![]() |
Software for Time Series Bio Signals.
version : 3.2.9.0 ( Release Date : 2019-03-03 )
|
Completely Integrated Software for Time Series Bio Signals.
- Real-Time Data Acquisition from Measuring Devices.
- Real-Time Bio Signal with Stimulus
- Time Series Data Analysis
- Time Series Data Managing
시작하기
.
기기선택
텔레스캔은 다양한 기기를 지원합니다. PC에 연결된 통신 할 장치를 선택합니다.
동영상 : TeleScan 에서 기기 선택.
자극반응 생체신호측정 - 실시간
수집, 저장
전원을 켠 상태에서 데이터가 수집되는 상황을 모니터링 하려면 이 버튼을 클릭합니다. 이 버튼은 단지 데이터가 수집되는 것을 관찰하기 위한 기능으로 저장은 할 수 없습니다. 이 버튼을 클릭하여 데이터 수집을 시작하면, 왼쪽 LED에 빨간 불이 켜져 데이터 수집 중임을 알려줍니다. 이때 일시정지, 정지버튼을 제외한 데이터 수집도구 바의 다른 버튼들은 모두 비활성 상태로 바뀌게 됩니다. 데이터 수집 중에는 그래프의 디스플레이 환경설정을 바꾸거나, 저장, 복사, 인쇄를 하는 등의 불필요한 동작은 삼가 해 주십시오.
데이터 수집을 일시정지하고 싶을 때 이 버튼을 이용합니다. 다시 데이터 수집을 시작하려면 이 버튼을 한번 더 누름으로써 일시정지 상태를 해제합니다.
데이터 수집을 정지하고 싶을 때 이 버튼을 이용합니다. 만약 저장모드 시작버튼을 이용하여 데이터를 수집한 경우 아래와 같은 데이터 저장 대화상자가 나타나 저장할 위치와 파일이름을 설정할 수 있게 됩니다. 저장할 수 있는 데이터의 파일저장 형식은 두 가지 입니다. 본 프로그램의 고유 데이터 형식인 cdf와 일반적인 텍스트 데이터 형식인 txt가 지원됩니다. 사용자는 데이터 파일의 이름을 설정한 후 데이터를 원하는 형식으로 저장할 수 있습니다.
이 버튼은 데이터를 수집하면서 동시에 데이터를 저장하기 위해서 사용되는 버튼입니다. 이 버튼을 누르면 데이터 수집이 시작되고 정지 버튼을 클릭하여 수집이 끝나면 데이터를 임의의 파일명으로 저장할 수 있는 위와 같은 대화상자가 나타납니다.
타이머
타이머기능은 사용자의 편의를 위해 고려된 기능입니다. 데이터를 수집할 때 단시간 내에 수집을 할 수 있는 데이터가 있는 반면에 장시간 측정해야만 하는 데이터도 있습니다. 또 원하는 시간 동안만 데이터를 수집하고 싶은 경우가 있습니다. 이때 이 타이머 기능을 이용하면 됩니다.
타이머 설정부분에는 타원형의 타이머 설정 버튼이 있고, 디지털 액정형식의 숫자 표시판이 있습니다. 이 숫자들은 날짜와 타이머 설정을 나타냅니다. 위의 숫자는 일-월-년도 형식으로 날짜를 표시한 것입니다. 현재 2001년 5월 31일임을 표시하고 있습니다. 아래의 숫자는 사용자가 설정한 시간이 시, 분, 초 순서로 표시됩니다.
(i) 타원형의 setting 버튼을 클릭하면 타이머 설정 대화상자가 나타납니다.
(ii) 시, 분, 초 단위로 원하는 시간을 설정합니다. 현재 1시간 20분 50초로 설정한 경우입니다.
(iii) 1시간 20분 50초로 타이머를 설정한 화면입니다. 이와 같이 타이머를 설정하면 1시간 20분 50초 동안 데이터를 수집한 후 자동으로 데이터를 임의의 파일명으로 저장할 수 있는 대화상자가 나타납니다. 타이머를 설정하지 않고 데이터를 수집하면 정지 버튼을 누르기 전까지 계속해서 데이터가 수집됩니다.
증폭도 조절
데이터를 수집하다 보면 서로 다른 증폭도를 가진 데이터가 있습니다. 때로는 진폭이 큰 데이터가 있는 반면에 매우 진폭이 작은 데이터가 있어 관찰이 어려운 경우가 있습니다. 이때 보다 관찰을 쉽게 하기 위해서 진폭을 변화시켜 줄 수 있는데 이때 사용하는 것이 증폭도 조절입니다. 아래의 그림과 같은 다이얼 버튼을 이용하여 진폭을 조정하게 됩니다. 마우스를 화살표 끝쪽에 놓고 왼쪽버튼을 클릭한 채 원하는 위치까지 쭉 끌어주면 조정이 가능합니다. 이 버튼을 이용하면 32단계까지 진폭을 조정할 수 있습니다.
샘플링 주파수 설정
주파수란 주기적으로 변동하는 데이터 파형과 같은 상태가 1초 동안 몇 번 나타나는가를 표시할 때 사용하는 용어로 단위는 Hz(Hertz)로 표시합니다. 그리고 샘플링이란 아날로그 형태인 데이터를 디지털 형태로 바꾸어 줄 때 사용되는 기법입니다. 측정하는 데이터는 모두 컴퓨터에서 디지털 데이터로 처리되므로 반드시 샘플링을 거치게 됩니다. 샘플링 주파수 값이 커짐에 따라 디지털화 된 데이터의 양이 증가합니다. 조절 가능한 샘플링 주파수는 보통 128Hz, 256Hz, 512Hz 입니다. 아래의 그림과 같은 주파수 선택 조절 버튼을 마우스를 이용하여 이동시키면 주파수를 조절할 수 있습니다.
모니터링 기능
모니터링 설정은 데이터가 수집될 때 관찰 형태를 선택할 수 있도록 되어있습니다. 데이터를 수집하게 되면 실시간으로 데이터가 디스플레이 창 화면을 지나가게 됩니다. 이때 데이터가 지나가는 모양을 설정할 수 있는 기능입니다. 스크롤(Scroll) 방식과 스윕(Sweep) 방식 두 가지로 이루어져 있습니다.
(1) 스크롤 방식을 설정하면, 그래프의 오른쪽부터 시작되어 왼쪽으로 흘러가면서 보여집니다. 시간에 따라 물 흐르듯이 디스플레이 창을 지나가기 때문에 시간에 따른 변화양상을 바로 관찰하는데 편리합니다.
(2) 스윕 방식을 설정하면, 그래프의 왼쪽부터 데이터가 그려집니다. 스크롤 기능처럼 시간에 따라 흘러가면서 보여지는 것이 아니라, 데이터가 그래프에 그려지면서 한 화면을 다 채우면 다음 화면을 그려주는 형식으로 이루어져 있습니다. 따라서 일정 시간 안에서 데이터의 형태를 관찰하는데 편리합니다.
자극설정 도구 바
데이터를 수집하는 방법은 크게 두 가지로 나눌 수 있습니다. 피험자에게 아무런 자극을 가하지 않으면서 데이터를 수집하는 경우와 특정 목적을 가지고 피험자에게 여러 가지 자극을 제시하면서 측정하는 경우입니다. 만약 피험자에게 자극을 주지 않으면서 측정하는 경우는 자극설정 도구 바를 사용할 필요가 없습니다.
그럼 자극을 제시하면서 데이터를 수집하는 이유는 무엇일까요? 연구자에 따라 여러 가지 이유가 있겠지만 가장 큰 이유는 각각의 자극에 따라 반응하는 신호의 특성을 분석하기 위해서 입니다. 소리, 사진, 동영상 등의 시각, 청각자극을 이용하여 다양한 자극을 반복하여 제시하면서 동시에 데이터를 수집하게 됩니다. 이와 같이 자극을 제시하면서 데이터를 측정하면 피험자들의 자극에 의한 신호 변화를 파악할 수 있습니다.
자극은 데이터를 수집하는 중간에 발생하여야 하므로 자극설정은 데이터를 수집하기 전에 해 주어야 합니다. 즉, 자극설정 도구 바에서 미리 설정을 한 후 데이터 수집시작 버튼을 클릭하면 피험자에게 자극이 가해지면서 데이터가 수집됩니다.
자극설정 전원을 켜면
자극을 설정하고 자극을 주며 그 상태를 측정하는 사람을 사용자라고 합니다. 그리고, 실제로 전극을 부착하고 자극을 받는 사람을 피험자라고 합니다. 자극설정 도구 바의 전원을 켜면 사용자의 모니터에는 자극설정 도구 바의 기능들이 활성화되고 피험자에게 가해지는 자극을 확인할 수 있는 자극 모니터링 창이 생깁니다. 비디오 카메라가 설치되어 있는 사용자의 경우에는 비디오 설정을 선택하여 자극을 받고 피험자의 모습도 함께 관찰할 수 있습니다. 비디오 설정 사용법은 3장 Software Outline에 설명되어 있습니다.
또한, 피험자의 모니터에는 자극을 제시해 줄 자극 창만이 보여집니다. 피험자는 데이터를 측정하면서 이 자극 창을 보고 자극을 받아들이게 됩니다.
자극 설정하기
이 버튼을 클릭하면 아래와 같은 파일열기 대화상자가 나타나고 기존에 저장해 둔 자극 환경이 설정되어 있는 파일(*.stf)을 불러올 수 있습니다.
사용자는 실험을 할 때 마다 자극에 필요한 파일을 여러 번 열어 자극설정을 해주어야 합니다. 이러한 과정의 번거로움을 없애기 위해 한번 설정한 파일들을 저장하는 기능이 있습니다. 자극설정 환경 저장버튼을 누르면 사용자는 자극설정 창에 등록된 여러 자극들을 stf 확장자를 가진 하나의 파일(*.stf)로 저장하여 필요에 따라 다시 사용할 수 있습니다.
자극 편집
자극 편집부분의 네 가지 버튼을 이용하여 사용자의 편이에 따라 자극종류, 제시시점을 조정할 수 있습니다.
추가 버튼을 누르면 자극 파일, 제시시점을 설정할 수 있는 자극설정 대화상자가 나타납니다. 이 버튼은 자극설정을 처음 시작할 때도 이용되고 이미 자극설정 창에 있는 자극 이외에 자극을 추가하고 싶은 경우에도 이용합니다. 자극설정 대화상자는 크게 자극파일 설정, 자극횟수 설정, 자극 시간간격 설정으로 나누어 집니다.
(i) 자극파일 설정
자극설정 대화상자의 Find file 버튼을 클릭하면 파일열기 대화상자가 나타납니다. 사용자는 청각자극을 사용할 경우는 wav파일을, 시각자극을 설정할 경우는 자극의 형태에 따라 그림인 경우는 bmp파일, 동영상인 경우는 avi파일, 글자인 경우 txt파일을 열어 자극으로 사용할 수 있습니다.
(ii) 자극횟수 설정
자극횟수 설정은 선택한 자극파일을 몇 번 반복할 것인가를 선택하는 부분입니다. 사용자가 입력한 숫자만큼 자극설정 창에 설정됩니다.
(iii) 자극간격 설정
자극횟수를 선택하고 나면, 각각의 자극 파일마다 이전 자극시점을 기준으로 하여 얼마만큼의 시간 간격을 줄 것인가를 설정해 주어야 합니다. 자극간격 설정은 랜덤방식과 주기방식 두 가지 종류가 있습니다. 랜덤방식의 경우 간격범위를 설정할 수 있어 피험자가 설정한 간격범위에서 자동으로 랜덤하게 시간간격을 설정해 줍니다. 주기방식의 경우는 사용자가 간격설정 부분에 입력하는 숫자간격으로 주기적으로 시간간격을 설정합니다. 입력하는 숫자는 초단위로, 사용자가 간격설정을 5로 입력한 경우는 피험자가 5초 간격으로 자극을 받게 됩니다.
특정자극 앞에 자극을 삽입하고 싶은 경우에 삽입버튼을 사용합니다. 먼저 자극설정 창에서 자극을 삽입하고 싶은 위치를 마우스로 클릭하여 선택하고 삽입버튼을 누릅니다. 이 버튼을 누르면 자극설정 대화상자가 나타납니다. 이 대화상자를 이용하여 삽입할 자극파일을 선택하고, 횟수와 간격을 설정하면 자극설정 창에 자극이 삽입됩니다.
이미 자극설정 창에 설정된 자극 중 제거하고 싶은 자극이 있는 경우에 사용하는 버튼입니다. 자극설정 창에서 지우고 싶은 자극을 마우스로 클릭하여 선택한 후 삭제버튼을 누르면 자극설정 창에서 선택한 자극이 지워집니다.
자극설정 창에 설정된 모든 자극들을 한번에 지우고자 할 때 사용합니다.
Data Display Handling
본 카테고리는 사용자가 데이터를 관찰하기 쉬운 형태나, 분석하기 유용한 형태로 만드는 과정을 설명합니다. 하위 카테고리에서 설명하는 기능들은 데이터의 형태를 보다 편리하고 이해하기 쉽게 볼 수 있도록 도와줍니다.
