이 연구는 운동학적 분석에 의해 취득된 측정변인들의 PCA algorithm 데이터 해석에 대한 연구이다. 상대적으로 빠르고 간단하여 높은 인식률을 얻을 수 있는 주성분분석(PCA)기법은 보행분석 시 방대한 측정값에 대한 주요 핵심성분을 검출함으로서 운동변인을 보다 수월하게 이해하고 해석하는데 권장된다. VICON Motion Analysis System을 이용하여 1차 분석 자료로부터 하지관절 각변위 곡선의 매개변수를 구하고, PCA분석은 MatLab을 이용하여 2차 자료처리를 하였다. 분석결과 주요 매개변수들에 대한 1st principle component와 2nd principle component에 따른 회귀방정식은 고관절(y=-0.64x-0.0023)이 음의 상관, 무릎관절(y=0.78x-0.083)은 상대적으로 높은 양의 상관을 보였으며, 발목관절(y=0.28x-0.041)은 낮은 양의 상관을 보였다. 위 결과로부터 주성분분석은 인체 하지관절 ROM에 대한 안정성분과 및 추진성분으로 해석하고 보행 인자를 평가하는데 대한 시각화 연구로서 추천된다.

The purpose of this study is to analyze the visualization of various parameters on the kinematic variables. It is the useful tools that PCA(principle component analysis) algorithm is acquired fast, robust and highly the rate of recognition at enormous amount of raw data, relatively. Using VICON 512 Motion Analysis System, the collected raw data was analyzed the kinematic angle data of lower limbs was processed with VCM software. And then utilizing Matlab.(ver 7.0.4) program, raw variable data was assessed by PCA algorithm. Additionally, the statistical procedure was the factor analysis performed by SPSS(ver 12.0). For this study, PCA methods which were assessed parameters of hip, knee and ankle joint. In conclusion, it showed that linear regression equations were hip joint(y=-0.64x-0.0023), knee joint(y=0.78x-0.083) and ankle joint(y=0.28x-0.041). PCA of hip joint parameters were negatively correlated with PCA processing datas, the parameters of knee joint was highly positive correlated, and ankle joint's positively correlated. Additionally, these results were interpreted to be valuable visualization methods which were stability and mobility components in comparison with the kinematic variables in normal walking.