Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/853| Clasificación de señales EEG bajo paradigma de imaginación motora utilizando descomposición wavelet y máquinas de soporte vectorial | |
| César Eduardo Hernández González | |
| JUAN MANUEL RAMIREZ CORTES | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Wavelet SVM EEG Signal classification | |
| A BCI (Brain-Computer Interfaces) system acquires and interprets brain
signals in order to allow the user interaction with the environment through
specific actions. This systems have had great development in recent years
due to their great applications as tools for people with severe motor disabilities,
so they can communicate or control devices to improve their daily
life. BCI systems based on EEG (electroencephalography) is counted among
the non-invasive techniques and it is possible to be used by low cost equipment.
In this thesis electroencephalography signals were analyzed under motor
imagery paradigm, specifically the intention of movement of tongue, right
hand, left hand and feet. Those signals were take from BCI Competition
IV database, available to all community for academic and research propose.
The proposed algorithm is conformed for feature extraction and classification of
brain signals. In the first stage two techniques decomposition were used : Discrete wavelet
transform (DWT) and maximum overlap discrete wavelet transform (MODWT).
After this stage, a mean, median, variance and entropy measures were taken using
maximum overlap. In the classification stage three types of Support vector machines
were used with lineal, quadratic and cubic polynomial kerne for each learning
machine. Algorithms and results were fully implemented using ®Matlab2016b.
Un sistema BCI (Interfaz Cerebro-Computadora,Brain-computer interface) adquiere e interpreta señales cerebrales para permitir al usuario una interacción con su entorno a través de acciones específicas. Estos sistemas han tenido un gran desarrollo en años recientes debido a su gran aplicación como herramientas de apoyo a personas con limitaciones motrices severas, para que _estas puedan comunicarse o controlar algunos dispositivos en su vida diaria. Sistemas BCI basados en EEG (electroencefalografía) se cuentan como técnicas no invasivas y tienen un amplio uso debido la bajo costo que tiene su implementación. En esta tesis se analizan señales de electroencefalografía bajo el paradigma de imaginación motora, específicamente la intención del movimiento de la lengua, mano derecha, mano izquierda y pies. las señales fueron obtenidas en la base de datos BCI competition, disponibles a la comunidad en general para propósitos académicos y de investigación. Se propone un algoritmo que está conformado por extracción de características y clasificación de señales cerebrales. En la primer etapa se utilizaron dos técnicas de descomposición wavelet para su comparación: transformada discreta wavelet (DWT) y transformada wavelet de máximo traslape (MODWT), junto a esto se tomaron medidas estadísticas de media, mediana, varianza y entropía usando máximo traslape. En la etapa de clasificación se utilizaron maquinas de soporte vectorial usando kernels polinomiales lineales, cuadráticos y cúbicos. Los algoritmos y análisis de resultados fueron implementados en su totalidad utilizando ®Matlab2016b. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 14-12-2017 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Hernández-González CE | |
| MICROELECTRÓNICA | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Electrónica |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| HernandezGCE.pdf | 4.51 MB | Adobe PDF | Visualizar/Abrir |