다양한 팔 위치에서 손가락힘 추정을 위한 훈련전략 및 표면근전도 센서 위치 선정

Abstract

최근 의수 제어를 위해 표면근전도와 사용자의 의도 사이의 관계를 추정하는 연구들이 활발히 진행되고있다. 과거에는 분류기 기반의 패턴인식 방법을 이용하여 의수를 제어하였으나 의수를 실제 손처럼 사용하기어렵다는 단점이 있어 손가락힘에 비례하여 의수를 제어하는 모델 기반의 비례 제어 방법에 관한 연구가 활발히 진행되었다. 이 제어방식은 표면근전도와 사용자의 의도 사이의 관계를 추정하여 비례적으로 제어하는방법이다. 하지만 여러가지 상위 제어 기술이 연구단에서 개발되고 있음에도 불구하고 실제 상용의수들은모두 간단한 수준의 패턴인식 제어방법을 택하고 있는 실정이다. 연구단에서 개발된 의도추정 기술들이 실제 상용의수에 적용되지 못하는 이유는 연구의 환경과 실제사용 환경의 차이 때문이다. 그 예로 현재 손가락 힘 의도를 추정하는 연구들은 대부분 최소 8개 이상의표면근전도 센서를 사용하고 있는데, 상용 의수는 2개 ∼ 3개의 표면근전도 센서만을 사용하고 있다. 표면근전도 센서의 채널은 연산처리 장치의 성능과 사용자의 편의, 하드웨어적 한계에 영향을 미치므로 의수의상용화를 위해서는 표면근전도 센서의 최적화가 필수적이다. 또한 현재 개발된 의도추정 모델들은 훈련했을때의 팔의 위치와 다른 팔 위치에서 제어 성능이 감소한다. 이는 의도추정에 사용되는 표면근전도의 특성이팔의 위치에 따라 변하기 때문으로 실제로 팔의 위치를 달리하였을때 의수의 제어 성능이 감소한다는 것이 선행연구에 의해 밝혀졌다. 현재 연구실에서 개발된 손가락힘을 추정하는 추정모델 CAEN역시 훈련자세와검증자세가 다른 Interposition에서는 성능이 감소한다. 본 학위 논문에서는 위의 환경 차이에 의해 적용되지 못했던 의도추정 기술들을 상용화하기 위해 새로운 훈련 전략을 제시한다. 먼저, 기존에 정립되지 않았던 표면근전도 센서의 배치와 채널 수를 결정하기 위한 가이드라인을 제안했다. 표면근전도 신호와 손가락 힘 사이의 관계가 선형적이라는 모의 실험 결과를 응용하여 상호 상관 계수를 이용해 손가락 힘과 가장 연관이 깊은 표면근전도 센서의 배치를 찾아내었다.또한, 상호 상관 계수가 높은 채널 중 4개만을 이용해 학습한 의도추정 모델이 기존과 유사한 성능을 보이는 유의미한 검증 결과를 도출하였다. 다음으로 기존에 하나의 팔 자세로만 훈련했던 방식과는 다르게 팔 위치를 바꿔가며 훈련하는 새로운 훈련 방법을 제안했다. 제안한 훈련방법은 기존의 의도추정 모델의 수용성(Coverage)를 넓혀주는 효과를 증명하였고 RMSE, Independency Ratio (IR) 수치 측면에서 모두 향상된결과를 나타내었다. 본 학위논문에 사용된 추정 모델 CAEN은 손가락힘을 추정하기 위해 개발된 다른 모델들 (NMF, CSP etc.)보다 좋은 성능을 가지고 있음이 검증된 모델이다. 기존의 검증 방식처럼 훈련자세와 검증자세를 같게하여 성능을 검증하였을 때 추정모델의 RMSE는 0.1221이였다 (n = 7, $\sigma$ = 0.0130). 제안한 방법을 사용했을때 다양한 팔 위치에서 추정모델의 성능을 검증해보았을 때 RMSE는 0.1208 (n = 7, $\sigma$ = 0.0180)로 이와 유사하거나 피험자에 따라 더 좋은 성능을 보였다. 즉, 제안한 훈련방법을 사용하면 다양한 팔꿈치각도에서도 기존과 비슷한 성능으로 손가락 힘을 추정할 수 있음을 밝혔다.