CCA와 PSDA를 결합한 SSVEP 기반 BCI 시스템의 주파수 인식 기법

Abstract

Steady state visual evoked potential (SSVEP)는 뇌파의 종류 중 하나로서 다른 뇌파에 비해 훈련 시간이 짧고, 비교적 높은 신호대잡음비 (signal-to-noise ratio)와 높은 정보전달량 (information transfer rate)을 가지고 있어서 최근에 뇌-컴퓨터 접속 장치 (brain-computer interface; BCI)에 많이 사용되고 있다. SSVEP 신호를 분석하는 기존 기법에는 전력 스펙트럼 밀도분석 (power spectral density analysis; PSDA)과 정준상관분석 (canonical correlation analysis; CCA)이 있다. 그러나 PSDA는 단일 전극만을 사용하기 때문에 잡음에 취약한 단점이 있고, CCA는 PSDA보다 높은 정확도를 가지지만 사인-코사인을 기준신호로 가지므로 짧은 시간 윈도우 길이를 가질 경우 실시간 BCI 시스템에 적용되기 어렵다. 따라서 본 논문에서는 기존의 기법들의 한계점을 보완하기 위해 CCA의 결과로 얻을 수 있는 정준변수 간의 전력차이를 이용하는 CCA와 PSDA를 결합한 기법을 제안한다. 실험 결과를 통해, SSVEP 기반 BCI 시스템이 짧은 시간 윈도우 길이를 가질 때 제안된 기법이 기존의 CCA 기법에 비해 더욱 높은 주파수 인식 정확도를 가짐을 보여준다.