Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/100
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorLeite, Sarah Negreiros de Carvalhopt_BR
dc.contributor.authorCunha, Weld Lucas-
dc.date.accessioned2016-05-10T20:27:53Z-
dc.date.available2016-05-10T20:27:53Z-
dc.date.issued2016-
dc.identifier.citationCUNHA, Weld Lucas. Análise de técnicas de extração de características de sinais cerebrais no âmbito do desenvolvimento de sistemas BCI/SSVEP. 2016. 38 f. Monografia (Graduação em Engenharia Elétrica) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2016.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/100-
dc.description.abstractEste trabalho tem como objetivo principal a implementação da etapa de processamento de sinais de uma interface cérebro-máquina ou BCI (do inglês: Brain Computer Interfaces) coletados sob o paradigma SSVEP (Steady-State Visually Evoked Potentials), visando: 1. Estabelecer a comparação entre dois métodos de extração de características: Método de Welch aplicado à extração expectral e o Método de Burg aplicado à modelagem de parâmetros autorregressivos; 2. Avaliar o efeito do janelamento sobre a taxa de acerto na etapa de classificação dos sinais coletados, com e sem overlap; 3. Determinar o comprimento de janela mais apropriado, para extração de características, em aplicações assistivas; 4. Analisar os efeitos da aplicação do método de filtragem espacial Common Average Reference (CAR) sobre a taxa de acerto obtida nas configurações testadas de extração temporal. Foram utilizadas as seguintes técnicas nas etapas de pré-processamento, extração de características e classificação: CAR, Método de Welch e Método de Burg e discriminantes lineares (LDA) baseado no método dos mínimos quadrados, respectivamente. Durante a implementação do sistema houve preocupação com sua eficiência, além de se levar em consideração sua possível aplicabilidade em tecnologias assistivas. Dos resultados, constatou-se que é possível a implementação de um sistema BCI/SSVEP de dois comandos com taxas de acerto elevadas, próximas a 100%, utilizando-se opções de janelamento apropriadas para aplicações assistivas. Também foi possível constatar que a extração de características baseado no método de Welch proporcionou melhores resultados que o do método de Burg na etapa de classificação. Apresentando taxas de acerto mais levadas, acima de 90%, utilizando-se de janelas apropriadas à aplicações assistivas, enquanto a técnica que utiliza parâmetros autorregressivos apresentou valores entre 60% e 80% para as mesmas configurações.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.subjectInterface cérebro-computadorpt_BR
dc.subjectProcessamento de sinaispt_BR
dc.subjectEletroencefalografiapt_BR
dc.subjectEngenharia elétricapt_BR
dc.titleAnálise de técnicas de extração de características de sinais cerebrais no âmbito do desenvolvimento de sistemas BCI/SSVEP.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.rights.licenseAutorização concedida à Biblioteca Digital de TCC da UFOP pelo autor(a), Weld Lucas Cunha, 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.pt_BR
dc.description.abstractenThis work has as main objective the implementatin of the the signal processing stage of a BCI (Brain-Computer Interface) collected under the SSVEP (Steady-State Visually Evoked Potentials) paradigm, aiming to: 1. Compare two features extraction techniques: Welch’s method applied to spectral extraction and Burg’s method applied to the modeling of autoregressive parameters; 2. Evaluate the effect of windowing over accuracy rate in the classification stage of the collected signals, with and without overlap; 3. Determine the more appropriate window length , for feature extraction, considering assistive applications; 4. Analyse the effect of the spatial filtering technique Common Average Reference (CAR) over the accuracy rates obtained from the configurations tested in the temporal features extraction. The following techniques were used in the pre-processing, features extraction and classification stages: CAR, Welch’s method and Burg’s method and linear discriminant (LDA) based on the least squares method, respectively. During the system’s implementation there was some concern with its efficiency, besides taking into consideration its possible applicability in assistive technologies. From the results, we was found that the implantation of a two-commandsm SSVEP-BCI system with high accuracy rates, close to 100%, using appropriate window lengths for assistive applications is possible.We also concluded that the features extraction based on Welch’s method has a better performance then Burg’s method in the classification stage. Presenting higher accuracy rates, over 90%, using appropriate window lengths for assistive applications, while the technique based on autoregressive parameters presented accuracy rates between 60% and 80% for the same settings.-
Appears in Collections:Engenharia Elétrica - JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AnálisedeTécnicasdeExtração.pdf2,43 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons