The use of Brain Computer Interfaces in control processes based on the industrial PC in terms of the methods of EEG signal analyses

• Autorzy: Paszkiel S.
• Języki publikacji: EN

Abstrakty

EN

The article presents applications of BCI - Brain Computer Interfaces technology in the control processes based on the infrastructure of an IPC - an Industrial PC. Methods of the EEG signal analysis such as the PCA the Principal Component Analysis and the ICA the Independent Component Analysis are also discussed. Nowadays industrial computers are increasingly used in production, due to their specific technical parameters conducive to working in difficult conditions. The use of control based on brain-computer interface speed definitely rate the performance of the employees, reduce the response time to the case and allows you to remotely perform the activity.

Słowa kluczowe

EN

Brain Computer Interfaces; BCI; control processes; industrial PC

PL

interfejs mózg-komputer; BCI; procesy sterowania; przemysłowy komputer PC

• Wydawca: University of Silesia, Institute of Informatics, Computer Systems Department
• Czasopismo: Journal of Medical Informatics & Technologies
• Rocznik: 2013
• Tom: Vol. 22
• Strony: 55--62
• Opis fizyczny: Bibliogr. 13 poz., rys., wykr.

Twórcy

autor

Paszkiel S.

• Opole University of Technology, Faculty of Electrical Engineering, Automatic Control and Informatics, Gen. Kazimierza Sosnkowskiego 31, 45-271 Opole, Poland

Bibliografia

• [1] BLACHOWICZ A., PASZKIEL Sz., A mobile system for measurements of incomplete discharges controlled by electroencephalographic waves, Journal of Automation, Mobile Robotics Intelligent Systems, JAMRIS, Warszawa, 2010, Vol. 4, No. 3, pp. 31-35.
• [2] COMON P., Independent Component Analysis a new concept?, Signal Processing, 1994, Vol. 36, pp. 287-314.
• [3] DELORME A., MAKEIG S., Eeeglab: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis; Journal of Neuroscience Methods, 2004, 134(1), pp. 9-21.
• [4] JUTTEN C., HERAULT J., Blind separation of sources, Part I: An adaptive algorithm based on neuromimetic architecture, Signal Processing, 1991, Vol. 24, pp. 1-10.
• [5] KRZANOWSKI W. J., Principles of Multivariate Analysis: A User’s Per-spective. Oxford University Press, 2000.
• [6] MAJKOWSKI J., Elektroencefalografia kliniczna; Państwowy Zakład Wydawnictw Lekarskich, Warszawa, 1989.
• [7] MEGHDADI A.H., FAZEL-REZAI R., AGHAKHANI Y., Detecting determinism in EEG signals using principal component analysis and surrogate data testing; Conf Proc IEEE Eng Med Biol Soc. 2006.
• [8] PASZKIEL Sz., ZMARZLY D., KAWALA A., SZMECHTA M., Zastosowanie pomiarow elektroencefalograficznych EEG w procesie uwierzytelniania biometrycznego uzytkownikow; Miesiecznik naukowo-techniczny Pomiary, Automatyka, Kontrola, Warszawa, 1997, Vol. 53 BIS 9’2007, pp. 433-436.
• [9] PASZKIEL Sz., Wykorzystanie metody PCA i ICA do analizy sygnalu EEG w kontekscie usuwania zaklocen, Pomiary Automatyka Kontrola - PAK 2013, Warszawa, 2013, Vol. 59, 3/2013, pp. 204-207.
• [10] PASZKIEL Sz., Zastosowanie modeli populacyjnych w interfejsach mozg-komputer, Monografia "Mlodzi Innowacyjni 2012, pod redakcja prof. Janusza Kacprzyka, Wyd.: Instytut Automatyki i Pomiarow PIAP we współpracy z Narodowym Centrum Badan i Rozwoju NCBiR, 2013, pp. 152-170.
• [11] PASZKIEL Sz., Koncepcja systemu dwumodulowego, laczacego modelowanie populacyjne frakcji komorek neuronalnych z algorytmami analizy artefaktow sygnalu EEG, Pomiary Automatyka Kontrola - PAK 4/2012, Warszawa, 2012, pp. 361-364.
• [12] PASZKIEL Sz., BLACHOWICZ A., Zastosowanie BCI do sterowania robotem mobilnym, Pomiary Automatyka Robotyka PAR 02/2012, Warszawa, 2012, pp. 270-274.
• [13] TADEUSIEWICZ R., et. all, Neurocybernetyka teoretyczna; Wydawnictwo Uniwersytetu Warszawskiego, Warszawa, 2009.