Академический Документы
Профессиональный Документы
Культура Документы
Um problema que impede o progresso na pesquisa de Interface CrebroComputador (BCI) a dificuldade em reproduzir os resultados em diferentes
trabalhos. Comparando diferentes algoritmos atualmente muito difcil.
Algumas melhorias foram feitas atravs da utilizao de conjuntos de dados
padro para avaliar diferentes algoritmos. No entanto, a falta de uma estrutura
de comparao ainda existe. Neste trabalho, ns construmos um novo quadro
comparao geral para comparar algoritmos diferente em vrios conjuntos de
dados padro. Todos estes conjuntos de dados correspondem BCIs motoras
sensoriais, e so obtidos a partir de 21 indivduos durante o seu funcionamento
de BCIs sncronos e 8 indivduos usando BCIs de prprio ritmo. Outros
pesquisadores podem usar nossa estrutura para comparar os seus prprios
algoritmos em seus prprios conjuntos de dados. Ns comparamos o
desempenho de diferentes algoritmos de classificao populares ao longo
destes 29 indivduos e realizou testes estatsticos para validar os nossos
resultados. Os nossos resultados sugerem que, para um dado sujeito, a
escolha do classificador para um sistema de BCI depende do mtodo de
extrao de caractersticas utilizada nesse sistema de BCI. Isto ao contrrio
da maioria das publicaes no campo que usaram Anlise Discriminante Linear
(LDA), como o classificador de escolha para os sistemas de BCI.
INTRODUO:
Um crebro Computer Interface um sistema que descobre padres
especficos na atividade cerebral de uma pessoa que se relacionam com o
seu / sua inteno de controlar um dispositivo [1]. Se tais padres so
detectados no EEG, ento as questes BCI sinais especficos para pr em
prtica a ao pretendida. Tradicionalmente, a aplicao mais popular de BCIs
tem sido ajudar as pessoas com deficincia [2], no entanto, novas aplicaes,
tais como jogar jogos de computador tm surgido recentemente [3].
Entre os vrios meios para medir a atividade cerebral, os sistemas baseados
BCI-EEG tm vrias vantagens [4]. Podem medir as alteraes na atividade do
crebro ao longo de perodos de tempo curtos (milissegundos), eles so
baratas, no-invasiva e verstil. No entanto, eles tambm tm vrios
inconvenientes. A relao sinal-rudo do sinal de EEG baixa, isto , os sinais
tm amplitude muito baixa (isto , cerca de 10 a 100 microvolts) em
comparao com o rudo de fundo. Portanto, detectar as intenes de uma
pessoa de seus sinais cerebrais medidos uma tarefa desafiadora e tem
estado na vanguarda da investigao. Alm disso, a resoluo dos sinais do
crebro denominada a resoluo espacial baixa e dependente do nmero de
eltrodos que pode ser colocado sobre a cabea do sujeito.
BCIs atuais usam diversas atividades eletrofisiolgicos diferentes para operar.
Entre os vrios mtodos diferentes para operar um BCI, aqueles que contam
com o motor sensorial tm sido de especial interesse [4] [5]. Este tipo de BCIs
no precisa de estmulos de fora do BCI para controlar o sistema eo assunto
pode aprender a gerar o padro cerebral apropriada para controlar um
Extrao de Caractersticas
Na etapa de extrao de caractersticas, diferentes tipos de caractersticas
pode ser extrada a partir do sinal filtrado. As caractersticas extradas deve
representar adequadamente as informaes ocultas no sinal EEG cru. Ns
usamos dois dos mtodos de extrao de caractersticas mais comuns e bem
sucedidas utilizadas em sistemas BCI baseado motor de imagens. Ambas as
abordagens calcular a banda de energia (BP) do sinal [30] [31] [32].
Na primeira abordagem, a banda de energia de um sinal extrado por
aplicao direta de um sinal, um filtro que permite apenas as frequncias
dentro de cada banda de filtro que passar. Assumindo um filtro de bloqueio
perfeito, que pode, em seguida, estimar a potncia do sinal filtrado pela soma
dos quadrados da magnitude do sinal filtrado. Desde o logaritmo de recursos
de banda de energia tambm tem sido utilizado na literatura [30], ns inclumos
tanto o band-poder e seu logaritmo no nosso conjunto de recursos. Neste
estudo, foram extradas as caractersticas elctricas da banda para o [8-12
Hz] e [16-24 Hz] bandas dos sinais cerebrais de frequncia. Referimo-nos a
esses recursos band-energia como apresenta a BP no restante do texto.
Na segunda abordagem de extrao de caractersticas, foi utilizado o wavelet
Morlet para extrair os recursos de banda de energia. Este mtodo um dos
mais bem sucedidos mtodos de extrao de caracterstica utilizados em
sistemas de BCI motora sensoriais [30]. Neste mtodo, o sinal decomposto
utilizando a wavelet Morlet me e a energia em cada banda de frequncia
calculado. Usamos a configurao exata como em [31] para extrair esses
recursos; isto , para cada canal, todas as bandas de frequncia so
escolhidos para estar na gama de 4-30 Hz. Isto resulta em 26 caractersticas
para cada canal. Esta configurao para extrair recursos da BP ir resultar em
espaos altos-dimensional de recursos, especialmente para conjuntos de
dados com muitos canais de EEG.
Depois de extrair caractersticas de cada bloco do banco de filtros, as
caractersticas extradas so combinados para construir um vector
caracterstico, que alimentado para o componente de classificao da nossa
estrutura.