Czasopismo | ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA | Rocznik 2018 - zeszyt 2

Bezprzewodowe sterowanie urządzeniem za pomocą sygnałów mózgowych

Wireless device control with the use of brain signals

10.15199/13.2018.2.11

nr katalogowy: 112348
10.15199/13.2018.2.11

Streszczenie

Sygnały bioelektryczne emitowane przez mózg mogą być rejestrowane i po przetworzeniu oraz poprawnej klasyfikacji wykorzystane do sterowania urządzeniem zewnętrznym. W tym celu zostało zaprojektowane urządzenie działające w oparciu o platformę Arduino Uno R3 odbierające i wyświetlające przetworzone i zaklasyfikowane sygnały mózgowe jako komendy sterujące. Sygnały te są przetwarzane i klasyfikowane poprzez algorytmy zaimplementowane w środowisku Matlab a następnie przesyłane poprzez protokół komunikacji bezprzewodowej Bluetooth do urządzenia zewnętrznego. Efektem wizualnym sygnałów sterujących wysyłanych z mózgu jest zapalenie się na urządzeniu zewnętrznym diody zielonej lub czerwonej wskazującej na wykonanie komendy dotyczącej myślenia o ruchu prawą lub lewą ręką. W wyniku bezprzewodowej komunikacji urządzenie sterowane za pomocą sygnałów mózgowych może znajdować się w oddaleniu od osoby wykonującej zadania myślowe i od urządzenia klasyfikującego.

Abstract

Bioelectric signals emitted by the human brain can be registered and used to control an external device after they have been processed and correctly classified. The device which was designed for this purpose used platform Arduino Uno R3, which receives and displays the command signals coming from the brain after these have been processed and classified. The processing and classifying of these signals is accomplished by means of algorithms implemented in the Matlab computing environment and transmitted to the external device via wireless communication Bluetooth protocol. The visual effect of the control signals coming from the brain is such that a green or red diode light is turned on and is visible on the external device indicating sending the mental command of a right or left hand movement. As a result of wireless communication the device controlled by brain signals can be placed at a distance from both the person conducting the brain tasks or the classifying device.

Słowa kluczowe

Keywords

Bibliografia

[1] Dąbrowska, M. i Laus-Mączyńska, K. (1978). Metody wyszukiwania i klasyfikacji informacji (Information Retrieval and Classification. Survey of Methods). WNT.
[2] Durka, P., Kamiński, M., Kuś, R., Malinowska, U., Mikuła, I., Duszyk, A. i inni. (2010). EEG: skrypt. brain.fuw.edu.pl/edu/ EEG.
[3] Jagodzińska, U. (2013, wrzesień). Applying Algorithms for inverse solutions in classifying EEG signals (Wykorzystywanie algorytmów do rozwiązywania zagadnień odwrotnych do klasyfikacji sygnałów EEG). Elektronika Konstrukcje Technologie Zastosowania, strony 144-147.
[4] Jagodzińska, U. (2013). Rozwiązanie zagadnienia odwrotnego jako klasyfikator sygnałów EEG w inerfejsach mózg-komputer. Konferencja Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
[5] Jagodzińska, U. (2013). The implementation of algorithms for inverse solutions in EEG brain-computer interfaces. Signal Processing Symposium (SPS). IEEE.
[6] Jagodzińska, U. (2013, marzec). Towards the Applications of Algorithms for Invese Solutions in EEG Brain-Computer Interfaces. International Journal of Telecommunications, ISSN 2081-8491, strony 277-283.
[7] Jagodzińska, U. i Ł., O. (2012). Metoda LORETA jako przykład metody rozwiązywania zagadnienia odwrotnego w interfejsie mózg-komputer. Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
[8] Jagodzińska, U. i Oskwarek, Ł. (2012, grudzień). Metoda LORETA jako przykład rozwiązywania zagadnienia odwrotnego w interfejsie mózg-komputer (Low resolution electromagnetic tomography method as an example of solving the inverse problem in brain computer interface). Elektronika Konstrukcje Technologie Zastosowania, strony 89-91.
[9] Jagodzińska-Szymańska, U. (2014, październik). Implementacja wybranej metody klasterowej do klasyfikacji źródeł sygnałów EEG związanych z wyobrażaniem ruchu (Implementation of the chosen cluster method used for classification of EEG signal sources related to movement imagination). Elektronika Konstrukcje Technologie Zastosowania, strony 74-78.
[10] Jagodzińska-Szymańska, U. (2014). Zastosowanie teorii grafów do klasyfikacji sygnałów EEG (Implementation of graph theory for EEG signals classification). Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
[11] Jagodzińska-Szymańska, U. (2015, wrzesień). Implementacja BCI do klasyfikacji intencji ruchu w oparciu o lokalizację źródeł sygnałów EEG (Implementationof BCI for classifying the intention of movement based on the location of EEG signal sources). Elektronika Konstrukcje Technologie Zastosowania, strony 60-63.
[12] Jagodzińska-Szymańska, U. (2015). Zastosowanie interfejsu mózg-komputer (BCI) do odczytywania intencji ruchu prawą i lewą ręką w oparciu o lokalizację przestrzenną źródeł sygnałów bioelektrycznych. Urządzenia i Systemy Radioelektroniczne (UiSR), materiały konferencyjne.
[13] Jagodzińska-Szymańska, U. (2016, grudzień). Algorytm automatycznej klasyfikacji w oparciu o sygnały źródłowe EEG i jego implementacja (Algorithm for the automatic classification based on the signal sources of EEG and its implementation). Elektroniak Konstrukcje Technologie Zastosowania, strony 31-32.
[14] Jagodzińska-Szymańska, U. (2016, listopad). Testowanie algorytmu wykorzystującego rozwiązanie zagadnienia odwrotnego do klasyfikacji sygnałów sterujących. Elektronika Kontstukcje Technologie Zastosowania, strony 81-83.
[15] Kandel, E. R., Schwartz, J. H. i Jessell, T. M. (2000). Principles of neural science. McGraw-Hill Companies, Inc.
[16] Noirhomme, Q. (2006). Localization of Brain Functions: Stimuling Brain Activity and Source Reconstruction for Classification. Louvain: These presentee en vue de l’obtention du grande de Docteur en Science Appliquees, UniversitateCatholique de Louvain.
[17] Nunez, P. L. i Srinivasan, R. (2006). Electric Fields Of The Brain. OXFORD University Press.
[18] Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G. i Vaughan, T. M. (2002). Brain-computer interfaces for communication and control. ELSEVIER.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 112348 "Bezprzewodowe sterowanie ..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - e-zeszyt (pdf) 2018-2 licencja: Osobista Produkt cyfrowy	35.00 zł

Prenumerata

ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

420.00 zł

ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - papierowa prenumerata roczna	528.00 zł brutto 488.89 zł netto 39.11 zł VAT (stawka VAT 8%)
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

570.00 zł

ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	636.00 zł brutto 588.89 zł netto 47.11 zł VAT (stawka VAT 8%)

636.00 zł

Zeszyt

2018-2

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma