| 研究概要 |
本研究では,手首EMG(筋肉電位)を用いる次世代インタフェースを構築するために,手首EMGの特徴生成と認識を高速・高精度に実現するオンライン学習型の特徴生成法を研究開発することが目的であった.特に,手首EMGの特徴生成と認識を高速・高精度に実現するオンライン学習型の特徴生成法Simple-FLDAの理論的解析と改良を行い,実問題での有効性を検証じ,DSP学習ボード上に実装化することが重要であった.
2年間の研究期間では,まず1年目にSimple-FLDAの定性的解析を行い,特徴生成精度を改善する方法を開発した.定量的な評価を行うために,手首EMGと顔画像に対する計算機シミュレーションを行い,その効果を確認できた.また,理論解析の有効性が実証できた.さらにSimple-FLDAのアルゴリズムをオンラインDSP学習ボード上に実装化し,従来よりも高速な学習が可能であることを実証した.
さらに,研究期間の2年目にSimple-FLDAに追加学習機能を加えたアルゴリズムの開発を行った.この方式は実問題での学習サンプルの少なさと個人差への対応には不可欠な仕組みである.実問題(顔画像と手首EMG)に対し定量的に評価を行い,その有効性を検証できた.
次に,Simple-FLDAの非線形高次元空間への拡張法について検討し,カーネル関数を用いてカーネルベクターを構成し,Kernel Based Simple-FDAを構築できることを示した.この非線形アルゴリズムの有効性を検証するために,顔画像と手首EMGを用いて定量的な評価を行った.その結果,線形版のアルゴリズムである,Simple-PCA,Simple-FLDAよりも学習速度,パターン識別精度において優れていることを検証できた.これらのアルゴリズムはどのようなパターン認識問題へも応用できる汎用的な手法であり,その開発意義は非常に大きい.この非線形版アルゴリズムのオンラインDSP学習ボード上への実装化は機器の故障により実現できていないが,今後,実装評価を行っていく予定である.
|
