Please use this identifier to cite or link to this item: http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/672
Reconocimiento de imaginación motora de señales EEG en el dominio temporal aplicando modelos paramétricos
DAVID FELIPE DCROZ BARON
JUAN MANUEL RAMIREZ CORTES
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Keywords
Autoregressive processes
Brain
Classification
In this thesis electroencephalography (EEG) signals are analyzed. The electrophysiological activity addressed in this work is Sensorimotor Activity, specifically Motor Imagery of the left and right hands. The EEG data were obtained from the public repository of the Brain- Computer Interface (BCI) Competition, available to the international community for academic and research purposes. In addition, an experiment was proposed in order to obtain the Neuro- Imaging, Cognition and Engineering Laboratory (NICE Lab) database at Texas Tech University. An algorithm that basically has two stages, feature extraction and classification, is proposed. Autoregressive Modeling (AR) and Adaptive Autoregressive Modeling (AAR) are used for feature extraction to analyze the EEG signals as a time series in order to obtain a set of coefficients that will be used as a feature vector. The classification task is carried out using Linear Discriminant Analysis (LDA), which is a linear classifier. The algorithm is implemented in MATLAB® and at the end a comparison between the used techniques is evaluated.
En esta tesis se analizan señales de electroencefalografía (EEG) correspondientes a la actividad fisiológica Sensorial- Motora, específicamente en la imaginación de movimientos de las manos izquierda y derecha, con orientación al desarrollo de interfaces cerebro- computadora (BCI). Las señales son obtenidas de las bases de datos de competiciones BCI, disponibles a la comunidad científica para propósitos académicos y de investigación. Adicionalmente se realizó un experimento en el Neuro-Imaging, Cognition and Engineering Laboratory (NICE Lab) en el Texas Tech University. Se propone un algoritmo que básicamente consta de dos etapas: extracción de características y clasificación. En la extracción de características se utilizan modelos Autorregresivos (AR) y Autorregresivos Adaptables (AAR) para analizar la señal EEG como una serie de tiempo, obteniendo así un conjunto de coeficientes de orden definido que representa el vector a clasificar. En la clasificación se utiliza un clasificador lineal denominado Análisis de Discriminantes Lineales (LDA). El algoritmo es implementado en MATLAB® y al final se realiza una comparación de las técnicas utilizadas.
Instituto Nacional de Astrofísica, Óptica y Electrónica
2011-08
Tesis de maestría
Español
Estudiantes
Investigadores
Público en general
DCroz-Baron D.F.
ELECTRÓNICA
Versión aceptada
acceptedVersion - Versión aceptada
Appears in Collections:Maestría en Electrónica

Upload archives


File SizeFormat 
DcrozBD.pdf1.99 MBAdobe PDFView/Open