뇌전도 기반 뇌-컴퓨터 인터페이스 기술은 신체 움직임이 불가능하거나 불편한 사람에게 새로운 의사전달 수단이 될 수 있으며 일반인에게도 상상만으로 컴퓨터 혹은 기계에 명령을 내릴 수 있게 하는 기술이다. 본 논문에서는 뇌-컴퓨터 인터페이스 연구 분야에 잘 알려진 Common Spatial Pattern (CSP), Invariant Common Spatial Pattern (iCSP) 그리고 Common Spatio-Spectral Pattern (CSSP) 알고리즘들의 성능을 비교 분석하였고, CSSP에 불변성(invariant)을 고려한 iCSSP를 제안하였다. 9명의 피험자로부터 두 번씩 시행한 오른손/왼손 상상움직임 실험을 통해 18셋의 뇌전도 데이터 그리고 추가로 시행한 30명의 데이터를 측정하여, 총 48셋의 뇌전도 데이터를 통해 4가지 알고리즘들을 성능 면에서 비교하였다. 그 결과 CSSP의 성능과 차이가 크지는 않지만, 본 연구에서 제안한 노이즈를 고려하여 최적의 필터를 구성하는 iCSSP에 대하여 더 나은 성능을 보여주는 결과들을 확인할 수 있었다.
EEG based brain-computer interface directly transfers information of the brain signal into a computer or machine through electrical pathway without limb movement. In this field, common spatial pattern (CSP) algorithm is a very well-known and efficient method extracting discriminative features from two different conditioned brain signals. Since CSP was firstly proposed in BCI about a decade ago, many variants of CSP algorithms have been developed. Among them, common spatio-spectral pattern (CSSP) and invariant common spatial pattern (iCSP) have been reported to show relatively better performance than conventional CSP because they can consider more information and more efficient noise suppression than CSP. We compared these kinds of CSP algorithms in terms of classification accuracy, and suggested new invariant CSSP which takes both of advantages from CSSP and iCSP by adding noise suppression term taking into account non-stationarity to CSSP. Comparative study with 48 subjects showed that our new algorithm outperformed CSSP.