디스플레이 창
데이터가 보여지는 창을 디스플레이 창이라고 합니다. 이 창은 데이터가 수집되는 과정을 실시간으로 확인할 수도 있으며, 데이터의 분석결과를 확인할 수도 있는 곳입니다.
현재 마우스 위치의 데이터 값
디스플레이 창에서 마우스를 움직이면 그래프에서 마우스가 닫는 위치의 수직 축값과 수평 축값이 툴팁 창에 나타납니다.
현재 선택한 영역의 데이터 값
디스플레이 창에서 마우스를 이용하여 데이터를 선택하면 옆의 그림과 같이 색이 반전됩니다. 이때 툴팁 창을 통해 얼마만큼의 데이터가 선택되었는지 알 수 있습니다. DX 값은 선택된 데이터의 수평축 폭을 의미하고 X, Y값은 수평, 수직 축의 값을 의미합니다.
표준 기능
표준 기능이란 모든 프로그램에 있는 기본 기능을 말합니다. 본 프로그램의 기본 기능은 저장(Save), 다른 이름으로 저장(Save As), 복사(Copy), 인쇄(Print)로 이루어져 있습니다.
다른 이름으로 저장
데이터를 다른 이름을 가진 파일로 저장하고 싶을 때 사용합니다. 즉, ‘data1’ 파일을 ‘data2’라는 다른 파일로 저장할 때 사용합니다. 다른 이름으로 저장하는 방법은 세 가지가 있습니다.
(i) 전체 작업공간을 cdf 파일 형식으로 다른 이름 저장하기
디스플레이 창에 보이는 데이터 이외에 분석 창에 등록되어 있는 설정 등의 모든 작업공간(work space)을 cdf파일 형식으로 저장할 수 있는 기능입니다. 데이터에 필터링을 하는 등 여러 가지 분석법을 적용한 경우, 각 분석 결과들이 분석 창에 나타납니다. 데이터를 저장할 때 이와 같은 정보도 함께 저장하고 싶은 경우에 이 기능을 이용하면 편리합니다. 즉, 작업공간에서 사용자가 설정해준 모든 정보를 하나의 세트로 저장할 수 있어 매우 편리합니다.
(ii) 현재 디스플레이 창에 보이는 데이터 만을 cdf 파일 형식으로 저장하기
이 저장 기능은 현재 디스플레이 창에 보이는 데이터를 cdf파일 형식으로 저장할 수 있습니다. 전체 작업공간의 데이터가 너무 크거나 현재 디스플레이 창의 데이터만 필요로 하는 경우에는 이 기능을 이용하면 편리합니다.
(iii) 현재 디스플레이 창에 보이는 데이터 만을 text파일 형식으로 저장하기
이 저장 기능은 현재 디스플레이 창에 보이는 데이터를 text파일 형식으로 저장할 수 있습니다. 현재 디스플레이 창의 데이터를 여러 응용프로그램에서 호환 가능한 text파일 형식으로 저장하고 싶은 경우에는 이 기능을 사용합니다.
스케일 조정 기능
디스플레이 창에 보여지는 데이터의 스케일을 여러 가지 방법으로 조정할 수 있는 기능들이 모여 있습니다. 사용자가 원하는 대로 데이터를 수평 또는 수직방향으로 확대하거나 축소시켜서 볼 수 있도록 도와줍니다. 이 기능을 이용하여 데이터를 보다 효율적으로 관찰할 수 있습니다.
디스플레이 설정 기능
디스플레이 설정 기능을 이용하면 디스플레이 창을 사용자가 원하는 대로 꾸며서 관찰할 수 있습니다. 예를 들어, 디스플레이 창의 배경색 또는 그래프 색을 변경하거나, X축 또는 Y축의 모양을 변경할 때 등등 이 기능들을 이용하여 보다 효과적인 형태로 데이터를 관찰할 수 있게 됩니다.
Y축 설정
디스플레이 창에 보여지는 모든 그래픽 관련 기능 중 수직 축인 Y축과 관련된 기능을 설정할 때 사용합니다. 이 아이콘을 클릭하면, 아래 그림과 같은 대화상자가 나타나 사용자가 설정을 쉽게 변경할 수 있습니다. Y축 설정 대화상자는 데이터 채널 수에 따라 단일채널(Single-Channel) 대화상자와 다채널(Multi-Channel) 대화상자 두 가지가 있습니다. 채널 수에 따라 자동으로 대화상자가 선택되어 보여집니다. Y축 설정 대화상자는 크게 일곱 가지의 영역으로 이루어져 있습니다.
스케일 범위
Y축 설정 대화상자 중 이 부분에서는 Y축 스케일 숫자의 범위를 변경하는데 사용됩니다. 숫자의 최소값, 최대값 그리고 값들 사이의 간격을 조정할 수 있어 사용자가 편리한 대로 설정하여 데이터를 관찰할 수 있습니다. Y축의 경우 하나의 채널에 대해서만 스케일의 범위를 정할 수도 있고, 다채널에 대해서 각각 따로 스케일의 범위를 정할 수도 있습니다.
바탕화면
디스플레이 창 설정 대화상자에서 이 부분은 디스플레이 창의 바탕색을 변경할 때 사용합니다. 사용자가 원하는 색상을 선택하여 설정할 수도 있고, BMP파일 형태의 그림파일을 바탕화면으로 지정할 수도 있습니다.
그래프 영역
디스플레이 창 설정 대화상자에서 이 부분은 그래프 영역의 색을 변경할 때 사용합니다. 사용자가 원하는 색상을 선택하여 설정할 수도 있고, BMP파일 형태의 그림파일을 바탕색으로 지정할 수도 있습니다.
비율
디스플레이 창에 나타나는 그래프의 크기를 비율로 설정할 때 사용하는 기능입니다. 기본적으로 사용되는 그래프는 디스플레이 창에 맞추어 그려지도록 되어 있습니다. 그러나, 그래프가 정사각형(1:1비율)으로 그려지길 원하거나, 가로에 대한 세로의 비율을 사용자가 원하는 대로 설정하고 싶을 때가 있습니다. 이때 디스플레이 창 설정 대화상자에 비율 설정을 이용하면 됩니다. 그래프 비율을 사용자가 설정해 주면 디스플레이 창의 크기를 변경하더라도 설정한 비율을 유지하면서 그래프 크기가 변경됩니다.
이벤트 마크
이벤트 마크 설정은 이벤트 발생 위치에 표시되는 마크의 스타일을 변경할 때 사용됩니다. 이벤트가 발생한 위치를 직선, 마크 또는 4가지 다른 방향의 화살표를 이용하여 다양하게 표현할 수 있습니다. 또한 이벤트 마크의 색상도 변경이 가능하며, 사용자가 그림파일(BMP파일 형태)로 저장한 그림을 이벤트 마크로 사용할 수도 있습니다.
도움말 기능
이 기능을 도움말 대화상자가 나타납니다. 이 대화상자를 이용하여 TeleScan 사용법 및 데이터 수집 및 분석에 대한 자세한 정보를 알아 볼 수 있습니다.
표준 기능
표준 기능이란 모든 프로그램에 있는 기본 기능을 말합니다. 본 프로그램의 기본 기능은 저장(Save), 다른 이름으로 저장(Save As), 복사(Copy), 인쇄(Print)로 이루어져 있습니다.
회전 기능
3차원 그래프의 경우 한 쪽면에서만 그래프를 관찰하기가 매우 힘듭니다. 입체적으로 그래프가 그려지기 때문에 결과를 효과적으로 관찰하려면 그래프를 회전시키면서 여러 방향에서 데이터를 관찰해야 합니다. 그래프의 회전기능은 기본도구 바에 아이콘화 되어있어 마우스 클릭 만으로 쉽게 사용이 가능합니다. 이 기능을 이용하여 3차원 그래프를 자유롭게 회전 시키면서 보다 효과적으로 결과를 관찰할 수 있습니다.
디스플레이 설정 기능
디스플레이 설정 기능을 이용하면 디스플레이 창 뿐만 아니라 그래프의 여러 설정을 사용자가 원하는 대로 꾸며서 관찰할 수 있습니다. 예를 들어, 디스플레이 창이나 그래프 색을 변경하거나 X, Y, Z축의 이름, 스케일 사이즈, 글씨체 등을 변경할 때 이 기능들을 사용하게 됩니다.
스케일 스타일
Z축 설정 대화상자 중 이 부분에서는 3차원 그래프의 Z축 스케일 숫자 단위명을 써주거나, 숫자의 표시형식을 결정하거나 또는 스케일 표시 위치를 설정할 때 사용합니다. 스케일의 단위를 써주어 그래프 내 숫자들의 의미를 명확하게 표시하는 것이 좋으나 쓰고 싶지 않은 경우 이 칸을 비워두면 됩니다.
바탕화면
디스플레이 창 설정 대화상자에서 이 부분은 디스플레이 창의 바탕색을 변경할 때 사용됩니다. 사용자가 원하는 색상을 선택하여 설정할 수도 있고, 그림파일(BMP파일형태)을 바탕화면으로 지정할 수도 있습니다.
그래프 영역
디스플레이 창 설정 대화상자에서 이 부분은 그래프 영역의 색을 변경할 때 사용됩니다. 사용자가 원하는 색상을 선택하여 설정할 수도 있고, 그림파일(BMP파일형태)을 바탕색으로 지정할 수도 있습니다.
투명처리: Brain Mapping
이 설정은 Brain Mapping 분석 그래프에서 사용되는 기능입니다. Brain Mapping 그래프는 머리 위에 하나의 막을 씌우고 그 위에 여러 가지 색으로 각각의 전극 위치의 값을 표시합니다. 따라서 실제 머리의 어느 부위인지는 자세히 알기 어렵습니다. 이 설정을 이용하면 씌어진 막을 투명하게 해주어 각 채널별로 부착된 전극들이 실제 머리의 어느 위치인지 보다 자세히 관찰할 수 있습니다.
Zoom
Zoom 기능을 이용하면 원하는 그래프 영역만을 확대하거나 축소할 수 있습니다. 3차원 그래프를 확대하여 자세히 관찰할 수도 있고, 축소하여 전체적인 모습을 관찰할 수도 있어 매우 편리합니다.
그래프 설정 기능
그래프 설정기능은 크게 일반 3차원 그래프형태와 Brain Mapping 그래프에 따라 달라집니다.
3D Graph Type
3차원 그래프의 경우 2차원 그래프보다 그래프를 시각적으로 판단하기가 어려운 경우가 많습니다. 이때, 그래프의 형태를 여러 가지로 변경해가면서 관찰하면 분석이 용이합니다.
이 기능은 Brain Mapping 그래프를 그렸을 때 사용되는 기능으로 사람의 머리를 어떤 모양으로 디스플레이 할 것인지를 결정할 수 있습니다. 디스플레이 하는 목적에 따라 뇌 모양을 선택하여 관찰할 수도 있고, 두개골 모양을 선택하여 데이터를 관찰할 수도 있습니다. 이 기능은 데이터 분석과는 상관없이 분석한 결과를 발표하고자 할 때 보다 나은 그림을 얻고자 하는 사용자의 편의를 위해 제공하는 기능입니다. 아래와 같이 4가지 형태의 머리 모양이 있으므로 사용자의 기호에 따라 선택하여 다양한 디스플레이를 할 수 있습니다.
데이터 등록
수집된 데이터에서 사용자가 원하는 부분만을 분석하거나, 저장하고 싶을 때 데이터를 등록하게 됩니다. 등록된 데이터는 분석 창에 트리 형식으로 정리되고, 등록된 데이터는 각각 하나의 디스플레이 창으로 보입니다.
데이터 선택
사용자가 원하는 데이터의 특정 부분을 데이터 분석 창에 등록하기 전에 등록하고자 하는 영역을 시각적으로 확인하고자 할 때 사용하는 기능입니다. 이 기능을 이용하면, 선택한 데이터가 분석 창에 바로 등록되는 것이 아니라 선택한 부분이 반전되어 사용자에게 보여집니다. 선택한 부분을 분석 창에 등록하고 싶다면 팝업메뉴에서 선택영역 등록(Register The Selected Regions)기능을 이용하면 됩니다.
이벤트 설정
데이터를 수집하면 실시간으로 데이터가 측정되는 것을 관찰 할 수 있습니다. 이때 실시간으로 지나가는 그래프에 메모를 하듯이 글씨를 써 넣는 기능을 이벤트 표시 기능이라고 합니다. 예를 들어, 데이터 수집 중 피험자가 몸을 움직이거나 잠을 자기 시작하는 경우와 같이 피험자의 상태가 변하는 시점에 이벤트를 표시 해 줄 수 있습니다. 이와 같이 이벤트 표시를 해두면 수집이 끝난 후 데이터를 분석할 때 여러 정보를 함께 얻을 수 있어 분석에 용이하게 사용됩니다.
이벤트 마크 설정
1. 이벤트를 써 넣고 싶은 부분에서 마우스의 오른쪽을 클릭하여 팝업메뉴에서 Event Marking을 선택합니다. 또는 원하는 부분에 마우스를 놓고 키보드의 Shift버튼과 마우스의 오른쪽 버튼을 동시에 누르면 바로 사용할 수 있습니다.
