Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  EEG data
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule opisano koncepcję otrzymywania tzw. sygnału wyjściowego na potrzeby między innymi zastosowań do procesów sterowania. W tym celu zaproponowano budowę dwumodułowego systemu do przetwarzania i analizy danych elektroencefalograficznych w skład, którego wchodzi analiza czynnikowa oraz pseudoinwersja Moore-Penrose. W artykule scharakteryzowano także problem dużej interferencyjności źródeł sygnałów EEG, co ma negatywny wpływ na finalny proces otrzymywania wyjściowego sygnału z zastosowaniem w automatyce, czy robotyce. Implikuje to tym samym konieczność właściwej i poprawnej identyfikacji źródeł sygnału w mózgu człowieka.
EN
This paper describes the concept of obtaining the so-called. the output signal for the purpose, inter alia, the control processes carried out. To this end, proposed the construction of two-modular system for processing and analysis of electrophysiological data on the composition, which includes factor analysis and pseudoinversion Moore Penrose. In the article the problem of high interference sources of EEG signals, which has a negative impact on the process of obtaining the final output using automation or robotics. This implies also the problem of proper and correct identification of sources in the human brain.
2
Content available remote Electroencephalogram classification methods
EN
Today still big challenge in world to find efficient technique for perform recognition on mental tasks, and distinguish between them. This allow us to use Brain Computer Interface applications to helps disabled people to interaction with environment and control on external devices.
PL
Obecnie duze znacznie ma rozpoznawanie aktywności umysłowej dzięki analizie aktywności mózgu. W artykule omówiono interfejs komputer-mózg.
EN
A new form of the nonlinearity implemented in the ICA approach is presented in the paper. The proposed independent component analysis based on differential entropy can be used for elimination of physiological artifacts from electroencephalographic signals. For verification of the quality of separation of the EEG data, the PI index is proposed. The second measure of accuracy is the normalized kurtosis which can be used in analysis of the simulated EEG data. As it has been proved, the new sigmoid function used in the ICA approach can effectively separate the EEG data.
PL
W artykule przedstawiono nową propozycję nieliniowości - sigmoidalną funkcję algebraiczną, która została zaimplementowana w algorytmie stosującym metodę analizy składowych niezależnych (ang. Independent Component Analysis). Proponowana nowa postać algorytmu wykorzystująca właściwości entropii różniczkowej, może zostać użyta także do separacji a następnie eliminacji wybranych artefaktów fizjologicznych pochodzenia ocznego i mięśniowego zarejestrowanych w zapisach EEG. W celu weryfikacji dokładności separacji sygnałów EEG zaproponowano współczynnik jakości separacji PI (ang. Performance Index). Jako drugą miarę dokładności procesu separacji wybrano wartość znormalizowanej kurtozy, która może być stosowana jedynie w przypadku separacji elektroencefalogramów zarejestrowanych z symulatora EEG. W artykule udowodniono, że użycie nowej funkcji sigmoidalnej w rozszerzonej postaci algorytmu infomax prowadzi do efektywnej separacji sygnałów EEG umożliwiając eliminację wybranych składowych niepożądanych.
4
Content available remote Artifacts extraction from EEG data using the infomax approach
EN
The aim of the research is to detect and remove undesired components from EEG data by means of ICA approach. Besides classical signal analysis tools such as adaptive supervised filtering, parametric or non-parametric spectral estimation, time-frequency analysis, the proposed ICA technique can be used for detection of a wide group of artifacts from EEG data. In this paper a new form of nonlinearity implemented in the infomax approach is presented. As it has been proven experimentally, the proposed new sigmoidal function can effectively detect the selected group of artifacts from EEGs and is an useful approach to speed up computations.
PL
Celem przedstawionych wyników badań jest eliminacja wybranych niepożądanych sygnałów przy użyciu analizy składowych niezależnych. W artykule przedstawiono następujące algorytmy BSS (z ang. Blind Signal Separation): HJ oraz Infomax jako narzędzia do separacji i usuwania wybranej grupy artefaktów (mruganie powiek, artefakty mięśniowe) z przebiegów EEG. Jak udowodniono w eksperymentach proponowane algorytmy adaptacyjne mogą efektywnie wykrywać i usuwać wybrane artefakty z przebiegów EEG.
EN
The aim of the performed investigations is to remove selected undesired signals by means of ICA approach. In the paper there are presented the following algorithms BSS (Blind Signal Separation): HJ and Infomax for separation and removal of selected group of artifacts (eye blinks, muscle activity) from EEG recordings. It has been proved in the experiments which are described in the paper that the proposed adaptive algorithms can effectively detect and remove these selected artifacts from EEG recordings.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.