Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESPECIALIDAD
MECATRNICA
DE
INGENIERA
DE
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.
SUJETO:
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:
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
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)
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
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.