Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Paszkiel S.

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: analiza artefaktów

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie metody PCA i ICA do analizy sygnału EEG w kontekście usuwania zakłóceń

Paszkiel S.

Pomiary Automatyka Kontrola

2013

R. 59, nr 3

204--207

W artykule przedstawiono metodę PCA (ang. Principal Component Analysis) oraz ICA (ang. Independent Component Analysis), jako narzędzia pomocne w procesie eliminacji artefaktów z sygnału elektroencefalograficznego. Proces rejestracji sygnału elektroencefalograficznego można zobrazować, jako BSS (ang. Blind Signals Separation). Dzięki temu możliwe jest dokonywanie estymacji nieznanych sygnałów źródłowych oraz ekstrakcji niepożądanych sygnałów zakłócających, w zakresie ich późniejszej eliminacji. W tym celu konieczne jest doskonalenie metod weryfikacji i eliminacji artefaktów z sygnału EEG. W artykule opisano możliwość zastosowania powyższych metod w zakresie sygnału EEG oraz zrealizowane zostało porównanie skuteczności ich działania.

: In the paper there are presented the Principal Component Analysis (PCA) and the Independent Component Analysis (ICA) as useful tools for elimination of artefacts in an electroencephalographic signal. The process of registration of the electroencephalographic signal can be described as BSS - Blind Signals Separation. It is possible to estimate unknown source signals and to extract intrusive disturbing signals in terms of their subsequent elimination. It is necessary to improve the methods of verification and elimination of artefacts from an EEG signal. The Brain Computer Interface (BCI) technology is presented briefly in the first part of the paper. EEG signal characteristics and its acqui-sition with the non-invasive method are described in the second part. Next, there is discussed the possibility of using the PCA and ICA methods in terms of analysis of an EEG signal. Comparison of the effectiveness of these methods is presented as well. A general profile of the EEG signal processing is shown in Fig. 1. An example of use of the infomax algorithm for a real EEG signal is depicted in Fig. 2. Fig. 3 shows an exemplary Event-Related Potential (ERP) of the EEG signal.

Koncepcja systemu dwumodułowego, łączącego modelowanie populacyjne frakcji komórek neuronalnych z algorytmami analizy artefaktów sygnału EEG

Paszkiel S.

Pomiary Automatyka Kontrola

2012

R. 58, nr 4

361-364

W artykule przedstawiono nowatorskie połączenie modelowania populacyjnego z algorytmami analizy artefaktów zakłócających. Badania prowadzono w zakresie wykorzystania dwóch metod analizy sygnału elektroencefalograficznego: Principal Component Analysis oraz Independent Component Analysis. Pierwszy moduł systemu zawiera model populacyjny frakcji komórek neuronalnych, opracowany na bazie pierwszego modelu Wilsona i Cowana. Drugi moduł składa się z zaimplementowanych metod analizy sygnału EEG w kontekście eliminacji zakłóceń występujących w modelowanym sygnale, odzwierciedlającym reakcję na konkretny potencjał wywołany.

The paper presents an innovative connection of population modelling with algorithms of analysis of disruptive artefacts. The research was conducted for two methods concerning analysis of the electroencephalographic signal. These are Principal Component Analysis and Independent Component Analysis described in Section 4. Conceptions of a two-module system are shown in Fig. 1 and described in Section 3. The module 1 of the system contains a population model of a fraction of neuron cells prepared on a basis of the first Wilson and Cowan's module. It is described in Section 2 of the paper. The module 2 consists of implemented methods concerning analysis of the EEG signal for elimination of disruptions in the modelling signal which reflects a reaction for a particular evoked signal. There is no doubt that the two-module system, presented here, would be a helpful device for those scientists who construct brain-computer and brain-machine interfaces. Its usefulness in laboratory conditions would advance implementation of particular states which are typical for modifica-tions of the electroencephalographic signal in terms of reactions for external impulses, limb movements or eye closing etc.