Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/1214
Title: Análise do desempenho de técnicas de processamento de sinais para uma interface cérebro-computador baseada em imagética motora.
Authors: Machado, Gabriel Souza
metadata.dc.contributor.advisor: Leite, Sarah Negreiros de Carvalho
Yared, Glauco Ferreira Gazel
metadata.dc.contributor.referee: Yared, Glauco Ferreira Gazel
Leite, Harlei Miguel de Arruda
Costa, Fabrício Javier Erazo
Keywords: Aprendizagem de máquina
Issue Date: 2018
Citation: MACHADO, Gabriel Souza. Análise do desempenho de técnicas de processamento de sinais para uma interface cérebro-computador baseada em imagética motora. 2018. 38 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2018.
Abstract: Interfaces cérebro-computador são sistemas em hardware e software que permitem a seus usuários transmitir suas intenções a dispositivos externos com o envolvimento mínimo de nervos periféricos e músculos. Uma forma de se controlar essas interfaces é através de imagética motora, que consiste em se imaginar um movimento sem realizá-lo, provocando alterações em ritmos cerebrais que podem ser detectadas em sinais de eletroencefalograma (EEG). Visando identificar essas alterações, neste trabalho desenvolveu-se a etapa de processamento de sinais de uma interface cérebro-computador, compreendendo: pré-processamento, extração de atributos, seleção de atributos e classificação. O pré-processamento dos sinais foi realizado usando Common Average Reference (CAR), a extração de atributos através do periodograma de Welch, Common Spatial Patterns (CSP) e Filter Bank Common Spatial Patterns (FBCSP), a seleção de atributos baseada em informação mútua e a classificação com Support Vector Machine (SVM) e Naïve Bayes. O sistema foi avaliado usando uma base de dados contendo sinais de EEG de nove pessoas realizando imagética motora de quatro classes diferentes: mão esquerda, mão direita, pés e língua. A melhor combinação encontrada alcançou uma acurácia de 71.20\% empregando CAR, FBCSP, informação mútua e Naïve Bayes. Os resultados indicam que a etapa de seleção de atributos é a que mais impacta a taxa de acerto, sendo que todas as melhores combinações de técnicas incluíram o FBCSP, e em todas as combinações o CSP superou a extração de atributos através do periodograma de Welch.
metadata.dc.description.abstracten: Brain-computer interfaces (BCI) are hardware and software systems that enable its users to convey their intentions to external devices without any involvement from the peripheral nerves and muscles. One way to control a BCI is through motor imagery, imagining a movement without actually performing it, causing changes in cerebral rhythms that can be detected through electroencephalography (EEG). Aiming to detect such changes, the signal processing stage of a BCI was implemented, encompassing: preprocessing, feature extraction, feature selection and classification. The preprocessing was done using Common Average Reference (CAR), the feature selection step employed Welch's method, Common Spatial Patterns (CSP) and Filter Bank Common Spatial Patterns (FCSP), feature selection was made using mutual information and the classification was done with Support Vector Machine (SVM) and Naive Bayes. These methods were evaluated using a dataset containing EEG signals from nine people performing motor imagery from four different classes. The best combination found achieved an accuracy of 71.20\% using CAR, FBCSP, mutual information and Naive Bayes. The results indicate that feature selection is the most influential step in the system's performance, wherein all of the best performing combinations employed FBCSP, and all combinations using CSP outperformed Welch's method.
URI: http://www.monografias.ufop.br/handle/35400000/1214
metadata.dc.rights.license: Autorização concedida à Biblioteca Digital de TCC’s da UFOP pelo(a) autor(a) em 28/07/2018 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Appears in Collections:Engenharia de Computação JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AnáliseDesempenhoTécnicas.pdf2,2 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons