UNIVERSIDAD NACIONAL FEDERICO VILLAREAL

FACULTAD DE INGENIERA ELECTRNICA E INFORMTICA

ESPECIALIDAD
MECATRNICA

DE

INGENIERA

DE

PROYECTO DE INVESTIGACON DE TESIS PARA OBTENER GRADO DE INGENIERO

MECATRNICO
DISEO DE UN SISTEMA DE CONTROL DE UN DISPOSITIVO ROBTICO
CON UN SISTEMA BCI, EMPLEANDO PROCESAMIENTO DE SEALES
CEREBRALES
PRESENTADO POR:
CORONADO BAUTISTA JAVIER
DIAZ SOTELO WILBER
JOEL
ALUMNOS INVESTIGADORES DEL GRUPO DE INVESTIGACON
PROSPECTIVA PARA EL DESARROLLO DE CIENCIA Y TECNOLOGIA
NACIONAL DEL PERU DE LA UNFV_FIEI.

La necesidad de desarrollar un sistema de interfaz cerebro_ordenador (sistema BCI)

surge a partir de la posibilidad de interaccin del hombre con la maquina
mediante la traduccin de nuestros pensamientos, intenciones en interaccin real
con el entorno y el mundo fsico.
Qu efecto tendr el desarrollo de un sistema de interaccin_ hombre maquina en
nuestra sociedad peruana?
Cul es la probabilidad de desarrollar este tipo de sistemas en el Per?

OBJETIVOS ESPECIFICOS
Desarrollar un canal de comunicacin portable
Desarrollar el sistema 10/20 para los
electrodos
Adquisicin y procesamiento de seales EEG
Desarrollar el algoritmo detector de artefactos
Desarrollar el algoritmo de clasificacin de
OBJETIVO GENERAL
patrones
Disear un sistema de control para un dispositivo
Desarrollar un Feedback robusto y optimo
Desarrollar base de datos para el sistema BCI robtico, mediante el desarrollo de un interfaz
cerebro _ordenador, empleando procesamiento de
Desarrollo de la interfaz grfica del usuario
seales cerebrales, con la finalidad de brindar
apoyo a aquellas personas con enfermedades
neuromusculares severas, personas que son
afectadas por distintas discapacidades como la
esclerosis lateral miotrpica, desorden motriz
severo, parlisis cerebral parcial o total, creando
para ello un canal de comunicacin entre el
sistema nervioso central y el dispositivo robtico.

PROCEDIMIENTOS PARA EL DESARROLLO DEL PROYECTO DE INVESTIGACION

BCI

SUJETO:

El sujeto realiza TMS (tareas mentales en condicin operante),

con el propsito de controlar un dispositivo robtico.

ADQUESICION DE LA SEAL:
Es la primera etapa para medir las seales EEG por
medio de mtodos no invasivos, luego son
amplificados, pre filtrados y muestreados.
PROCESAMIENTO:Una vez adquiridas las seales son procesadas en dos etapas. Primero, la
etapa de pre procesamiento limpia a la seal, por ejemplo; mejorando la
relacin seal ruido o eliminando artefactos. Posteriormente, en la etapa de
extraccin de caractersticas se calculan propiedades para alimentar al
clasificador.

CLASIFICACION:

RESPUESTA:

El vector caracterstico es analizado y etiquetado. Esta clasificacin se basa

en el reconocimiento de patrones que caracterizan a las tareas mentales
posibles. El etiquetado da origen a un comando asociado, es decir el
algoritmo decodifica las caractersticas de los patrones de TMS, el algoritmo
esta basado en la red neuronal de Kohonen.
Se ejecuta el comando de control en el dispositivo robtico a controlar. Esta
accin sirve directamente como mecanismo de realimentacin para el sujeto.

ESTADO ACTUAL DE LA INVESTIGACON BCI UNFV

FIEIuna tarjeta electrnica analgica de dos canales, que cumple
Hemos implementado
dos funciones fundamentales , la amplificacin y el filtrado ( filtro pasa banda,
pasa baja, filtros de Butterworthy Chebyshev.) de las seales cerebrales que
son de suma importancia para nuestro proyecto, actualmente estamos empleando
un arduino para la digitalizacin de las seales cerebrales registradas , para su
posterior procesamiento y extraccin de
caracteres, empleando mtodos
paramtricos con la finalidad obtener los patrones relacionados con la seal EEG,
para su posterior clasificacin mediante una red neuronal auto organizado no
supervisado (SOM).

SOFTWARE DE DESARROLLO DEL SISTEMA BCI

Como herramienta de desarrollo
CAD empleamos MATLAB para el
desarrollo del interfaz grafico de
usuario (GUIDE), as como para el
desarrollo de algoritmos
de
deteccin
de
artefactos,
procesamiento y clasificacin.

