극으로부터 표면 근전도 신호를 취득하고, 취득한 근전도로부터 손목의 굴곡, 신전, 내전, 외전, 휴식 다섯 동작을 인식한다. 빠른 처리 속도를 위해 획득한 신호로부터 시간 영역에서의 특징점을 추출하고 ANN을 이용한 동작 분류에 사용된다. 특징점으로 DAMV, DASDV, MAV, RMS를 사용하였으며, ANN 기반의 동작 분류의 인식율은 DAMV는 98.03%, DASDV는 97.97%, MAV는 96.95%, 그리고 RMS는 96.82%의 정확도를 나타낸다.