Use este identificador para citar ou linkar para este item:
https://repositorio.ufrn.br/handle/123456789/15432
Título: | Um sistema inteligente de classificação de sinais de EEG para Interface Cérebro-Computador |
Autor(es): | Barbosa, André Freitas |
Orientador: | Guerreiro, Ana Maria Guimarães |
Palavras-chave: | interface cérebro-computador;EEG;classificação de padrões;PCA;ICA;brain-computer interfaces;EEG;pattern classification;PCA;ICA |
Data do documento: | 24-Fev-2012 |
Editor: | Universidade Federal do Rio Grande do Norte |
Referência: | BARBOSA, André Freitas. Um sistema inteligente de classificação de sinais de EEG para Interface Cérebro-Computador. 2012. 52 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2012. |
Resumo: | As interfaces cérebro-computador (ICC) têm como objetivo estabelecer uma via de comunicação com o sistema nervoso central (SNC) que seja independente das vias padrão (nervos, músculos), visando o controle de algum dispositivo. O objetivo principal da presente pesquisa é desenvolver uma ICC off-line que separe os diferentes padrões de EEG resultantes de tarefas puramente mentais realizadas por um sujeito experimental, comparando a eficácia de diferentes abordagens de pré-processamento do sinal. Também foram testadas diferentes abordagens de classificação: todos contra todos, um contra um e uma abordagem hierárquica de classificação. Não foram encontradas técnicas de pré-processamento que melhorem os resultados do sistema. Além disso, a abordagem hierárquica sugerida mostrou-se capaz de produzir resultados acima do padrão esperado pela literatura |
Abstract: | The Brain-Computer Interfaces (BCI) have as main purpose to establish a communication path with the central nervous system (CNS) independently from the standard pathway (nervous, muscles), aiming to control a device. The main objective of the current research is to develop an off-line BCI that separates the different EEG patterns resulting from strictly mental tasks performed by an experimental subject, comparing the effectiveness of different signal-preprocessing approaches. We also tested different classification approaches: all versus all, one versus one and a hierarchic classification approach. No preprocessing techniques were found able to improve the system performance. Furthermore, the hierarchic approach proved to be capable to produce results above the expected by literature |
URI: | https://repositorio.ufrn.br/jspui/handle/123456789/15432 |
Aparece nas coleções: | PPGEE - Mestrado em Engenharia Elétrica e de Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
AndreFB_DISSERT.pdf | 2,1 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.