Bezprzewodowe sterowanie urządzeniem za pomocą sygnałów mózgowych

• Autorzy: Jagodzińska-Szymańska U. , Sędek E.

Identyfikatory

DOI

10.15199/13.2018.2.11

Warianty tytułu

EN

Wireless device control with the use of brain signals

• Języki publikacji: PL

Abstrakty

PL

Sygnały bioelektryczne emitowane przez mózg mogą być rejestrowane i po przetworzeniu oraz poprawnej klasyfikacji wykorzystane do sterowania urządzeniem zewnętrznym. W tym celu zostało zaprojektowane urządzenie działające w oparciu o platformę Arduino Uno R3 odbierające i wyświetlające przetworzone i zaklasyfikowane sygnały mózgowe jako komendy sterujące. Sygnały te są przetwarzane i klasyfikowane poprzez algorytmy zaimplementowane w środowisku Matlab a następnie przesyłane poprzez protokół komunikacji bezprzewodowej Bluetooth do urządzenia zewnętrznego. Efektem wizualnym sygnałów sterujących wysyłanych z mózgu jest zapalenie się na urządzeniu zewnętrznym diody zielonej lub czerwonej wskazującej na wykonanie komendy dotyczącej myślenia o ruchu prawą lub lewą ręką. W wyniku bezprzewodowej komunikacji urządzenie sterowane za pomocą sygnałów mózgowych może znajdować się w oddaleniu od osoby wykonującej zadania myślowe i od urządzenia klasyfikującego.

EN

Bioelectric signals emitted by the human brain can be registered and used to control an external device after they have been processed and correctly classified. The device which was designed for this purpose used platform Arduino Uno R3, which receives and displays the command signals coming from the brain after these have been processed and classified. The processing and classifying of these signals is accomplished by means of algorithms implemented in the Matlab computing environment and transmitted to the external device via wireless communication Bluetooth protocol. The visual effect of the control signals coming from the brain is such that a green or red diode light is turned on and is visible on the external device indicating sending the mental command of a right or left hand movement. As a result of wireless communication the device controlled by brain signals can be placed at a distance from both the person conducting the brain tasks or the classifying device.

Słowa kluczowe

PL

sterowanie bezprzewodowe myślą; BCI

EN

wireless brain control; BCI

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2018
• Tom: Vol. 59, nr 2
• Strony: 46--51
• Opis fizyczny: Bibliogr. 18 poz., rys., wykr.

Twórcy

autor

Jagodzińska-Szymańska U.

• PIT-RADWAR Spółka Akcyjna, ul. Poligonowa 30, 04-051 Warszawa

autor

Sędek E.

• Technologiczno-Przyrodniczy, ul. S. Kaliskiego 7, Bydgoszcz
• PIT-RADWAR Spółka Akcyjna, ul. Poligonowa 30, 04-051 Warszawa

Bibliografia

• [1] Dąbrowska, M. i Laus-Mączyńska, K. (1978). Metody wyszukiwania i klasyfikacji informacji (Information Retrieval and Classification. Survey of Methods). WNT.
• [2] Durka, P., Kamiński, M., Kuś, R., Malinowska, U., Mikuła, I., Duszyk, A. i inni. (2010). EEG: skrypt. brain.fuw.edu.pl/edu/ EEG.
• [3] Jagodzińska, U. (2013, wrzesień). Applying Algorithms for inverse solutions in classifying EEG signals (Wykorzystywanie algorytmów do rozwiązywania zagadnień odwrotnych do klasyfikacji sygnałów EEG). Elektronika Konstrukcje Technologie Zastosowania, strony 144–147.
• [4] Jagodzińska, U. (2013). Rozwiązanie zagadnienia odwrotnego jako klasyfikator sygnałów EEG w inerfejsach mózg-komputer. Konferencja Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
• [5] Jagodzińska, U. (2013). The implementation of algorithms for inverse solutions in EEG brain-computer interfaces. Signal Processing Symposium (SPS). IEEE.
• [6] Jagodzińska, U. (2013, marzec). Towards the Applications of Algorithms for Invese Solutions in EEG Brain-Computer Interfaces. International Journal of Telecommunications, ISSN 2081-8491, strony 277–283.
• [7] Jagodzińska, U. i Ł., O. (2012). Metoda LORETA jako przykład metody rozwiązywania zagadnienia odwrotnego w interfejsie mózg-komputer. Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
• [8] Jagodzińska, U. i Oskwarek, Ł. (2012, grudzień). Metoda LORETA jako przykład rozwiązywania zagadnienia odwrotnego w interfejsie mózg-komputer (Low resolution electromagnetic tomography method as an example of solving the inverse problem in brain computer interface). Elektronika Konstrukcje Technologie Zastosowania, strony 89–91.
• [9] Jagodzińska-Szymańska, U. (2014, październik). Implementacja wybranej metody klasterowej do klasyfikacji źródeł sygnałów EEG związanych z wyobrażaniem ruchu (Implementation of the chosen cluster method used for classification of EEG signal sources related to movement imagination). Elektronika Konstrukcje Technologie Zastosowania, strony 74–78.
• [10] Jagodzińska-Szymańska, U. (2014). Zastosowanie teorii grafów do klasyfikacji sygnałów EEG (Implementation of graph theory for EEG signals classification). Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
• [11] Jagodzińska-Szymańska, U. (2015, wrzesień). Implementacja BCI do klasyfikacji intencji ruchu w oparciu o lokalizację źródeł sygnałów EEG (Implementationof BCI for classifying the intention of movement based on the location of EEG signal sources). Elektronika Konstrukcje Technologie Zastosowania, strony 60–63.
• [12] Jagodzińska-Szymańska, U. (2015). Zastosowanie interfejsu mózg-komputer (BCI) do odczytywania intencji ruchu prawą i lewą ręką w oparciu o lokalizację przestrzenną źródeł sygnałów bioelektrycznych. Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
• [13] Jagodzińska-Szymańska, U. (2016, grudzień). Algorytm automatycznej klasyfikacji w oparciu o sygnały źródłowe EEG i jego implementacja (Algorithm for the automatic classification based on the signal sources of EEG and its implementation). Elektroniak Konstrukcje Technologie Zastosowania, strony 31–32.
• [14] Jagodzińska-Szymańska, U. (2016, listopad). Testowanie algorytmu wykorzystującego rozwiązanie zagadnienia odwrotnego do klasyfikacji sygnałów sterujących. Elektronika Kontstukcje Technologie Zastosowania, strony 81–83.
• [15] Kandel, E. R., Schwartz, J. H. i Jessell, T. M. (2000). Principles of neural science. McGraw-Hill Companies, Inc.
• [16] Noirhomme, Q. (2006). Localization of Brain Functions: Stimuling Brain Activity and Source Reconstruction for Classification. Louvain: These presentee en vue de l’obtention du grande de Docteur en Science Appliquees, UniversitateCatholique de Louvain.
• [17] Nunez, P. L. i Srinivasan, R. (2006). Electric Fields Of The Brain. OXFORD University Press.
• [18] Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G. i Vaughan, T. M. (2002). Brain-computer interfaces for communication and control. ELSEVIER.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).