상·하향 계단보행을 위한 근전도 신호 기반 보행단계 인식

국문 초록 (Abstract)

동력의족은 하지 절단 환자나 다리근력이 부족한 사람들의 보행 보조를 위해 사용된다. 동력의족의 자연스러운 구동을 위해선 보행단계가 잘 분류되어야 한다. 물리센서를 이용하여 보행단계를 분류하는 기존 연구는 동력의족이 사전에 훈련된 보행속도로만 재현되는 단점이 있다. 따라서 본 논문에서는 물리센서를 사용하지 않고, 근전도 신호만을 이용하여 오르막, 내리막 계단보행을 각각 4단계로 분류하는 방법을 제안한다. 근전도 신호를 RMS, VAR, MAV, SSC, ZC, WAMP 특징으로 산출하여 LDA(Linear Discriminant Analysis) 분류기를 통해 보행단계를 인식한다. 훈련 단계에서는 AHRS센서를 이용하여 무릎각도변화에 따른 보행단계 범위를 생성한다. 실험 결과, 선행 연구의 경우 오르막 보행에서 평균 58.5%, 내리막 보행에서 35.3%의 정확도를 보인다. 반면, 제안하는 방법은 오르막 보행에서 평균 85.6%, 내리막 보행에서 69.5%의 인식률을 보인다. 또한, 본 연구를 통해 개별 근육 별 보행단계 평균 인식률을 분석하였다.

다국어 초록 (Multilingual Abstract)

Powered prosthesis is used to assist walking of people with an amputated lower limb and/or weak leg strength. The accurate gait phase classification is indispensable in smooth movement control of the powered prosthesis. In previous gait phase classification using physical sensors, there is limitation that powered prosthesis should be simulated as same as the speed of training process. Therefore, we propose EMG signal based gait phase recognition method to classify stairs ascending and stairs descending into four steps without using physical sensors, respectively. RMS, VAR, MAV, SSC, ZC, WAMP features are extracted from EMG signal data and LDA(Linear Discriminant Analysis) classifier is used. In the training process, the AHRS sensor produces various ranges of walking steps according to the change of knee angles. The experimental results show that the average accuracies of the proposed method are about 85.6% in stairs ascending and 69.5% in stairs descending whereas those of preliminary studies are about 58.5% in stairs ascending and 35.3% in stairs descending. In addition, we can analyze the average recognition ratio of each gait step with respect to the individual muscle.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 제안하는 방법
• Ⅳ. 실험 및 평가
• Ⅴ. 결론 및 향후 연구 방향
• REFERENCE

참고문헌 (Reference)

1 류재환, "적응적으로 특징과 채널을 선택하는 sEMG 신호기반 보행단계 인식기법" 한국재활복지공학회 7 (7): 19-26, 2013

2 조현석, "외골격 보행보조로봇 개발을 위한 정상인의 계단보행특성 분석" 한국재활복지공학회 6 (6): 15-22, 2012

3 채민기, "관절각과 지면반발력을 이용한 보행 단계의 분류: 역전파 신경망 적용" 제어·로봇·시스템학회 18 (18): 644-649, 2012

4 정지용, "관성센서 기반의 무선보행측정시스템 개발 및 노인 당뇨 환자 보행 진단에의 응용" 대한전자공학회 48 (48): 38-46, 2011

5 조현정, "경사도에 따른 전·후방 보행 훈련 시 하지 근력 및 근 활성도의 변화" 한국생활환경학회 16 (16): 186-193, 2009

6 이재영, "가속도계를 이용한 편마비 환자의 보행 분석 알고리즘 개발" 대한전자공학회 41 (41): 231-238, 2004

7 E-S. Kim, "Trajectory Generation Schemes for Bipedal Ascending and Descending Stairs using Genetic Algorithm(GA)" University of Dong-A 2010

8 Alison C. Novak, "Stair negotiation alters stability in older adults" 2010

9 S-H. Kim, "Gait phase classification for Stair walking using Feature Extraction and Muscle selection based on EMG Signals" 37 (37): 1053-1056, 2014

10 A. Phinyomark, "Feature reduction and selection for EMG signal classification" 39 (39): 7420-7431, 2012

11 A. Phinyomark, "Evaluation of EMG Feature Extraction for Hand Movement Recognition Based on Euclidean Distance and Standard Deviation" 856-860, 2010

12 Boris I. Prilutsky, "Comparison of Mechanical energy expenditure of joint moments and muscle forces during human locomotion" 29 (29): 405-415, 1996

13 H. Huang, "A Strategy for Identifying Locomotion Modes Using Surface Electromyography" 56 (56): 65-73, 2009