로봇공학 및 재활공학 분야에서 표면 근전도(surface electromyography, sEMG) 신호는 근 활성화를 추정하기 위해 널리 연구되어 왔으며, 비침습적이라는 장점 때문에 로봇 장치의 제어 입력으로 활용되어 왔다. 그러나 sEMG의 확률적 특성으로 인해 신호 대 잡음비(SNR)가 낮아지고, 이로 인해 sEMG를 로봇 장치의 안정적이고 연속적인 제어 입력으로 사용하기 어렵다. 전통적인 방법으로는 시간 평균 필터(예: 저역통과 필터)가 sEMG의 SNR을 향상시킬 수 있으나, 시간 평균 필터는 지연(latency) 문제를 겪어 실시간 로봇 제어를 어렵게 만든다. 본 연구에서는 기존 연구에서 사용된 백색화(whitening) 방법에서 확장된 재스케일링(rescaling) 방법을 기반으로, 전통적인 시간 평균 필터 기반 근전도(myoprocessor)에서 나타나는 지연 문제 없이 sEMG의 SNR을 향상시키는 확률적(myoprocessor) 근전도 프로세서를 제안한다. 개발된 확률적 근전도 프로세서는 앙상블 평균을 사용하기 위해 16채널 전극을 사용하며, 이 중 8채널은 심부 근 활성화를 측정하고 분해하는 데 사용된다. 개발된 근전도 프로세서의 성능을 검증하기 위해, 팔꿈치 관절을 선택하고 굴곡 토크를 추정한다. 실험 결과, 개발된 근전도 프로세서의 추정 결과는 RMS 오차 6.17[%]를 보였으며, 이는 기존 방법에 비해 향상된 것이다. 따라서 본 연구에서 제안한 다채널 전극을 이용한 재스케일링 방법은 유망하며, 로봇 재활공학 분야에서 로봇 장치에 대한 신속하고 정확한 제어 입력을 생성하는 데 적용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.