ALGORITMO DE
PROCESAMIENTO
ar = arduino('COM18');
Fs = 30; %frecuencia de muestreo
N = 1000; %taman del vector
y = zeros(N,1);%vector de entrada
y1 = zeros(N,1);
t = linspace(0,(N-1)/Fs,N);
t1 = linspace(0,(N-1)/Fs,N);
l1 = line(nan,nan,'color','r','Linewidth',1);
l2 = line(nan,nan,'color','b','Linewidth',1);
ylim([-.1 5.1])
xlim([0,(N-1)/50])
grid
Stop = 1;
uicontrol('style','pushbutton','String','Parar',...
'Callback','Stop = 0;')
tic
while Stop
if toc > 1/Fs
tic
ar.analogRead(0)
ar.analogRead(1)
y(1:end-1) = y(2:end);
y1(1:end-1) = y1(2:end);
y(end) = ar.analogRead(0)*5/1023;
y1(end) = ar.analogRead(1)*5/1023;
set(l1,'XData',t,'YData',y)
set(l2,'XData',t1,'YData',y1)
drawnow
end
end

INTERFAZ GRAFICO CEREBRO

Registro de la actividadORDENADOR
cerebral del sujeto de prueba, al realizar una tarea mental en
condicin operante.

ALGORITMO DE CLASIFICACION DE
PATRONES
ALGORITMO DE KOHONEN
x=[100 49 50 101;12 10
%
100
49
50
%
12
10
10
%
50
26
25
%
100
99
99
%
11
102
11
%
5
51
6
clear w %elimina w
[fx cx]=size(x)

10 11;50 26 25 50;100 99 99 100;11 102 11 101;5 51 6 50]

101
11
50
100
101
50

for i=1:fx, %normalizacion de los patrones fila por fila

x(i,:)=x(i,:)/norm(x(i,:))
end
w(:,1)=x(1,:)
r=0.2;

%se crea la primera neurona, pesos sinapticos

%igual al primero patron normalizado
% radio que delimita el area circu
%de la neurona en la superficie de
%la hiperesfera de radio unitrio
%coeficiente de entrenamiento

alpha=0.15
U0=1-r^2/2
a=1;
for i=2:fx,
[U p]=max(x(i,:)*w)
if U>=U0,% si "cae" adentro entrena
w(:,p)=w(:,p)+alpha*(x(i,:)'-w(:,p))
else %seno crea una nueva neurona, la matriz w gana
%ms una columna
a=a+1
w(:,a)=x(i,:)'
end
end

x=[100 49 50 101;12 10 10 11;50 26 25 50;100 99 99

100;11 102 11 101;5 51 6 50]
%
100
49
50
101
%
12
10
10
11
%
50
26
25
50
%
100
99
99
100
%
11
102
11
101
%
5
51
6
50
clear w Nalpha %elimina w
[fx cx]=size(x)
for i=1:fx, %normalizacion de los patrones fila por
fila
x(i,:)=x(i,:)/norm(x(i,:))
end
Nalpha(1)=1;
w(:,1)=x(1,:)' %se crea la primera neurona, pesos
sinapticos
%igual al primero patron
normalizado
r=0.2;
% radio que delimita el area circu
%de la neurona en la superficie de
%la hiperesfera de radio unitrio
%coeficiente de entrenamiento
U0=1-r^2/2
a=1;
for i=2:fx,
[U p]=max(x(i,:)*w)
if U>=U0,% si "cae" adentro entrena
Nalpha(p)=Nalpha(p)+1;
alpha=1/Nalpha(p);
w(:,p)=w(:,p)+alpha*(x(i,:)'-w(:,p))
else %seno crea una nueva neurona, la matriz w
gana
%ms una columna
a=a+1
w(:,a)=x(i,:)'
Nalpha(a)=1;
end
end

FUENTES DE INDAGACION Y CONSULTA PARA EL DESARROLLO DEL SISTEMA

BCIde robtica, percepcin en tiempo real".
"Grupo
Departamento de Informtica e Ingeniera de Sistemas de la Universidad Zaragosa_Espaa.
Universidad Tecnolgica Nacional Facultad Regional Buenos Aires Secretara de Ciencia y Tecnologa .
Centro de investigacin en sistema BCI (Brain computer interfaces) de la universidad de Mlaga _Espaa .
UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISCAS Y MATEMTICAS
DEPARTAMENTO DE CIENCIAS DE LA COMPUTACON.

https://www.researchgate.net/publication/259840870_Implementacion_de_Metodos_
de_Procesamiento_de_Senales_EEG_para_Aplicaciones_de_Comunicacion_y_Control
PROCESAMIENTO DE SEALES EEG PARA APLICACIONES DE COMUNICACIN YCONTROL
(Universidad Peruana Cayetano Heredia)
Autores:
Shirley Crdova Villar,Willian A. Prez Oviedo y Avid Romn Gonzlez

http://www.shifz.org/brainbay/
ECG CLASSIFICATION USING AMADIFIED KOHONEN/ART NETWORK AND SUB-SAMPLED SIGNAL IN TIME
DOMAIN.(Autor: Sal de Melo),Universidad Federal de Rio de Janeiro.
RETROALIMENTACION EN EL ENTRENAMIENTO EN EL ENTRENAMIENTO DE UNA INTERFAZ CEREBRO
COMPUTADORA USANDO TECNICAS EN REALIDAD VIRTUAL (Autor: Ricardo Ron Angevin),ETSI UMA.