2. Event Marking을 선택하면 다음과 같은 이벤트 대화상자가 나타납니다.
3. 이벤트 대화상자의 이벤트 목록에서 표시할 이벤트 명을 설정한 후, Apply 버튼을 클릭하면 지정한 위치에 이벤트가 표시되고 이벤트가 발생한 시간을 알 수 있도록 이벤트 마크가 나타납니다.
이벤트 명의 글씨체, 크기, 굵기 등의 스타일과 이벤트 마크의 색상, 모양, 위치의 스타일은 기본도구 바에서 이벤트 설정 아이콘을 클릭하면 변경할 수 있는 대화상자가 나타납니다.
이벤트 명을 목록에 추가하고 싶은 경우
1. 이미 등록된 이벤트 명 이외에 다른 이벤트 명을 추가하고 싶은 경우 사용합니다.
2. 이벤트를 표시할 때와 같은 방법으로 마우스의 오른쪽을 클릭하여 팝업메뉴에서 Event Marking을 선택합니다. 이벤트 대화상자에서 Add 버튼을 클릭합니다. Add 버튼을 클릭하면, 사용자가 원하는 임의의 이벤트 명을 입력할 수 있는 대화상자가 나타납니다. 이 대화상자에 원하는 이벤트 명을 기입한 후, Apply 버튼을 누르면 이벤트 목록표시 창에 추가 된 것을 확인할 수 있습니다. 한번 이벤트 목록표시 창에 추가되면 이후에도 계속해서 추가한 이벤트 명을 사용할 수 있습니다.
이벤트 명을 다른 이름으로 변경하고 싶은 경우
1. 등록 되어진 이벤트 명을 사용자가 원하는 다른 이름으로 변경하고 싶을 때 사용합니다.
2. 이벤트를 표시할 때와 같은 방법으로 마우스의 오른쪽을 클릭하여 팝업메뉴에서 Event Marking을 선택합니다.
3. 변경하고자 하는 이벤트 명을 마우스로 클릭하여 선택하고 Modify 버튼을 클릭합니다. 이 버튼을 클릭하면 이벤트 명을 기입할 수 있는 대화상자가 나타나 사용자가 원하는 임의의 이름으로 이벤트 명을 다시 설정할 수 있습니다.
레포트로 보내기
데이터를 분석하는 목적은 여러 가지가 있으나, 그 결과를 분석하여 구체적인 성과를 얻으려는 것은 마찬가지입니다. 단지 연구 성과를 눈으로만 확인하고 끝내는 것은 아무런 단서를 제공하지 않고 주장만 하는 것과 같습니다. 그러나, 데이터를 잘 수집하고 분석한 후 이 결과를 다시 정리하는 것은 매우 오랜 시간이 걸리는 작업입니다. 본 프로그램에서는 중요하지만 시간이 오래 걸리는 이러한 작업의 수고를 최소화하고자 레포트 기능을 추가하였습니다. 이 기능을 이용하면 현재 수집하거나 분석한 그래프를 쉽게 정리할 수 있고, 각각의 결과마다 주석을 달아 설명할 수 있어 따로 분석결과를 정리하지 않아도 됩니다. 또한, 정리된 레포트를 HTM파일형식으로 저장할 수 있어 한번 정리해 두면 여러 곳에서 응용이 가능합니다.
레포트 작성하기
레포트는 말 그래도 분석결과를 바로 문서와 같은 형태로 만들어 주는 기능을 말합니다. 레포트에 추가되는 그림에 주석을 달고 설명글을 넣어주는 방법을 잘 사용한다면 데이터를 수집하고 분석하는 과정에서 하나의 훌륭한 레포트를 동시에 작성할 수 있어 매우 유용합니다. 레포트작성은 아래에서 설명할 레포트 도구바를 이용하여 여러가지 형태로 편리하게 사용할 수 있습니다.
1. 레포트 도구 바
위와 같이 레포트를 클릭하면 레포트 창이 디스플레이 창에 보여지면서 레포트 도구 바가 나타납니다
1.1 표준 도구
표준 도구는 앞서 설명한 일반적인 저장, 복사, 인쇄기능과 동일합니다.
1.2 레포트 도구
이 도구 들은 레포트 창을 편집하기 위해서 사용되는 도구 들입니다. 사용자가 원하는 스타일로 레포트 창을 꾸밀 수 있도록 도와줍니다.
데이터 정보 설정
레포트 창 상단에 표시되는 정보를 설정하는 기능을 합니다. 이곳에는 주로 수집된 데이터에 관련된 피험자 정보, 데이터 수집상황에 대한 정보를 입력하게 됩니다. 이 밖에도 사용자가 필요한 정보를 원하는 대로 추가해 줄 수 있습니다. 이 버튼을 클릭하면 아래와 같은 데이터 정보 설정 대화상자가 나타나 설정을 도와줍니다. Add 버튼을 클릭하면 항목을 추가할 수 있고, Delete 버튼을 클릭하면 항목을 제거할 수 있습니다. 대화상자에 입력 혹은 삭제한 상태를 레포트 창에 적용하고 싶으면 Apply 버튼을 클릭하고, 적용하기 싫은 경우에는 Cancel 버튼을 클릭하면 됩니다. 적용한 결과는 아래와 같이 레포트 창에 나타납니다.
결과 그래프 설정
레포트 창에 추가된 그래프의 설정을 변경할 때 사용되는 버튼입니다. 이 버튼을 클릭하면 아래와 같은 그래프 설정 대화상자가 나타나 설정을 도와줍니다. 결과 그래프의 이름을 변경할 수도 있고, 이미 추가된 결과 그래프를 삭제할 수도 있습니다. 결과 그래프의 이름을 변경하려면 그래프 설정 대화상자에서 변경하려는 항목을 선택하고 마우스를 두번 클릭하면 됩니다. Add 버튼을 클릭하면 항목을 추가할 수 있고, Delete 버튼을 클릭하면 항목을 제거할 수 있습니다. 적용한 결과는 아래와 같이 레포트 창에 나타납니다.
주석 설정
레포트 창에 추가된 그래프의 설명을 추가하는 주석을 달아줄 때 사용합니다. 이 버튼을 클릭하면 아래와 같은 주석 설정 대화상자가 나타나 설정을 도와줍니다. 대화상자의 입력창을 클릭하여 주석을 달아줍니다. 레포트에 포함된 결과 그래프를 설명할 수도 있고, 데이터 측정 시 발생한 특이한 점 등을 기록하여 레포트를 보다 훌륭히 작성할 수 있도록 도와줍니다. 주석을 모두 써준 후에 이를 레포트에 적용하고 싶으면, Apply 버튼을 클릭하고 취소하고 싶으면 Cancel 버튼을 클릭합니다. 이 주석을 레포트 창에 적용하면 아래와 같은 결과를 확인할 수 있습니다.
멀티타임 모드로 관찰하기
시간의 흐름에 따라 데이터를 관찰하는 방법은 크게 두 가지가 있습니다. 일반적으로 사용되는 방식은 디스플레이 창의 왼쪽에서 오른쪽으로 흘러가는 히스토리 모드(History Mode)이며, 디스플레이 창의 아래에서 위로 흘러가게 하는 방식을 멀티타임 모드(Multi-Time Mode)라고 합니다. 멀티타임 모드의 경우, 데이터를 동적으로 관찰하기 위한 기능인 움직이는 윈도우 분석법을 사용할 때 활성화 됩니다. 움직이는 윈도우 분석법은 Chapter 6. Data Analysis에 자세히 설명되어 있습니다. 다채널 데이터인 경우에는 아래 그림과 같이 왼쪽에서부터 1번, 2번 채널 순으로 표시됩니다.
일반적으로 사용되는 데이터 관찰방식에 비해 멀티타임 모드로 시계열 데이터를 관찰하면 일정 시간의 데이터를 시간흐름에 따라 한눈에 변화를 확인할 수 있어 매우 편리합니다. 또한 멀티타임 모드에서 마우스의 오른쪽 버튼을 클릭하면 팝업메뉴가 나타나는데, 이 메뉴를 이용하여 특정 시점의 데이터를 고정하여 화면에 계속 보이게 할 수도 있고, 한 화면에 들어오는 그래프의 개수도 변경할 수 있습니다.
데이터 스텝 수 설정
멀티타임 모드 디스플레이 창의 팝업메뉴에서 Total Step Number메뉴를 클릭하면 디스플레이 창에 보이는 데이터 스텝 수를 변경할 수 있습니다. 스텝이란 특정 시점에 한번에 디스플레이 창에 보이는 데이터를 의미합니다. 스텝수가 증가하면 한 화면에 보이는 데이터의 양이 많아집니다. 이 메뉴를 클릭하면 아래와 같은 데이터 스텝 설정 대화상자가 나타납니다. 스텝의 수는 최소 2개에서 최대 40개까지 설정하여 사용할 수 있습니다. 기본으로 설정되어있는 스텝 수는 40개입니다.
레포트로 보내기
멀티타임 모드에서 역시 디스플레이 창에 보여지는 데이터를 레포트 창으로 보낼 수 있습니다. 데이터가 수집되는 중간에 레포트 창으로 보내고 싶은 경우 마우스의 오른쪽 버튼을 클릭하여 Send to Report 메뉴를 클릭합니다. 레포트로 보내기 역시 일반모드에서와 사용법이 동일합니다.
히스토리 모드로 관찰하기
데이터를 분석할 때 Moving Window(움직이는 윈도우)를 이용한 분석법이 있습니다. 이 분석법은 데이터를 윈도우 크기 만큼 분석하고 시간의 흐름에 따라 윈도우가 이동하면서 분석하는 방식입니다. 이 방법을 이용하면 분석결과를 시간의 흐름에 따라 자동으로 관찰할 수 있어 편리 합니다. 움직이는 윈도우에 관해서는 Chapter 6. Data Analysis 중 Moving Window에 자세히 설명되어 있습니다.
데이터를 움직이는 윈도우를 이용하여 분석하면 일반모드에서는 아래와 같이 한 화면에 하나의 윈도우에서 분석된 결과가 보여지고, 아래 다이나믹 기능부분이 활성화되어 지난 윈도우들의 결과와 함께 동적으로 관찰할 수 있습니다. 그러나 만약 사용자가 한 화면에 모든 윈도우들의 분석결과를 확인 하고 싶을 때 히스토리 모드를 이용합니다. 일반모드에서 히스토리 모드로 변경하고 싶을 경우, 디스플레이 창에서 마우스 오른쪽 버튼을 눌러 나타나는 팝업메뉴에서 History Mode를 선택하면 됩니다. 히스토리 모드에서 역시 일반모드로 변경하고 싶은 경우, 같은 방법으로 팝업메뉴에서 Standard Mode를 선택하면 됩니다. 그 외에 히스토리 모드의 팝업메뉴에서 사용할 수 있는 기능은 Event Setting, Control(이벤트 설정과 제어), Send to Report(레포트로 보내기)가 있습니다. 이 기능들은 앞 페이지에서 설명한 멀티타임 모드로 관찰하기에서 설명한 기능과 동일합니다.
데이터 분석
데이터 분석부에는 다양한 분석법들을 소개합니다. 각 분석법마다 분석 목적을 기재하고 분석결과를 보여줌으로써 사용자가 보다 쉽게 데이터 분석을 할 수 있도록 도와줍니다. 분석법들은 종류에 따라 아이콘형태로 분석도구 바에 정리되어 있어 사용자가 쉽게 접근할 수 있습니다. 또한 분석결과는 특성에 따라 2차원 그래프 혹은 3차원 그래프를 이용하여 효율적으로 보여줌으로써 데이터 분석을 편리하게 합니다.
분석의 목적
분석을 하기 전에 먼저 알아두어야 할 점은 분석의 목적입니다. 사용자는 “수집된 데이터에서 원하는 정보를 얻어내어 그 정보를 기초로 어떠한 결과를 얻어낼 것이다.” 라는 구체적인 이해가 선행되어야 합니다. 또 하나 알아두어야 할 점은 분석법이 사용자의 분석 목적에 부합되느냐 하는 점입니다. TeleScan 에서 제공하는 분석법은 매우 다양하여 활용범위가 매우 넓기 때문에 분석목적과 일치하는 분석법을 찾아 데이터 분석을 시작하면 보다 경제적이고 효율적으로 분석을 할 수 있습니다. 따라서 사용자는 데이터에서 어떤 정보를 얻어낼 것인가를 분명히 파악한 후에 이에 적당한 분석법을 찾아 적용하여야 올바른 데이터 분석을 할 수 있습니다.
데이터 분석부에는 다양한 분석법들을 소개합니다. 각 분석법마다 분석 목적을 기재하고 분석결과를 보여줌으로써 사용자가 보다 쉽게 데이터 분석을 할 수 있도록 도와줍니다. 분석법들은 종류에 따라 아이콘형태로 분석도구 바에 정리되어 있어 사용자가 쉽게 접근할 수 있습니다. 또한 분석결과는 특성에 따라 2차원 그래프 혹은 3차원 그래프를 이용하여 효율적으로 보여줌으로써 데이터 분석을 편리하게 합니다.
분석결과는 분석 창에 분석법을 적용한 흐름에 따라 트리 형식으로 등록됩니다. 분석 창에 등록된 분석법, 분석 결과들 및 모든 작업 환경들은 하나의 cdf파일로 저장할 수 있습니다. 따라서 전체적으로 어떤 분석법을 이용하여 데이터를 분석했는지 알 수 있을 뿐 아니라 한번에 여러 분석법을 적용하여 분석할 수 있고 그 결과를 서로 비교해 볼 수 있습니다.
분석도구 바
분석도구 바는 분석법들이 종류별로 정리되어 있습니다. 원하는 분석법의 종류를 선택하면 슬라이드가 넘어가듯이 세부 분석법을 보여줍니다. 세부 분석법들은 아이콘형태로 보여 집니다. 분석법 아이콘들은 분석법의 특징을 잘 반영하고 있어 분석법 선택 시 도움이 됩니다. 원하는 분석법을 클릭하면 바로 분석이 시작되고 결과는 디스플레이 창에 2차원 혹은 3차원 그래프로 보여지며, 분석 창에 등록됩니다.
분석도구 바는 분석하고자 하는 데이터의 채널 수에 따라 조금씩 다르게 나타납니다. 채널 수에 맞는 분석도구 바를 프로그램에서 자동으로 설정해 주므로 사용자는 편리하게 분석법을 이용할 수 있습니다.
분석 창의 이용
분석 창은 데이터 분석 결과들이 계층적으로 등록되는 곳으로 데이터 분석의 흐름을 한 눈에 파악할 수 있는 매우 유용한 창입니다. 이 창에서 분석된 결과들을 삭제하기도 하고 레포트로 보내어 결과를 정리할 수도 있습니다. 또한 분석과정을 하나의 분석법으로 분석도구 바에 사용자가 직접 등록할 수도 있습니다. 자주 사용되는 분석법들을 사용자 분석법이라는 이름으로 분석도구 바에 등록해 두면 반복적으로 분석을 할 경우에 매우 유용하게 사용할 수 있습니다. 이러한 기능들은 분석 창의 팝업메뉴를 이용하면 쉽게 사용할 수 있습니다. 분석 창에 등록된 분석결과를 클릭하여 선택한 후 마우스의 오른쪽 버튼을 클릭하면 팝업메뉴를 사용할 수 있습니다.
분석결과 삭제하기
삭제하고자 하는 분석결과를 마우스로 선택한 후 팝업메뉴에서 Delete를 선택하면 분석 창에서 삭제되고 디스플레이 창에서 그래프 결과가 사라집니다.
분석결과 레포트로 보내기
레포트로 보내고 싶은 분석결과를 마우스로 선택한 후 팝업메뉴에서 Send to Report를 선택하면 분석결과 그래프가 레포트에 삽입됩니다.
사용자 분석법으로 등록하기
자주 사용하는 일련의 분석법들을 분석 창에 등록합니다. 아래 그림을 예로 설명하면, Raw Data에서 원하는 데이터 부분과 채널을 선택하는 Select분석을 하고 Notch Filter by FFT 분석법을 이용하여 필터링을 거친 후, 이 결과를 다시 Histogram 분석을 이용하여 분석한 과정입니다. 이와 같이 여러 단계를 거치는 분석 과정일 경우 반복적으로 데이터를 분석하게 되면 많은 시간이 소요됩니다. 이 분석과정을 하나의 분석법으로 분석도구 바에 등록 해두면 매우 편리하게 됩니다. 이때 사용하는 것이 사용자 분석법으로 등록하기 기능입니다. 분석과정을 분석 창에 정리한 후, 분석 창의 빈공간을 클릭한 후 팝업메뉴에서 Add to Custom Analysis를 선택합니다. 그런 다음, 분석도구 바의 Custom Analysis 분석을 보면 분석 창에 저장된 모든 분석과정이 Analysis1이라는 하나의 분석법으로 아이콘화 되어 있는 것을 확인할 수 있습니다. 따라서 다른 데이터를 분석할 때도 이 분석 아이콘을 클릭하기만 하면 같은 분석과정이 적용됩니다.
분석법
Select | Simple Operation |
Simple Parameter Calculation | Resampling |
|
|
Frequency Filtering | Correlation Analysis |
|
|
Power Spectrum Analysis | Statistical Analysis |
Brain mapping | Custom Analysis |
|
데이터 선택
디스플레이 창에 있는 그래프에서 분석하고자 하는 채널 및 특정영역을 선택하여 분석 창에 등록하고자 할 때 사용하는 분석법입니다.
움직이는 윈도우
움직이는 윈도우(Moving Window) 분석법은 전체의 데이터를 자동으로 관찰하고자 할 때 사용하는 분석법입니다. 이 기능과 함께 다른 분석법을 추가적으로 이용하면, 분석결과를 시간흐름에 따라 자동으로 관찰할 수 있습니다.
윈도우란 아래의 그림에서와 같이 데이터의 일정 부분을 말합니다. 이때 윈도우 크기는 일정 부분의 데이터 길이를 의미합니다. 윈도우는 데이터의 좌측에서 시작하여 우측으로 데이터의 끝까지 움직입니다.
오버랩 비율이란 윈도우의 겹침 정도를 말합니다. 윈도우가 움직이면서 윈도우 크기 만큼 화면에 보여지는데 오버랩 비율을 설정해 주면 다음 윈도우가 앞의 윈도우에 겹쳐져서 생성됩니다. 오버랩 값은 비율(%)로 표시되는데 윈도우 크기에서 겹쳐진 부분이 차지하는 비율을 의미합니다. 즉, 오버랩 값을 50(%)로 설정하면 윈도우 크기의 반 만큼만 겹쳐지도록 설정한 것이 됩니다.
움직이는 윈도우 분석법을 이용하려면, 먼저 분석 창에서 분석하고자 하는 데이터를 선택한 후 분석도구 바에서 Moving Window분석법을 클릭하면 윈도우설정 대화상자가 나타납니다. 윈도우설정 대화상자를 이용하여 윈도우 크기와 오버랩 비율을 결정한 후 Apply버튼을 눌러 적용하면 디스플레이 창에 첫번째 윈도우가 보이고 제어도구 바의 다이나믹 기능이 활성화됩니다.
움직이는 윈도우 분석을 하면 위와 같이 제어도구 바의 다이나믹 기능이 활성화됩니다. 마우스를 이용하여 시작버튼을 클릭하면 디스플레이 창에 그 다음 윈도우가 자동으로 하나씩 보여집니다. 자동으로 움직이는 기능을 정지하고 싶은 경우에는 정지버튼을 클릭합니다.
움직이는 위치를 이용한 선택
이 기능은 전체 데이터에서 일정 간격만큼 한 시점을 이동하면서 그 위치에서의 값을 선택할 때 사용합니다. 분석결과는 채널별로 특정위치의 값이 그래프로 얻어집니다. 특히, 이 분석법은 시간에 따라 변화하는 Brain Mapping 분석을 할 때 유용하게 사용됩니다. 움직이는 위치 분석법을 적용할 데이터를 분석 창에서 선택한 후 분석도구 바에서 Moving Position 아이콘을 클릭하면 위치설정 대화상자가 나타나 위치를 설정할 수 있게 도와줍니다. 위치설정 대화상자에서 사용자가 원하는 지점의 값을 설정한 후 Apply버튼을 클릭하면 설정한 값을 간격 값으로 하여 데이터 시작점부터 데이터를 선택해가게 됩니다. 분석결과는 디스플레이 창에 그래프 형태로 보여지고 제어도구 바의 다이나믹 기능이 활성화됩니다. 선택되어진 값들을 순서대로 확인하려면 제어도구 바의 다이니믹 기능을 이용하면 됩니다. 이 기능의 사용법은 앞에서 설명한 Moving Window(움직이는 윈도우를 이용한 선택)와 동일합니다.
Simple Operation
데이터의 간단한 연산기능을 사용하고자 할 때 사용되는 분석법들입니다. 이 분석법들은 기본적으로 자주 사용되는 연산기능 들로 특정 분석법을 사용하기 전 혹은 후에 데이터 변환을 위해 사용됩니다.
Matrix Multiplication
곱 행렬(Matrix Multiplication)연산은 데이터 형태를 변형하기 위해 사용되는 분석법입니다. 데이터에 상수를 곱해 데이터 값을 조정한다든지, 두개의 데이터를 더해 하나의 데이터로 만들어 줄 수도 있습니다. 즉, 사용자가 원하는 데이터 형태로 가공하고자 할 때 사용하면 편리합니다. 데이터를 변경하기 위해서 아래와 같은 행렬연산 방식을 이용합니다.
A , B 값에 행렬 을 곱하면 새로운 값 C, D 값이 얻어지는데, 행렬연산 방식에 의해 아래와 같이 계산됩니다.
C = a11 • A+a12 • B2 D = a21 • A + a22 • B
만약 행렬 값을 으로 설정해 주면, C = A , D = 0 가 되어 A값은 그대로 두고 B 값만 모두 0 값을 갖게 됩니다.
A, B는 원래 데이터 값을 C, D는 새롭게 연산 된 데이터 값을 의미합니다. 즉, 원래의 데이터 값 A, B를 일정한 행렬 값을 이용하여 사용자가 원하는 형태의 새로운 데이터 값 C, D를 얻어낼 수 있습니다. 위의 예는 데이터의 채널이 2개인 경우에 해당하고, 4채널인 경우 4×4 행렬 값을 이용할 수 있습니다.
Matrix Multiplication의 활용
곱 행렬 분석을 원하는 데이터를 분석 창에서 마우스로 클릭하여 선택합니다. 분석 창에서 Matrix Multiplication을 클릭하면, 아래와 같은 행렬설정 대화상자가 나타나 행렬 값을 사용자가 임의로 입력할 수 있도록 도와줍니다. 행렬설정 대화상자는 데이터의 채널 수에 따라 행렬의 크기가 달라집니다. 2채널 데이터인 경우에는 행렬, 4채널인 경우에는 아래와 같이 행렬이 설정된 행렬설정 대화상자가 보여집니다. 이 대화상자를 이용하여 사용자가 원하는 형태의 새로운 데이터를 만들어 낼 수 있습니다.
또한, 사용자는 자주 사용하는 행렬 값을 하나의 파일로 저장할 수도 있습니다. 자주 사용하는 행렬을 모두 설정한 후, 행렬설정 대화상자에서 File Save를 선택하면 mtx라는 확장자를 가진 파일로 저장할 수 있습니다. 이와 같이 저장해두면 언제든지 같은 행렬 값을 데이터에 적용할 수 있습니다.
Cutting of the Selected Range
전체 채널에 대해 데이터의 특정 부분을 잘라내고자 할 때 사용하는 분석법입니다. 먼저, 이 분석법을 적용하고자 하는 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Cutting of the Selected Range(데이터 잘라내기) 분석 아이콘을 클릭합니다. 아래와 같은 데이터 위치선택 대화상자가 나타나 잘라내고자 하는 데이터 영역을 설정할 수 있게 도와줍니다. 사용자가 잘라내고자 하는 데이터 영역을 대화상자에 설정하면, 전 채널에 대해 선택한 영역만큼 잘려나가 제거된 데이터 결과를 얻을 수 있습니다.
Setting the Selected Regions to a Constant
이 분석법은 데이터의 특정 부분을 임의의 상수 값으로 변경해 줍니다. 먼저, 이 기능을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Setting the Selected Regions to a Constant(상수로 만들기) 분석을 선택합니다. 이 아이콘을 선택하면 아래와 같은 데이터 설정 대화상자와 채널 설정 대화상자가 나타나 설정을 도와줍니다. 데이터 설정 대화상자의 Constant Value(상수) 설정 부분에 사용자가 임의의 상수를 입력할 수 있으며, 상수 값을 적용할 데이터 영역을 함께 설정할 수 있습니다. 이 설정을 마치면, 채널설정 대화상자가 나타나 이 설정을 적용할 채널을 설정할 수 있도록 도와줍니다.
Derivative
이 분석법은 데이터가 순간순간 변화하는 양상을 보기 위해서 사용되는 분석법입니다. 미분방정식을 이용하여 매 시점마다 데이터가 변화하는 기울기를 구함으로써 데이터의 변화양상을 분석하게 됩니다. 분석 결과에서 특정 시점의 Derivative(미분값)이 크면 값의 변화가 많은 것이고 작으면 값의 변화가 적은 것을 의미합니다. 이 기능을 적용하고자 하는 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Derivative(미분값) 분석법을 선택합니다. 아이콘을 클릭하면 아래와 같이 데이터의 각 시점에서의 미분값 그래프가 디스플레이 창에 보여지고 분석 창에 등록됩니다.
Rescale
스케일 재조정이란은 신호의 값 범위를 동일한 조건으로 만드는 과정입니다. 특정 분석법을 시행할 경우, 신호의 값 범위에 무관하게, 단지 값의 변화양상만을 분석하고자 할 때 주로 사용합니다. 이렇게 신호의 범위를 특정조건으로 조정하는 과정을 신호처리에서 정규화(Normalization)라고도 합니다. 신호에서 정규화 할 수 있는 조건들은 극값, 평균, 표준편차, 증폭도(Gain), 옵셋(offset)이 있습니다. 이러한 전처리 과정을 이용함으로써 분석결과의 신뢰도를 더욱 높일 수 있게 됩니다. 스케일 재조정하는 조건에 따라 Rescaling by Extremes (극값에 의한 진폭 재조정), Rescaling by Gain and Offset(증폭도와 옵셋에 의한 스케일 재조정), Rescaling by mean and the Standard Deviation(평균과 표준편차에 의한 스케일 재조정) 분석법이 있습니다.
Rescaling by Extremes
이 분석법은 진폭 범위 조건을 모든 데이터에 동일하게 적용할 때 사용됩니다. 진폭이란 신호의 파형 높이를 의미합니다. 일반적으로 데이터는 측정되는 조건에 따라 각각 진폭의 최대 최소 값의 범위가 다릅니다. 각각 다른 진폭의 범위를 사용자가 설정한 임의의 값으로 변경하는 과정이 바로 Rescaling by Extreme입니다. 이 기능을 적용하고자 하는 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Rescaling by Extreme분석법을 선택합니다.
먼저 진폭 스케일을 재조정하려면 진폭의 범위를 설정해 주어야 하는데 아래와 같은 진폭설정 대화상자가 나타나 설정을 도와줍니다. 이 대화상자에 사용자가 원하는 진폭의 최대, 최소값을 설정하고 Apply버튼을 클릭합니다. 아래 그림의 예는 진폭 스케일을 최대 1에서 최소 –1로 설정한 경우입니다. 그 결과 분석 전 채널 별로 다른 데이터의 진폭 범위가 1 ~ -1 값으로 변경되었음을 알 수 있습니다. 분석 결과 그래프는 디스플레이 창에 보여지고 분석 창에 등록되어집니다.
Rescaling by Gain and Offset
이 분석법은 증폭도(Gain)와 옵셋(offset)의 스케일을 재조정할 때 사용됩니다. 증폭도(Gain) 란 진폭을 변경할 때 사용되는 변수이고, 옵셋(offset)이란 파형을 수직 위치이동 할 때 사용되는 변수입니다. 아래의 그림을 보면 이 변수들에 대해 쉽게 이해할 수 있습니다.
위 그림에서 진폭의 변화를 보면, 실선이 진폭이 높은 데이터이고 점선이 진폭이 낮은 데이터 입니다. 진폭을 변경하면 신호의 주기는 달라지지 않고 파형의 높이만 달라집니다. 옵셋의 변화는 신호 성분의 변화가 아니라 신호 위치의 변화라고 할 수 있습니다. 만약 수집된 신호의 값이 –1 ~ 1 사이의 데이터인데 이를 0 ~ 2 사이 값으로 변경할 경우에 사용될 수 있습니다. 이 분석법을 적용하고자 하는 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Rescaling by Gain and Offset 아이콘을 선택하면 아래와 같은 대화상자가 나타나 진폭과 옵셋 값 설정을 도와줍니다. 이 대화상자에 사용자가 원하는 값을 입력한 후 Apply버튼을 누르면 분석결과 그래프가 디스플레이 창에 보여지고 분석 창에 등록됩니다.
Rescaling by Mean and Standard Deviation
신호의 확률적인 변수인 평균과 표준편차를 임의의 값으로 설정하여 스케일을 재조정하고 싶은 경우 Rescaling by Mean and Standard Deviation 분석법을 사용합니다. 이 분석을 시작하기 전에 먼저 평균과 표준편차에 대해 알아보겠습니다.
평균과 표준편차는 신호의 확률적인 특성을 결정하는 기본적인 수치입니다. 평균(Mean)값은 기대값(Expected value)이라고도 말하고 다음과 같이 정리합니다.
평균이란 신호의 값들의 총합을 신호 데이터 총 수로 나눈 것으로 확률분포 그래프에서 가운데 값을 의미합니다. 확률분포란 신호의 각 값들을 확률변수라고 할 때, 확률변수 값에 따라 확률이 어떻게 흩어져 있는지를 합이 1인 양수로써 나타낸 것을 말합니다.
표준편차(Standard Deviation)를 정리하게 전에 먼저 분산(Variance)을 정리하겠습니다.
분산이란 확률분포 그래프에서 평균에서 멀어진 정도를 정의하는 값입니다. 이때 표준편차(Standard Deviation)란 분산에 루트를 씌운 값으로 아래와 같이 정의합니다.
표준편차는 확률분포 그래프의 형태와 관련되는 값 입니다. 아래의 그래프를 보면서 다시 각 값들의 의미를 살펴보겠습니다.
확률분포의 가운데 값을 평균이라고 하고 표준편차는 확률분포 그래프의 분포의 정도를 나타내는 값으로 표준변차가 작으면, 확률분포 그래프의 폭이 좁아지는데 이는 데이터들이 평균을 중심으로 집중되어 있음을 의미합니다. 즉, 표준변차가 작으면 데이터 값의 대부분이 평균과 비슷한 값들로 값들의 차이가 크기 않음을 알 수 있습니다. 평균과 표준편차 변화에 대한 확률분포 그래프는 위의 그림과 같이 표현됩니다.
이 분석법을 적용하려면, 분석하고자 하는 데이터를 분석 창에서 선택한 후 분석도구 바에서 Rescaling by Mean and Standard Deviation 아이콘을 클릭합니다. 이 분석 아이콘을 클릭하면 아래와 같은 평균과 표준편차 설정 대화상자가 나타나 이 값들을 설정할 수 있게 도와줍니다. 이 대화상자에 사용자가 원하는 값을 입력한 후 Apply버튼을 누르면 분석결과 그래프가 디스플레이 창에 보여지고 분석 창에 등록됩니다.
Simple Parameter Calculation
간단한 수학적인 값들을 계산할 때 사용되는 분석법들입니다. 이 분석법들을 실행하면 하나의 수치로 결과를 보여줍니다.
- Slope
- Sum
- Sum Ratio
- Average
- Standard Deviation
- Moving Average
- Moving Standard Deviation
Sum Ratio
이 분석법을 이용하면 특정 값의 비율에 대한 데이터의 합을 정량적으로 분석할 수 있습니다. 예를 들어, 전체 데이터의 합에 대한 특정 시간의 데이터 합의 비를 구할 수 있습니다. 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Sum Ratio 분석 아이콘을 클릭하면 아래와 같은 데이터설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 구간을 분자(Numerator), 분모(Denominator)값에 설정하면 분모구간의 합에 대한 분자구간의 합의 비율을 분석할 수 있습니다. 분석결과는 각 채널별로 계산된 합의 비율값이 디스플레이 창에 막대그래프 형태로 보여지고 분석 창에 등록됩니다.
Standard Deviation
이 분석법을 이용하면 각 채널 별로 데이터 전체의 값의 표준편차를 구할 수 있습니다. 표준편차는 데이터의 확률분포를 정의하는 값으로 표준 변차가 작으면 데이터 값이 대부분이 평균과 비슷한 값들로 변화가 크지 않음을 알 수 있고, 표준 편차가 크면 데이터 들의 변화량이 크다는 것을 알 수 있습니다. 표준편차에 대해서는 Rescaling by Mean and Standard Deviation 분석법을 참고하세요.
분석할 데이터를 분석 창에서 선택한 후 분석도구 바에서 Standard Deviation 분석 아이콘을 클릭하면 아래와 같은 결과 그래프를 얻을 수 있습니다. 분석 결과는 각각의 채널별로 계산되어 디스플레이 창에 막대그래프 형태로 보여지고 분석 창에 등록됩니다.
Resampling.
샘플링(Sampling)이란 아날로그 신호를 디지털신호로 변경할 때 사용되는 기법입니다. 시간에 대해서 연속적인 아날로그 신호를 이산적인 디지털 신호로 변경하기 위해서는 아날로그 신호에서 특정 간격별로 데이터를 가져와야 합니다. 이렇게 데이터를 가져오는 과정을 샘플링이라고 하며 데이터를 가져오는 간격을 샘플링 주기라고 합니다. 샘플링 주기를 어떻게 설정하는냐에 따라 데이터의 전체 양이 달라집니다. 샘플링주기가 길어지면 아날로그 신호에서 얻어지는 데이터가 적어지므로 디지털 신호로 변경되었을 때 데이터의 전체 양이 적어지고, 반대로 샘플링주기가 짧으면 데이터의 전체 양이 많아집니다.
재샘플링 (Resampling)이란 데이터 수집 시, 특정 샘플링 주기에 의해서 얻어진 데이터를 다른 샘플링 주기의 데이터로 다시 구성하는 것을 말합니다. 사용자는 이 과정을 이용해 데이터의 양을 다시 조정할 수 있게 됩니다. 재샘플링을 분석을 하기 위해서는 Interpolation(보간법) 이라는 수학적인 알고리즘을 이용하여 신호의 근사함수를 추정하여야 합니다. 다시 말해 Interpolation(보간법)이란, 이웃 하는 주변의 신호를 이용하여 해당지점의 신호를 추정하는 과정입니다. 이러한 보간법은 어떤 함수를 이용하느냐에 따라 여러 가지로 나누어집니다. 가장 대표적인 방법으로는 Polynomial Interpolation(다항식에 의한 보간법), Rational Function Interpolation(유리함수에 의한 보간법), Cubic Spline Interpolation(3차원 Spline함수에 의한 보간법) 세가지 입니다.
By Polynomial Interpolation
이 분석법은 Polynomial Interpolation (다항식에 의한 보간법)을 이용하여 재샘플링을 할 때 사용합니다.
Polynomial Interpolation은 이웃한 데이터 4개 (x1, y1), (x2, y2), (x3, y3), (x4, y4) 를 이용하여 근처의 임의의 시점(x)에 대한 데이터 값(y)를 추정하는 보간법으로 아래와 같은 수식을 이용하여 추정합니다.
재샘플링 하고자 하는 데이터를 분석 창에서 선택한 후, By Polynomial Interpolation을 클릭하면 아래와 같은 샘플링설정 대화상자가 나타납니다. 이 대화상자에 사용자가 원하는 샘플링 값을 설정한 후 Apply 버튼을 클릭하면 설정해 준 샘플링 값으로 재샘플링 된 데이터를 얻을 수 있습니다. 재샘플링 할 수 있는 구간은 이 대화상자에 안내되어 있으므로 사용자는 이 구간 안에서 재샘플링을 할 수 있습니다.
By Rational Function Interpolation
이 분석은 Rational Function Interpolation (유리식에 의한 보간법)을 이용하여 재샘플링을 할 때 사용합니다. 이 보간법은 일반적인 다항식보다 복잡한 아래와 같은 유리함수(Rational Function)를 이용하여 데이터를 추정하는 방법입니다.
재샘플링 하고자 하는 데이터를 분석 창에서 선택한 후, By Rational Function Interpolation을 클릭하면 아래와 같은 샘플링설정 대화상자가 나타납니다. 이 대화상자에 사용자가 원하는 샘플링 값을 설정한 후 Apply 버튼을 클릭하면 설정해 준 샘플링 값으로 재샘플링 된 데이터를 얻을 수 있습니다. 재샘플링 할 수 있는 구간은 이 대화상자에 안내되어 있으므로 사용자는 이 구간 안에서 재샘플링을 할 수 있습니다.
By Cubic Spline Interpolation
이 분석법은 Cubic Spline Interpolation (3차원 Spline함수에 의한 보간법)을 이용하여 재샘플링을 할 때 사용합니다. 이 보간법은 일반적인 다항식과 유리함수(Rational Function) 형태 보다 더 고차원의 함수를 이용하여 데이터를 추정하는 방법입니다. Cubic Spline함수는 미분가능 하다는 조건을 고려하여 데이터를 추정하므로 다른 보간법에 비해 보다 신뢰할 수 있는 추정 값을 얻을 수 있으며, 자연계에서 발생하는 시계열 신호의 특성을 살리는데 적절합니다. 이러한 Cubic Spline Interpolation은 다음과 같은 식을 이용합니다.
재샘플링 하고자 하는 데이터를 분석 창에서 선택한 후, By Cubic Spline Interpolation을 클릭하면 아래와 같은 샘플링설정 대화상자가 나타납니다. 이 대화상자에 사용자가 원하는 샘플링 값을 설정한 후 Apply 버튼을 클릭하면 설정해 준 샘플링 값으로 재샘플링 된 데이터를 얻을 수 있습니다. 재샘플링 할 수 있는 구간은 이 대화상자에 안내되어 있으므로 사용자는 이 구간 안에서 재샘플링을 할 수 있습니다.
Frequency Filtering
일반적으로 신호는 여러 가지 주파수 성분이 섞여서 이루어져 있습니다. 주파수(Frequency)는 주기적으로 발생하는 파형이 1초에 몇 번 반복되는가를 나타내는 단위로 Hz로 표기합니다. 1초에 주기적인 파형이 10번 나타나면 10Hz라고 합니다. 1초에 주기적으로 나타나는 파형이 많으면 고주파 신호라 하고 적으면 저주파 신호라고 합니다.
필터링(Filtering)이란 무언가를 걸러서 보여준다는 의미로 일반적으로 신호처리에서 사용하는 필터링은 분석자가 원하는 특정 주파수영역만을 걸러주는 주파수 필터링(Frequency Filtering)을 의미합니다. 따라서 이 분석을 이용하면 사용자가 원하는 주파수 영역만을 선택하여 신호를 얻을 수 있습니다. 이러한 주파수 필터링 방법은 매우 여러 가지가 있습니다.
