Testowanie algorytmu wykorzystującego rozwiązanie zagadnienia odwrotnego do klasyfikacji sygnałów sterujących

• Autorzy: Jagodzińska-Szymańska U.

Identyfikatory

DOI

10.15199/13.2016.11.17

Warianty tytułu

EN

Testing algorithm based on the inverse solution for the classification of command signals

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest zaprezentowanie wyników testowania algorytmu do klasyfikacji sygnałów EEG opartego na rozwiązywaniu zagadnienia odwrotnego. W wyniku rozwiązania zagadnienia odwrotnego uzyskano pewne przybliżenie lokalizacji aktywnych obszarów mózgu. Wszystkie obliczenia były realizowane dla sygnałów z H eadsetu Emotiv EPOC (wstępnie przetworzonych) dotyczących ruchu prawą i lewą ręką. Wzięto pod uwagę sygnały o częstotliwości 12 Hz związane z wyobrażaniem ruchu. Do przeprowadzenia klasyfikacji sygnałów wykorzystano algorytm Gowera. Podstawą do zastosowania tego algorytmu jest t-statystyka oraz zjawisko synchronizacji i desynchronizacji ERD/ERS występujące przy wyobrażeniu ruchu prawą i lewą ręką.

EN

The purpose of the article is to present the outcomes of testing algorithm for the classification of EEG signals based on the inverse solution. As a result of finding the solution to the inverse problem a certain approximation of active areas of the brain is received. All the calculations were made with the use of signals provided by Headset Emotiv EPOC (after preprocessing) for the left and the right hand movement. The signals frequency 12 Hz connected with movement activity and imagining of movement activity was taken into account. Gowert’s algorithm was used to construct the algorithm used for classification. The base to use this algorithm are both t-statistics and the phenomenon of ERD/ERS occurring when imagining of right and left hand movement.

Słowa kluczowe

PL

BCI; zagadnienie odwrotne w BCI; algorytm Gowera; klasyfikacja sygnałów BCI

EN

BCI; inverse solution in BCI; Gower algorithm; BCI signals classification

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2016
• Tom: Vol. 57, nr 11
• Strony: 81--83
• Opis fizyczny: Bibliogr. 13 poz., tab., rys.

Twórcy

autor

Jagodzińska-Szymańska U.

• PIT-RADWAR Spółka Akcyjna, Warszawa

Bibliografia

• [1] Dąbrowski M., Laus-Mączyńska K. 1978. „Metody wyszukiwania i klasyfikacji informacji”. WNT.
• [2] Gower J. C., Ross G. J. S. 1969. “Minimum Spanning Trees and Single Linkage Cluster Analysis”. Journal Roy. Stat. Ass. C-Appl. Stat. No 18: 64–64.
• [3] Gower J. C. 1967. “A comparison of Some Methods of Cluster Analysis”, Biometrics vol. 23: 623–637.
• [4] Jagodzińska U. 2013. “The implementation of algorithms for inverse solutions in EEG brain-computer interfaces”. Signal Processing Symposium, IEEE base.
• [5] Jagodzińska U. 2013. “Towards the Applications of Algorithms for Inverse Solutions in EEG Brain-Computer Interfaces”, International Journal of Electronics and Telecommunications, ISSN 2081-8491: 277–283.
• [6] Jagodzińska, U. 2013. “Applying Algorithms for inverse solutions in classifying EEG signals. Wykorzystywanie algorytmów do rozwiązywania zagadnień odwrotnych do klasyfikacji sygnałów EEG”. ELEKTRONIKA – Konstrukcje, Technologie, Zastosowania 9/2013: 144–147.
• [7] Jagodzińska-Szymańska U. 2015. “Implementation of BCI for classifying the intention of movement based on the location of EEG signal sources”, ELEKTRONIKA – Konstrukcje, Technologie, Zastosowania 9/2015: 60–63.
• [8] Lawson CH, L. i inni. 1995. “Solving Least Square Problems, Classics in Applied Mathematics”. Society for Industrial and Applied Mathematics Philadelphia SIAM.
• [9] Narsingh Deo. 1980. „Teoria Grafów i Jej Zastosowania w Technice i Informatyce”. PWN.
• [10] Pascual-Marqui R.D., 1999, “Review of Methods for solving the EEG Inverse Problem”. International Journal of Bioelectromagnetism v. 1 No. 1: 75–86.
• [11] Rogers J., Tamimoto T. 1960. “A computer program for classifying Plants”, Science vol. 18: 103–110.
• [12] Ross G. J. S. 1969. “Minimum Spanning Trees”, Journal Roy. Stat. Ass. C-Appl. Stat. vol. 18: pp. 103–110.
• [13] Talairach, Brain Atlas. Dostępne: http://www.talairach.org [stan na dzień 07.08.2014].

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).