로컬 패턴과 전역적 특성을 동시에 고려하는 sEMG 신호 분류 모델

Abstract

본 논문은 EMG pattern recognition(PR)을 위해 gesture에 따른 표면 근전도 신호를 높은 정확도로 분류하는 CNN-Transformer 결합 모델을 제안한다. 제안하는 모델은 EMG PR에서 로컬 패턴뿐만이 아니라 신호의 전역적인 특성을 고려하여 여러 gesture에 대해 높은 정확도를 유지 할 수 있다.제안하는 모델의 성능을 평가하기 위해 ninapro의 DB2 dataset으로 사용한다. 기존의 대부분의 딥러닝 기반의 PR 모델은 ninapro의 DB2 dataset의일부 gesture에 대해서만 실험을 진행하여 모델의 robustness를 가늠하기 어려웠다. 본 논문에서 모든 gesture 대해 일관적으로 높은 분류 정확도를보인다. 제안하는 모델은 각 gesture에서 평균 86.2%의 분류 정확도를 달성하였으며,기존 모델보다 4% 더 높은 성능을 보였다.