그 중에서 일반적으로 사용되어지는 FFT(Fast Fourier Transform; 고속 퓨리에 변환)을 이용한 필터링 방법과 실시간 필터링에 주로 사용되는 IIR(Infinite Impulse Response) 필터링을 설명하겠습니다. 필터의 종류는 필터링 하고자 하는 주파수 영역에 따라 Low Pass Filter(저주파 통과필터), High Pass Filter(고주파 통과필터), Band Pass Filter(밴드통과필터), Notch Filter(노치필터)로 나누어 집니다.
FFT (Fast Fourier Transform)
데이터를 수집하게 되면 시간과 진폭이 연속적인 아날로그 형태의 파형으로 데이터를 얻게 됩니다. 먼저 처리해야 할 과정은 연속적인 아날로그 신호를 컴퓨터에서 처리가 가능하도록 이산적인 디지털 신호로 변경하는 것입니다. 디지털신호로 변경된 신호는 시계열 신호 즉, 시간에 따라 변화하는 데이터로 이루어져 있습니다. 그러나 신호에서 정보를 찾아내어 분석하고자 하는 관점에서는 시간영역에서 분석하는 것 만으로는 충분하지 않은 경우가 대부분입니다. 시간에 따라 변화하는 양상을 보이는 신호를 주파수 영역으로 변환하여 보면 신호의 주파수 성분을 파악할 수 있어 여러 분석이 가능해 집니다. 그럼 어떻게 시간영역의 데이터를 주파수 영역으로 변화시킬까요? 이때 사용되는 수학적 처리과정이 바로 퓨리에변환(Fourier Transform)입니다. 퓨리에변환식은 아래와 같이 정의합니다.
수집된 데이터 h(t)는 시간영역의 데이터인데, 이 데이터는 위의 수식과 같은 과정을 거쳐 주파수영역의 데이터 H(f)로 변경됩니다. 그러나 현재 이산적인 디지털신호를 사용하므로 이산 퓨리에변환 (Discrete Fourier Transform; DFT)을 이용하게 됩니다. 이산 퓨리에변환 식은 아래와 같이 정의됩니다
이산적인 시간영역 신호 hk이 이산적인 주파수 영역신호 H(fn)로 변화되는 과정입니다. 이산 퓨리에변환은 그 수학적인 특성상 계산 시간이 매우 오래 걸립니다. FFT(Fast Fourier Transform)는 1942년에 Danielson과 Lanczoc에 의해서 고안되었습니다. 일반적으로 이산 퓨리에변환은 데이터 개수의 제곱 배(N2)의 계산 시간이 필요하지만, FFT는 이 계산 시간을 N log 2N으로 줄였습니다. 데이터 개수에 비례하여 기하급수적으로 증가하던 시간을 반 이상 줄인 셈이 됩니다. FFT는 이산 퓨리에변환의 계산을 효율적으로 수행하여 디지털 신호처리 기술이 진일보하는데 크게 기여하였습니다.
FFT 방법을 이용하여 시간영역의 신호를 주파수영역으로 변환하면 주파수의 크기에 따라 신호가 그래프에 배열되어 신호의 주파수 성분들을 눈으로 확인할 수 있게 됩니다.
Low Pass FFT-Filtering
이 분석법은 FFT알고리즘을 이용하여 고주파 영역을 제거하고 저주파 영역만을 통과시키는 필터로 사용자가 원하는 주파수 영역 이하만을 통과시켜줍니다. 신호의 저주파 영역만을 선택하여 분석할 경우에 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Low Pass FFT-Filtering(FFT를 이용한 저주파 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수를 설정하고 Apply버튼을 클릭하면 설정한 주파수 이하의 영역만을 통과시킨 결과가 디스플레이 창에 보여지고 분석 창에 등록됩니다. 저주파 통과필터링 분석결과는 아래 그림에서와 같이 느리게 흘러가는 것처럼 보여 서파(Slow wave)라고 합니다.
High Pass FFT-Filtering
이 분석법은 FFT알고리즘을 이용하여 저주파 영역을 제거하고 고주파 영역만을 통과시키는 필터로 사용자가 원하는 주파수 영역 이상만을 통과시켜줍니다. 신호의 고주파 영역만을 선택하여 분석할 경우에 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 High Pass FFT-Filtering(FFT를 이용한 고주파 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수를 설정하고 Apply버튼을 클릭하면 설정한 주파수 이상의 영역만을 통과시킨 결과가 디스플레이 창에 보여지고 분석 창에 등록됩니다. 고주파 통과 필터링 분석결과는 아래 그림에서와 같이 빠르게 흘러가는 것처럼 보여 속파(Fast wave)라고 합니다.
Band Pass FFT-Filtering
이 분석법은 FFT알고리즘을 이용하여 특정 밴드영역만을 통과시키는 필터로 사용자가 원하는 주파수 밴드 영역만을 통과시켜줍니다. 신호에서 특정 주파수 밴드만을 선택하여 분석할 경우에 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Band Pass FFT-Filtering(FFT를 이용한 밴드 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수 밴드영역을 설정하고 Apply버튼을 클릭하면 설정한 주파수 밴드영역만을 통과시킨 결과가 디스플레이 창에 보여지고 분석 창에 등록됩니다
Notch FFT-Filtering
이 분석법은 FFT알고리즘을 이용하여 특정 주파수만을 제거하는 필터로 사용자가 원하는 특정 주파수만을 제거하여줍니다. 신호에 원하지 않는 특정 주파수가 섞인 경우에 이를 제거하기 위해 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Notch FFT-Filtering(FFT를 이용한 노치 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수를 설정하고 Apply버튼을 클릭하면 설정한 주파수만을 제거한 신호가 디스플레이 창에 보여지고 분석 창에 등록됩니다.
IIR (Infinite Impulse Response)
IIR 시스템이란 현재와 과거의 입력 외에 전 단계의 출력들이 현재 출력 값에 영향을 미치는 시스템을 말합니다. 아래의 수식을 보면서 설명하겠습니다.
시간에 따라 변화하는 시계열 신호는 가까운 시간에 앞선 신호 정보에 의해서 생성될 수 있습니다. 위의 수식(1)을 보면 앞으로 생성될 신호yn는 앞서 발생한 신호xn-k 와 바로 이전에 생성된 신호yn-j에 각각 임의의 상수 Ck, dj을 곱한 후 그 결과를 더해서 얻어집니다. 즉 바로 이전에 생성된 신호가 다음에 생성될 신호에 영향을 미치게 되는 것입니다. 이러한 구조로 생성된 신호를 가역성(recursive)을 가진 신호라고 말합니다. 또한, 이러한 방식을 가진 신호 시스템을 가역성 혹은 무한 임펄스 시스템(Infinite Impulse system)이라고 합니다. 그리고 상수 d j가 영(zero) 값을 갖기 이전에 생성된 신호가 앞으로 생성될 신호에 영향을 주지 못하는 신호를 비가역성(non-recursive)신호, 유한 임펄스 시스템(Finite Impulse system)이라고 합니다. 다시 말해, IIR 시스템방식은 이전에 수집된 얼마간의 신호와 생성하려는 신호 바로 앞의 신호를 이용하여 만들어집니다. 따라서 일정한 블록의 데이터가 필요한 FFT방식과 달리 이 분석법을 이용하면 데이터를 수집함과 동시에 필터링이 가능해집니다. 즉, 실시간 필터링이 가능해집니다.
IIR (Infinite Impulse Response) Filter
위의 식(1)을 주파수 대역으로 대응시키면 식(2)이 얻어집니다. 이 식(2)에서 상수 Ck, dj를 어떻게 결정하는냐에 따라 필터의 종류가 달라집니다. 이 식(2)을 이용하여 각 필터의 모양에 따라 상수를 결정하게 됩니다. 예를 들어, Low Pass Filter의 상수 Ck, dj를 설정할 경우 낮은 주파수만을 통과시키는 형태를 갖는 식(2)를 계산하여 상수를 결정하는 것입니다. 이렇게 결정된 상수 Ck, dj를 식(1)에 대입하면 낮은 주파수만을 통과시키는 IIR 필터가 됩니다.
Low Pass IIR-Filtering
이 분석법은 IIR알고리즘을 이용하여 고주파 영역을 제거하고 저주파 영역만을 통과시키는 필터로 사용자가 원하는 주파수 영역 이하만을 통과시켜줍니다. 신호의 저주파 영역만을 선택하여 분석할 경우에 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Low Pass IIR-Filtering(IIR를 이용한 저주파 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수를 설정하고 Apply버튼을 클릭하면 설정한 주파수 이하의 영역만을 통과시킨 결과가 디스플레이 창에 보여지고 분석 창에 등록됩니다. 저주파 필터링 분석결과는 아래 그림에서와 같이 느리게 흘러가는 것처럼 보여 서파(Slow wave)라고 합니다.
High Pass IIR-Filtering
이 분석법은 IIR알고리즘을 이용하여 저주파 영역을 제거하고 고주파 영역만을 통과시키는 필터로 사용자가 원하는 주파수 영역 이상만을 통과시켜줍니다. 신호의 고주파 영역만을 선택하여 분석할 경우에 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 High Pass IIR-Filtering(IIR를 이용한 고주파 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수를 설정하고 Apply버튼을 클릭하면 설정한 주파수 이상의 영역만을 통과시킨 결과가 디스플레이 창에 보여지고 분석 창에 등록됩니다. 고주파 필터링 분석결과는 아래 그림에서와 같이 빠르게 흘러가는 것처럼 보여 속파(Fast wave)라고 합니다.
Band Pass IIR-Filtering
이 분석법은 IIR알고리즘을 이용하여 특정 밴드영역만을 통과시키는 필터로 사용자가 원하는 주파수 밴드영역만을 통과시켜줍니다. 신호에서 특정 주파수 밴드만을 선택하여 분석할 경우에 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Band Pass IIR-Filtering(IIR를 이용한 밴드 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수 밴드영역을 설정하고 Apply버튼을 클릭하면 설정한 주파수 밴드영역만을 통과시킨 결과가 디스플레이 창에 보여지고 분석 창에 등록됩니다.
Notch IIR-Filtering
이 분석법은 IIR알고리즘을 이용하여 특정 주파수만을 제거하는 필터로 사용자가 원하는 특정 주파수만을 제거하여줍니다. 신호에 원하지 않는 특정 주파수가 섞인 경우에 이를 제거하기 위해 사용하면 편리합니다.
먼저 이 분석법을 적용할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Notch IIR-Filtering(IIR를 이용한 노치 필터링)분석법을 클릭하면 아래와 같은 주파수설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 주파수를 설정하고 Apply버튼을 클릭하면 설정한 주파수만을 제거한 신호가 디스플레이 창에 보여지고 분석 창에 등록됩니다.
Correlation Analysis
이 분석법들은 시계열(Time series) 신호에서 자기상관함수(Autocorrelation function)를 구하기 위해서 사용되는 분석법 입니다. 시계열 신호의 한 시점 데이터는 시간에 흐름에 따라 여러 변수에 의해 처음과는 다른 데이터가 되어갑니다. 즉, 상관성이 없어지는 것입니다. 이 상관성을 분석하기 위해서 상관분석(Correlation Analysis)을 사용합니다.
- Pearson’s Correlation
- Triple Correlation
- Cross Correlation
- Moving Cross Pearson’s Correlation
- All-Pair-Cross Pearson Correlation
Autocorrelation Function
원래의 시계열 데이터 xi(i=1, ···, N) 와 일정 시간간격 (d) 만큼 지연된 시계열 데이터 yi(xi+d ; i=1, ···N)의 상관관계를 구하는 식은 아래와 같이 정리됩니다.
이 식을 Pearson’s Correlation 이라고 하며 r값을 Linear Correlation Coefficient라고 부르기도 합니다. 위 식(1)은 Autocorrelation Function(자기상관함수)를 구하기 위해서 가장 일반적으로 사용되어지는 방법입니다. X bar, Y bar는 각각 xi(i=1, ···, N) 와 yi(xi+d ; i=1, ···N) 의 평균 값을 의미합니다. 이 식에서 지연시간 d을 0부터 샘플링 시간간격 만큼씩 늘려가면서 계산한 결과가 자기상관함수 입니다. 자기상관함수는 신호에 따라 달라지며 –1에서 1사이의 값으로 나타납니다. 이 값이 1이면, “Complete positive correlation”이라 부르고 xi , yi데이터는 함께 증가하는 양상을 보이는 경우를 의미합니다. 자기상관함수 r값 이 –1이면, “Complete negative correlation”이라 부르고 yi는 감소하고 xi는 증가하는 양상을 보이는 경우를 의미합니다. 자기상관함수 분석에서 가장 관심을 가지는 값은 자기상관함수 값 r 이 처음으로 0(zero)이 되는 지연시간 입니다. 자기상관함수 값 r이 처음으로 0(zero)이 되는 지점이 바로 xi , yi가 상관성이 없어지는 시점을 의미하며 “Decorrelation time” 이라고 부릅니다.
Decorrelation time은 상관성이 지속되는 시간을 의미하기도 하므로 이 시간이 길면 신호의 예측 가능시간이 길어지고 이 시간이 짧으면 예측 가능한 시간이 짧아진다고도 할 수 있습니다. Decorrelation Time이 짧을수록 현재 데이터 값이 결정되기 위해 필요한 과거 데이터의 길이가 짧아짐을 의미합니다. 즉. Decorrelation Time 보다 적게 떨어진 과거 데이터들만이 현재 시점의 데이터와 상관성이 있다는 의미입니다. Decorrelation Time 보다 더 먼 과거의 데이터는 현재 시점의 데이터를 결정하는데 의미가 없습니다.
Triple Correlation Function
앞서 정의한 자기상관함수를 다른 표현으로는 2차 상관함수라고도 합니다. 이보다 한 차원 높은 상관함수가 바로 Triple Correlation Function(3차 상관함수)입니다. 자기상관함수와 3차 상관함수를 개념적으로 다시 정의하면 아래 식과 같습니다.
식(2)를 보면 자기상관함수는 시계열신호 x(t) 는 임의의 시간 τ 만큼 지연된 시계열시호 x(t+τ) 와의 상관관계를 구한 것임을 알 수 있습니다.3차 상관함수란 식(3)을 보면 이해할 수 있습니다. 시계열신호 x(t)와 임의의 시간 τj 만큼 지연된 시계열신호 x(t+τj)와의 상호 상관관계를 구한 것입니다. 즉, 같은 신호에서 서로 다르게 지연된 세 시계열 신호들의 상관관계를 구하는 것입니다. 자기 상관함수오 달리 원 신호와의 상관관계 이외에 지연된 신호 x(t+τj) 와 x(t+τj) 사이의 상관성도 알 수 있으므로 분석 결과 그래프는 3차원으로 표현합니다.
Pearson’s Correlation
이 분석법은 시계열 신호의 Autocorrelation(자기상관함수)를 분석하고 싶을 때 사용합니다. 먼저 분석 창에서 분석할 데이터를 선택한 후 Pearson’s Correlation 분석 아이콘을 선택하면 아래와 같은 분석 결과를 얻을 수 있습니다.
Pearson’s Correlation의 결과 그래프를 보면 그래프에서 처음으로 0(zero)값을 갖는 시간을 볼 수 있습니다. 데이터가 많아 잘 보이지 않을 경우, 그 부분만을 선택한 후 확대하여 관찰하면 편리합니다. 현재 표시가 되어 있는 지점이 처음으로 0(zero)가 되는 점으로 이 시점을 Decorrelation time이라고 하며 수집된 시계열 신호와 그 신호에서 임의의 시간만큼 지연된 시계열 신호사이의 상관성이 없어지는 시점을 의미합니다. 이 시점의 값이 의미 있는 값으로 결과 그래프 상단에 표시됩니다. 현재 Decorrelation time은 0.0045임을 알 수 있습니다.
Triple Correlation
시계열 신호와 각각 다른 시간으로 지연된 두 신호사이의 상관관계를 조사할 때 이 분석법을 사용합니다. 3차원 그래프로 결과가 나타남으로 시계열신호와 임의의 다른 시간이 지연된 두 신호의 상관함수도 동시에 관찰 할 수 있을 뿐 아니라, 시간이 지연된 두 신호사이의 상관관계도 함께 분석할 수 있습니다. 아래의 분석결과 그래프를 보면, 먼저 Delay Time1축과 Delay Time2축이 각각 다른 지연시간을 나타내고, Triple Correlation 축이 상관함수의 크기를 나타냅니다. 분석결과 그래프에서 특정시점 Delay Time1, Delay Time2 (τ1, τ2)에서의 상관 값이 높은 경우, 원 신호와 τ1 만큼 지연된 신호와 τ2만큼 지연된 신호 사이의 상관성이 높다는 것을 의미합니다
Cross Correlation
이 분석법은 서로 다른 두 시계열 신호의 상관관계를 분석하고 싶을 때 사용합니다. 따라서 이 분석법은 두 채널 데이터를 선택하였을 때에만 사용이 가능합니다. 먼저 분석 창에서 분석할 데이터를 선택한 후 Cross Pearson’s Correlation 분석 아이콘을 선택하면 아래와 같은 분석 결과를 얻을 수 있습니다.
Cross Pearson’s Correlation의 결과 그래프를 보면, 그래프에서 처음으로 0(zero)값을 갖는 시간을 볼 수 있습니다. 처음으로 0(zero)가 되는 점으로 이 시점을 Cross Decorrelation time이라고 하며 첫번째 시계열 신호와 그 신호에서 임의의 시간만큼 지연된 두 번째 시계열 신호사이의 상관성이 없어지는 시점을 의미합니다. 의미 있는 값은 바로 이 시점의 값으로 결과 그래프 상단에 표시됩니다. Cross Decorrelation time이 길수록 두 번째 신호의 더 먼 과거데이터 첫번째 신호의 현재 값 결정에 관여한다고 볼 수 있습니다. 또한 분석결과에서 Delay time이 0인 처음 값은 두 신호의 상관관계를 알 수 있는 값으로 의미 있는 값입니다.
All-Pair-Cross Pearson Correlation
이 분석법은 두 채널 이상의 데이터에서 각각의 데이터 쌍 별로 상관관계를 분석하고 싶을 때 사용합니다. 따라서 4채널 데이터인 경우, 상관분석을 할 데이터 쌍은 자기 자신까지 포함해서 16쌍이 됩니다. 이 결과는 시각적으로 분석하기 쉽도록 3차원 그래프로 그려집니다.
먼저 분석 창에서 분석할 데이터를 선택한 후 All-Pair-Cross Pearson’s Correlation 분석 아이콘을 선택하면 아래와 같은 분석 결과를 얻을 수 있습니다. 이 그래프의 두 축은 채널을 나타내고 높이를 나타내는 축은 상관차원 값을 나타냅니다. 이 그래프에서 가장 높은 값은 `1로 자기 자신의 채널끼리 상관관계를 구한 경우에 해당합니다. All-Pair-Cross Pearson’s Correlation 3차원 분석결과는 각 채널 데이터의 상관성 정도를 한눈에 확인할 수 있어 매우 편리합니다.
Power Spectrum Analysis
이 분석법은 시간에 따라 변화하는 시계열신호를 주파수영역으로 변환하여 주파수 변화에 따른 신호의 양상을 판단할 때 사용됩니다. 이 분석법을 이용하면 데이터에 주파수 성분들을 분류해 낼 수 있으며 분류된 주파수 성분들의 밀도와 분포를 한눈에 볼 수 있습니다.
Power Spectrum
일반적으로 데이터는 시간에 따라 변화하는 시계열 데이터 입니다. 이러한 시간영역 데이터는 시간에 따라 데이터가 변화하는 양상을 관찰하기는 편리하나, 데이터에서 중요한 정보를 찾아내어 분석하고자 하는 관점에서는 시간영역에서 분석하는 것 만으로는 충분하지 않은 경우가 대부분입니다. 시계열데이터를 주파수 영역으로 변환하여 보면 신호의 주파수 성분을 파악할 수 있으며 다른 여러 분석을 하는데 정보를 제공할 수 있습니다. 이때 중요한 문제는 시간영역의 데이터를 어떻게 주파수영역으로 옮기냐 하는 것입니다. 이 과정이 바로 앞에서 설명한 FFT(Fast Fourier Transform;퓨리에변환)라는 수학적 처리과정 입니다. FFT(Fast Fourier Transform;퓨리에변환)에 대해서는 앞서 Frequency Filtering분석법을 참고하세요.
Power Spectrum(파워 스펙트럼)은 생체신호를 포함하여 화상신호, 음성신호, 통신신호등의 많은 분야에서 널리 사용되고 있는 분석법입니다. 이 분석법은 응용범위 만큼이나 다양한 이름으로 불려지는데 Power Spectral Density(PSD), Periodogram, Spectrum Normalization등이 모두 파워 스펙트럼의 용어들입니다. 우리는 이를 Power Spectrum(파워 스펙트럼)이라고 통일하여 사용합니다. 파워 스펙트럼은 표현 방식에 따라 one-side 파워 스펙트럼과 two-side 파워 스펙트럼으로 나누어 집니다. One-side 파워 스펙트럼은 0과 양의 주파수영역에 대해서만 그려지고, two-side 파워 스펙트럼은 음, 0, 양의 모든 주파수영역을 그려준 결과를 보여줍니다. 이 중에서 일반적으로 데이터 분석에 사용되는 one-side 파워 스펙트럼에 대해 설명하겠습니다. 이 식을 퓨리에 역변환(Inverse Fast Fourier Transform; IFFT)에 의해 다음과 같이 정리할 수 있습니다.
이 식을 퓨리에 역변환(Inverse Fast Fourier Transform; IFFT)에 의해 다음과 같이 정리할 수 있습니다.
위 식(2)의 양변에 절대값을 취하고 제곱한 후 을 취해 모두 합하면 식(3)이 유도됩니다. 아래의 식(3)을 보면 원 신호의 제곱의 합과 퓨리에변환을 거친 신호의 제곱의 합과 같습니다. 이때 원 신호제곱의 합 또는 퓨리에변환의 합은 총 파워값(Total Power)이라고 합니다. 즉, 신호의 총 파워값은 시간공간이나 주파수공간에서 모두 같음을 의미하며 이를 Parseval 정리라고 합니다.
이 정리를 만족하는 one-side 파워 스펙트럼은 다음과 같이 정의됩니다.
Power Spectrum Estimation by FFT
아래 그림의 분석 전 데이터는 시간에 따라 변화되어가는 시계열데이터 입니다. 이러한 시계열 신호를 주파수 영역의 신호로 변화할 때 Power Spectrum(파워 스펙트럼)분석을 합니다. 먼저 파워 스펙트럼 분석을 할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Power Spectrum Estimation by FFT를 클릭합니다. 그 결과는 아래와 같이 각 채널 별로 시계열데이터를 주파수영역 데이터로 변환하여 디스플레이 창에 2차원 그래프로 보여주고, 분석 창에 등록됩니다.
분석 전의 데이터는 가로축이 시간 축이고 파워 스펙트럼 분석 결과 그래프의 가로축은 주파수 축이며 세로축은 각 주파수 값에 대한 파워 값을 의미합니다. 따라서 파워 스펙트럼 분석 결과 그래프를 통해서 시계열 신호에 주파수 성분이 얼마나 포함되어 있는지 알 수 있습니다. 또한 그래프 우측에 나타나는 원형 그래프를 통해 각 주파수 대역의 비율 값을 한눈에 확인할 수 있습니다.
Absolute Band Power
Absolute Band Power(절대 파워밴드 스펙트럼) 분석은 각 채널 별로 특정 주파수 데이터의 파워 스펙트럼의 Y축 파워 값을 보여줍니다. 이 분석을 하기 전에 시간흐름에 따라 절대 파워밴드 스펙트럼을 구하기 위해서는 Moving Window(움직이는 윈도우)분석과 함께 사용하여야 합니다. 움직이는 윈도우 분석은 본 장의 분석법에 자세히 설명되어 있습니다. 이를 참고하세요!
사용자는 먼저 분석도구 바에서 Moving Window를 선택하여 윈도우 크기와 오버랩 비율을 설정한 후에 Absolute Band Power 분석을 클릭합니다. 이 분석법을 클릭하면 주파수 설정 대화상자가 나타납니다. 이 주파수 설정 대화상자에 사용자가 분석하고자 하는 특정 주파수 대역을 설정해 주면 그 주파수 대역의 절대 파워 값을 분석할 수 있습니다. 그 결과는 아래와 같이 디스플레이 창에 각 채널 별로 보여집니다. 이 한 화면에 보이는 결과 그래프는 하나의 윈도우에서 얻어진 절대 파워 값으로 다른 윈도우의 결과를 확인 하고 싶은 경우에는 디스플레이 창 하단에 다이나믹 기능을 이용합니다. 또한 모든 윈도우의 절대 파워 값을 한 화면에서 확인 하고 싶은 경우, 마우스 오른쪽을 클릭하여 나타나는 팝업메뉴에서 History Mode를 선택합니다.
Relative Band Power
Relative Band Power(상대 파워밴드 스펙트럼)분석은 각 채널 별로 특정 주파수 데이터의 상대적인 파워 스펙트럼 값을 보여줍니다. 상대적인 파워 스펙트럼이란, 파워 스펙트럼에서 전체 주파수 영역의 파워값의 총 합에 대한 설정한 주파수 대역의 파워값 총합의 비를 의미합니다. 따라서 상대적인 파워값은 0~1 사이의 값을 나타냅니다.
