다중 분류 SVM을 이용한 sEMG 신호 기반의 손동작 식별 방법

초록

최근 절단 환자들의 보조를 위하여 동력 의지에 관한 많은 연구가 진행되고 있다. 그에 대한 대표적인 연구는 생체신호인 sEMG 신호(surface electromyogram)를 이용한 동력의지이다. 본 논문에서는 정확도 높은 손동작 분류를 위하여 다중 클래스 SVM(support vector machine)을 이용한 sEMG 신호의 손동작 식별 방법을 제안한다. 제안하는 방법은 먼저 다양한 특징 추출 알고리즘을 이용하여 특징 값을 추출한다. 그 후 SVM의 단점을 해결하기 위하여 제안된 One-against-one기법의 다중 클래스 SVM을 이용하여 동작을 분류한다. 본 논문에서 제안한 방법과 7가지 손동작에 대한 분류의 평균 정확도는 제안한 방법이 84%, LDA는 77%, PCA는 29%를 보여서 제안한 방법이 가장 좋은 분류 정확도를 보임을 확인하였다.