Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: BCI systems

Sortuj według:

Ogranicz wyniki do:

Spatial and spatio-temporal filtering based on common spatial patterns and Max-SNR for detection of P300 component

Rizi F. S., Abootalebi V., Sadeghi M. T.

Biocybernetics and Biomedical Engineering

2017

Vol. 37, no. 3

365--372

Recent advances in brain-computer interfaces (BCIs) have developed a new arena for designing systems to help disabled persons to communicate with the surrounding environment. P300 speller is one of the most famous BCI systems choosing the characters from a virtual keyboard through the analysis of EEG signals. P300 detection is an important processing step of these systems. The accuracy of P300 detection highly depends on the feature extraction method. In this study, the maximum signal to noise ratio (Max-SNR) has been used for feature extraction, which rarely applied in this area. This study presents a novel feature extraction technique, named spatio-temporal Max-SNR (ST.Max-SNR). Unlike the standard Max-SNR which only uses spatial patterns of a signal, the proposed method, separately consider the spatial and temporal patterns of the signal to enhance the accuracy of feature extraction. Due to the similarity of the common spatial pattern (CSP) and the Max-SNR algorithms, the performance of this technique and its extension, common Spatio- temporal pattern (CSTP), has been compared with the proposed method. Then, the LDA and SWLDA classifiers are used for classification of the features. Our experimental results show that the Max-SNR based spatio-temporal features lead to an average classification accuracy of 94.4 percent suggesting the best performance.

Applying algorithms for inverse solutions in classifying EEG signals

Jagodzińska U.

Elektronika : konstrukcje, technologie, zastosowania

2013

Vol. 54, nr 9

144-147

The article presents selected algorithms in inverse solutions in the EEG signal. When undertaking the calculations, it was assumed that the data obtained from electrodes on the surface of the head were preprocessed. As a result of using these algorithms it is possible to specify both the areas of the brain that the signals come from and the current density of the signals read by means of electrodes placed on the surface of the head. On the basis of knowing the solution to the inverse problem, an attempt was made to select the features of the signals. Then t-statistics was used to differentiate and order them.

W artykule przedstawiono wybrane algorytmy rozwiązywania zagadnień odwrotnych w sygnale EEG. Przystępując do obliczeń założono, że dane uzyskane z elektrod rozmieszczonych na powierzchni głowy zostały wstępnie przetworzone. Wynikiem działania tych algorytmów jest lokalizacja obszarów mózgu, z których pochodzą sygnały oraz natężenia tych sygnałów odczytywanych za pomocą elektrod rozmieszczonych na powierzchni głowy. Znając rozwiązania zagadnienia odwrotnego podjęto też próbę selekcji cech. Wykorzystano t-statystykę do ich zróżnicowania i uszeregowania.