Одним из направлений, обеспечивающих возможность коммуникации с внешним миром парализованных лиц, является создание систем, известных сегодня как интерфейс мозг-компьютер или Brain-computer interface (BCI). Более того, ряд авторов рассматривают эту технологию как принципиально новый язык общения и к...
Одним из направлений, обеспечивающих возможность коммуникации с внешним миром парализованных лиц, является создание систем, известных сегодня как интерфейс мозг-компьютер или Brain-computer interface (BCI). Более того, ряд авторов рассматривают эту технологию как принципиально новый язык общения и канал коммуникации человека с внешней средой посредством сигналов мозга. Наряду с другими электрографическими паттернами, в этих целях в настоящее время используются корковые потенциалы, регистрируемые во время выполнения человеком реальных или мысленных движений [2, 4, 5, 10]. При этом показано, что эффективность BCI систем на основе суммарной ЭЭГ зависит от ряда факторов, важнейшими среди которых являются индивидуальные особенности пользователя, его текущее функциональное состояние и свойства классификатора. Детектирование ЭЭГ-паттернов, связанных с произвольной моторной или идеомоторной деятельностью, осложняется также присутствием в записях различного рода артефактов [8, 9]. Все это побуждает к изысканию способов уменьшения избыточности данных, снижения размерности сигнала без потери и искажения полезной информации для создания эффективных BCI систем, демонстрирующих высокую точность и скорость произвольного управления. Известно, что даже стандартные методы предобработки сигналов, такие как частотная фильтрация или децимация, способны заметно повысить точность существующих классифицирующих алгоритмов [3].
Предметом настоящего исследования стало изучение возможности минимизации описания информативных ЭЭГ признаков, связанных с произвольной идеомоторной деятельностью, комбинацией метода главных компонент (Principal component analysis, PCA) для последующей классификации собственных векторов ковариационной матрицы исходных данных методом канонического дискриминантного анализа (Linear Discriminant Analysis, LDA).
Материалы Всероссийской конференции «Функциональная межполушарная асимметрия и пластичность мозга», 2012, 13–14 декабря 2012 г. Москва, в печати.
