뇌기계 인터페이스를 위한 SCHUR 기반 재구성 SOBI 알고리즘

초록

본 논문은 재활 로봇 제어에 사용되는 뇌‑기계 인터페이스(Brain‑Machine Interface, BMI)에서 실시간으로 뇌전도(EEG) 신호를 처리하기 위해 기존의 SOBI(Second‑Order Blind Identification) ICA 알고리즘을 SCHUR 분해를 이용해 재구성한 새로운 알고리즘을 제안한다. 제안된 알고리즘은 계산 복잡도를 크게 낮추어 처리 시간을 단축시키면서도 신호 분리 성능을 유지한다는 실험 결과를 제시한다.

상세 분석

SOBI 알고리즘은 2차 통계량을 이용해 독립 성분을 추정하는 대표적인 ICA 방법으로, 특히 EEG와 같이 잡음과 아티팩트가 많이 섞인 신호에 강인한 특성을 보인다. 그러나 전통적인 SOBI는 공분산 행렬의 고유값 분해와 여러 단계의 joint diagonalization 과정을 포함하고 있어, 차원이 수백에 달하는 실시간 EEG 데이터에 적용할 경우 연산량이 급격히 증가한다. 논문은 이러한 병목 현상을 해소하기 위해 Schur 분해를 도입한다. Schur 분해는 복소수 정규 행렬을 상삼각 행렬과 유니터리 행렬의 곱으로 표현하는데, 고유값을 직접 계산하지 않고도 행렬의 스펙트럼 정보를 효율적으로 얻을 수 있다. 특히, Schur 형태는 QR 알고리즘보다 수렴 속도가 빠르고, 메모리 접근 패턴이 연속적이어서 현대 CPU와 GPU의 캐시 구조에 최적화된다.

제안된 재구성 SOBI는 먼저 원본 EEG 데이터의 공분산 행렬을 Schur 분해하여 상삼각 행렬 T와 유니터리 행렬 Q를 얻는다. 이후 T의 대각 원소(근사 고유값)를 이용해 시간 지연된 공분산 행렬들의 joint diagonalization을 수행한다. 이 과정에서 기존의 고유값 분해 대신 T의 대각 원소만을 사용함으로써 복소수 연산을 최소화하고, 행렬 곱셈을 BLAS 수준 3 연산으로 집약한다. 결과적으로 알고리즘의 시간 복잡도는 O(N³)에서 실질적으로 O(N²) 수준으로 감소한다.

실험에서는 64채널, 500 Hz 샘플링 레이트의 EEG 데이터를 사용해 기존 SOBI와 재구성 SOBI를 비교하였다. 처리 시간은 평균 120 ms에서 35 ms로 70 % 이상 단축되었으며, 신호‑대‑노이즈 비(SNR)와 독립 성분 간 상관계수 측면에서는 차이가 거의 없었다. 또한, 실시간 피드백 제어 루프에 적용했을 때 로봇 팔의 목표 위치 도달 시간이 15 % 감소하는 등 실제 임상 적용 가능성을 입증하였다.

이 논문은 Schur 분해가 고차원 신호 처리에 제공하는 계산 효율성을 ICA 분야에 성공적으로 적용한 사례로, 향후 다른 블라인드 소스 분리 기법이나 딥러닝 기반 전처리 단계에서도 유사한 최적화 전략을 도입할 여지를 제시한다. 특히, 실시간 뇌‑컴퓨터 인터페이스와 같은 시간 민감형 시스템에서 알고리즘의 복잡도 감소는 하드웨어 비용 절감과 전력 소비 감소라는 부수적 이점을 가져온다.