이 분석을 하기 전에 시간흐름에 따라 상대 파워밴드 스펙트럼을 구하기 위해서는 Moving Window(움직이는 윈도우)분석과 함께 사용하여야 합니다. 움직이는 윈도우 분석은 본 장의 분석법에 자세히 설명되어 있습니다. 이를 참고하세요! 사용자는 먼저 분석도구 바에서 Moving Window를 선택하여 윈도우 크기와 오버랩 비율을 설정한 후에 Relative Band Power 분석을 클릭합니다. 이 분석법을 클릭하면 주파수 설정 대화상자가 나타납니다. 이 주파수 설정 대화상자에 사용자가 분석하고자 하는 특정 주파수 대역을 설정해 주면 그 주파수 대역의 상대 파워 값을 분석할 수 있습니다. 그 결과는 아래와 같이 디스플레이 창에 각 채널 별로 보여집니다. 이 한 화면에 보이는 결과 그래프는 하나의 윈도우에서 얻어진 상대 파워 값으로 다른 윈도우의 결과를 확인 하고 싶은 경우에는 디스플레이 창 하단에 다이나믹 기능을 이용합니다. 또한 모든 윈도우의 상대 파워 값을 한 화면에서 확인 하고 싶은 경우, 마우스 오른쪽을 클릭하여 나타나는 팝업메뉴에서 History Mode를 선택합니다.
Band to Band Power
Band to Band Power(밴드 대 밴드 파워 스펙트럼)는 사용자가 임의의 두 주파수 대역을 선택하면 각 주파수 대역의 파워 스펙트럼 결과를 비율로 분석합니다.
이 분석을 하기 전에 시간흐름에 따라 밴드 대 밴드 파워밴드 스펙트럼을 구하기 위해서는 Moving Window(움직이는 윈도우)분석과 함께 사용하여야 합니다. 움직이는 윈도우 분석은 본 장의 분석법에 자세히 설명되어 있습니다.
먼저 분석도구 바에서 Moving Window를 선택하여 윈도우 크기와 오버랩 비율을 설정한 후에 Band to Band Power 분석을 클릭합니다. 이 분석법을 클릭하면 주파수 설정 대화상자가 나타납니다. 이 주파수 설정 대화상자에 사용자가 분석하고자 하는 두 주파수 대역을 설정해 주면 두 주파수 대역 파워 값의 비율을 분석할 수 있습니다. 예를 들어, 사용자가 분자 주파수대역에 10~20Hz를, 분모 주파수 대역에 20~30Hz를 설정하였다면 20~30Hz 대역의 파워 스펙트럼에 대한 10~20Hz 대역의 파워 스펙트럼이 얻어지므로, 이 두 주파수 대역의 파워값의 비율이 얻어집니다. 그 결과는 아래와 같이 디스플레이 창에 각 채널 별로 보여집니다. 이 한 화면에 보이는 결과 그래프는 하나의 윈도우에서 얻어진 밴드 대 밴드 파워 값으로 다른 윈도우의 결과를 확인 하고 싶은 경우에는 디스플레이 창 하단에 다이나믹 기능을 이용합니다. 또한 모든 윈도우의 밴드 대 밴드 파워 값을 한 화면에서 확인 하고 싶은 경우, 마우스 오른쪽을 클릭하여 나타나는 팝업메뉴에서 History Mode를 선택합니다.
Statistical Analysis
Statistical Analysis(통계분석)이란 데이터를 신뢰할 수 있는 통계변수로 나타내어 데이터들간의 상호비교 분석을 목적으로 합니다. 통계분석법은 분석 목적에 따라 다양한 분석법들이 존재합니다. 본 프로그램에서는 가장 기본적으로 많이 사용되어지는 Histogram(히스토그램), Probability Distribution(확률분포), Skewness, Kurtosis 분석법을 제공합니다.
Histogram
Histogram(히스토그램)이란 데이터의 발생 빈도수를 막대그래프 형태로 나타낸 것입니다. 히스토그램은 많은 양의 데이터 특성을 시각적으로 보여줄 때 사용됩니다. 히스토그램의 결과는 확률분포(Probability Distribution) 분석과 모양은 같으나, 세로축이 정확한 빈도수를 나타낸다는 점이 다릅니다. 분석할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Histogram 아이콘을 선택하면 아래와 같은 분석 결과 그래프를 얻을 수 있습니다. 분석결과는 각 채널별로 계산된 히스토그램 결과가 막대그래프 형태로 보여지고 분석 창에 등록됩니다. 히스토그램 분석결과 그래프의 가로 축은 데이터 값의 범위를 나타내고 세로 축은 발생 빈도 수를 나타냅니다.
Probability Distribution
Probability Distribution(확률분포)는 데이터로부터 해당 데이터 값이 발생할 확률의 분포를 보여주는 분석법입니다. 확률분포 분석을 하면 Mean(평균), Standard Deviation(표준편차), Skewness(왜도)와 Kurtosis(첨도) 네 가지의 확률변수를 추가적으로 보실 수 있습니다. 이 네 가지의 확률변수에 대해서 먼저 자세히 알아보겠습니다.
확률분포는 모멘트(moments)라는 것으로 특징지을 수 있습니다. Mean(평균)값은 1차 모멘트 값으로 다음과 같이 정의합니다.
평균이란 기대값(Expected value)이라고도 말하며 신호의 값들의 총합을 신호 데이터 총 수로 나눈 값을 의미합니다. 확률분포란 신호의 각 값들을 확률변수라고 할 때, 확률변수 값에 따라 확률이 어떻게 흩어져 있는지를 합이 1인 양수로써 나타낸 것을 말합니다.
2차 모멘트 값으로 정의되는 Variance(분산)은 확률분포 그래프에서 평균에서 멀어진 정도를 정의하는 값으로 아래와 같이 정의됩니다.
Standard Deviation(표준편차)는 분산에 제곱근을 취한 형태로 아래와 같이 정의합니다.
표준편차는 확률분포 그래프의 형태와 관련되는 값 입니다. 아래의 그래프를 보면서 다시 각 값들의 의미를 살펴보겠습니다.
평균과 표준편차 변화에 대한 확률분포 그래프는 위의 그림과 같이 표현됩니다. 위 그림과 같이 대칭적인 산 모양의 확률분포의 경우, 확률분포 가운데 값이 Mean(평균)값 입니다. Standard Deviation(표준편차)은 확률분포 그래프의 흩어진 정도를 나타내는 값으로 표준편차가 작으면, 확률분포 그래프의 폭이 좁아지는데 이는 데이터들이 평균을 중심으로 집중되어 있음을 의미합니다. 즉, 표준편차가 작으면 데이터 값이 대부분 평균과 비슷한 값들로 값들의 차이가 크지 않음을 알 수 있습니다.
분석할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Probability Distribution 아이콘을 선택하면 확률분포 분석 결과 그래프를 얻을 수 있습니다. 확률분포 분석 그래프 상단에는 위에서 설명한 Mean(평균), Standard Deviation(표준편차), Skewness(왜도)와 Kurtosis(첨도)값이 함께 나타납니다. 분석결과는 각 채널별로 계산되어 막대그래프 형태로 보여지고 분석 창에 등록됩니다.
Moving Skewness
신호의 3차 모멘트 값으로 정의되는 Skewness(왜도)는 확률분포 그래프의 비대칭성 정도를 나타내는 값으로 다음과 같이 정의됩니다.
이 값이 양의 값이면 확률분포 그래프의 피크 모양이 전반적으로 양의 방향으로 쏠리는 모양으로 그려짐을 의미하고, 음의 값이면 음의 방향으로 쏠려져 그려짐을 의미합니다. 따라서 이 값은 데이터의 확률분포가 정규분포를 기준으로 어떻게 다른 확률분포를 갖는지를 나타냅니다.
Skewness 분석법을 이용하여 데이터를 분석하면 각 채널별로 각각의 왜도를 분석하여 디스플레이 창에 보여줍니다. 이 경우는 데이터 전체의 왜도를 분석한 결과이고, 시간의 흐름에 따라 왜도의 변화를 분석하고 싶은 경우 Moving Window(움직이는 윈도우)분석을 함께 이용할 수 있습니다. 먼저 분석할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Moving Window 분석 아이콘을 클릭하면 아래와 같은 윈도우설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 윈도우 값과 오버랩을 비율을 설정할 수 있는데 윈도우 값은 데이터의 범위가 되고, 오버랩 비율은 데이터가 겹치는 정도를 의미합니다. 윈도우와 오버랩 비율에 대해서는 Moving Window 분석법에 자세히 설명되어 있습니다.
Moving Kurtosis
신호의 4차 모멘트 값으로 정의되는 Kurtosis(첨도)는 확률분포 그래프의 뾰족한 정도(Peaked ness)를 나타내는 값으로 다음과 같이 정의됩니다.
이 값이 양의 값이면 확률분포 그래프의 모양이 정규분포에 비해 뾰족함을 의미하며, 음의 값이면 평평함을 의미합니다.
Kurtosis 분석법을 이용하여 데이터를 분석하면 각 채널별로 각각의 첨도를 분석하여 디스플레이 창에 보여줍니다. 이 경우는 데이터 전체의 첨도를 분석한 결과이고, 시간의 흐름에 따라 첨도의 변화를 분석하고 싶은 경우 Moving Window(움직이는 윈도우)분석을 함께 이용할 수 있습니다. 먼저 분석할 데이터를 분석 창에서 선택한 후, 분석도구 바에서 Moving Window 분석 아이콘을 클릭하면 아래와 같은 윈도우설정 대화상자가 나타납니다. 이 대화상자에 사용자가 임의의 윈도우 값과 오버랩을 비율을 설정할 수 있는데 윈도우 값은 데이터의 범위가 되고, 오버랩 비율은 데이터가 겹치는 정도를 의미합니다. 윈도우와 오버랩 비율에 대해서는 Moving Window 분석법에 자세히 설명되어 있습니다.
Custom Analysis
이 분석법은 사용자가 직접 여러 가지 분석법을 조합하여 만든 사용자만의 새로운 분석법 그룹입니다. 사용자는 자주 사용하는 분석단계를 하나의 분석법으로 저장함으로써 여러 데이터를 분석하는데 효과적으로 사용할 수 있습니다. 예를 들어, 현재 사용자가 반복적으로 사용하는 분석이 데이터에서 특정 영역과 채널을 뽑아내고 이 데이터의 파워 스펙트럼을 구한 후, Brain Mapping 결과까지 분석하는 것을 목적입니다. 이때, 사용자는 이 분석과정을 수행하기 위해서는 3개의 분석법을 선택하여 클릭하여야 하고 그 중간 세부 설정을 위한 대화상자에 값을 입력해 주어야 합니다. 이 과정을 한번에 마칠 수 있다면, 분석과정이 굉장히 편해질 것입니다. 이때 사용하는 것이 바로 Custom Analysis입니다.
Register Custom Analysis
먼저 사용자는 분석과정을 정리하여 분석 창에 그 과정을 등록합니다. 즉, 원하는 분석과정을 한번 수행하는 것입니다. 모든 분석과정을 수행한 후, 분석 창에서 마우스의 오른쪽 버튼을 클릭하여 Add to Custom Analysis를 선택합니다. 그리고 나면, 아래와 같은 메시지 대화상자가 나타나 Custom Analysis(사용자 분석법)으로 저장되었음을 사용자에게 알려줍니다. 이 과정을 마친 후 분석도구 바에서 Custom Analysis를 확인해 보면, Analysis6이라는 이름으로 현재의 모든 과정이 하나의 분석법으로 등록되었음을 알 수 있습니다.
이와 같이 사용자 분석법을 저장해 두면 다른 데이터에도 한번에 저장된 분석과정을 수행할 수 있습니다. 분석도구 창에서 마우스의 오른쪽 버튼을 클릭하여 나타나는 Delete 기능을 이용하면, 저장된 분석법을 삭제할 수 있습니다. 또한 Rename기능을 이용하여 사용자가 이해하기 쉬운 이름으로 변경하여 사용하면 더욱 편리합니다.
Custom Analysis Control
사용자 분석법을 여러 개 등록해 놓은 경우, 이를 관리하기 위한 방법이 필요합니다. 이때 사용하는 것이 Custom Analysis Control입니다. 분석도구 바의 Custom Analysis를 선택한 후 이곳에 마우스를 놓고 오른쪽을 클릭하면, 팝업메뉴에 Custom Analysis Control 메뉴가 있습니다. 이 메뉴를 클릭하면 아래와 같은 사용자 분석법 제어 대화상자가 나타나, 등록된 사용자 분석법을 한눈에 보여주고 관리할 수 있게 도와줍니다. 이 대화상자를 보면, ID에는 등록된 순서에 따라 순번이 매겨지고, Name에는 등록해 준 분석법의 이름이 들어갑니다. 분석법 이름을 바꾸고 싶은 경우, 원하는 분석법을 더블클릭 한 후 이름을 기입하면 됩니다. Ch. 에는 현재 등록된 사용자 분석법이 몇 채널에서 분석되었는지를 보여주며, S. Fq(Hz)에는 사용자 분석법에 의해 분석된 데이터의 샘플링 주파수 정보를 보여줍니다. 사용자 분석법 제어 대화상자 오른쪽의 버튼들을 이용하여, 등록된 사용자 분석법을 제거하거나, 변경된 정보를 적용할 수 있습니다. 사용자가 등록된 분석법을 삭제하고 싶은 경우, 삭제하고자 하는 분석법을 선택하고 Delete 버튼을 클릭하면 됩니다. Delete All 버튼을 클릭하면 등록된 모든 사용자 분석법을 삭제할 수 있습니다. 사용자 분석법의 정보를 변경하고 이를 적용할 때는 Apply 버튼을 이용합니다.