Wyniki 1-10 spośród 21 dla zapytania: authorDesc:"Andrzej MAJKOWSKI"

Zdalny dostęp do laboratorium - przykład eksperymentu

Czytaj za darmo! »

Przedmiotem referatu jest opis eksperymentu realizowanego w sposób zdalny za pośrednictwem sieci globalnej - Internet. W eksperymencie wykorzystano stanowisko laboratoryjne umożliwiające automatyczny pomiar charakterystyk amplitudowo-częstotliwościowych wzmacniaczy. Zawiera ono dwa przyrządy pomiarowe (multimetr DM 5120 i generator AFG 5101) podłączone za pośrednictwem interfejsu GPIB do komput[...]

Klasyfikacja wybranych zakłóceń kształtu przebiegu czasowego napięcia sieciowego z wykorzystaniem transformacji falkowej i sieci neuronowej SVM

Czytaj za darmo! »

W artukule przedstawiono strukturę falkowo-neuronowego klasyfikatora przeznaczonego do wykrywania i klasyfikacji wybranych zakłóceń kształtu przebiegu czasowego napięcia sieciowego. Pod uwagę wzięto głównie zakłócenia o charakterze przejściowym. Przebiegi czasowe napięć zawierających zakłócenia wygenerowano posiłkując się ich modelami matematycznymi. Następnie obliczono rozkłady falkowe zamodelowanych sygnałów oraz wyznaczono parametry staystyczne wyższych rzędów współczynników rozkładu. Parametry te posłużyły do zbudowania wektorów cech stanowiących dane wejściowe dla sieci neuronowej SVM pracującej w charakterze klasyfikatora. Abstract. In the paper there is presented a structure of a wavelet-neural classifier for detection and classification of transient disturbances of power line[...]

Interfejs mózg-komputer – wybrane problemy rejestracji i analizy sygnału EEG

Czytaj za darmo! »

Artykuł ma przybliżyć czytelnikowi aktualny stan wiedzy na temat interfejsów mózg-komputer (BCI). Zawiera również opis eksperymentu mającego na celu sprawdzenie czy sygnał EEG zarejestrowany tylko przez dwie elektrody umożliwia poprawną pracę interfejsu BCI działającego w trybie ERD/ERS. Abstract. The article describes stages of signal analysis necessary for proper functioning of a brain-computer interface (BCI). In the article there is presented an experiment which aim is to assess if EEG signal registered only by two electrodes will be sufficient for correct work of BCI based on ERD/ERS method. (Brain-computer interface - registration and analysis of EEG signal, selected problems). Słowa kluczowe: BCI, EEG, rejestracja sygnału, klasyfikacja sygnału. Keywords: BCI, EEG, signal acqu[...]

Matlab FE_Toolbox - an universal utility for feature extraction of EEG signals for BCI realization

Czytaj za darmo! »

The main aim of the article is to introduce a new Matlab toolbox (FE_Toolbox - a collection of feature extraction algorithms) to EEG signal analysis. Such a toolbox can be useful in the process of designing effective Brain-Computer Interfaces (BCI). The implemented feature extraction algorithms are based on frequency analysis (DFT), wavelet transform and higher order statistics (HOS) in connection with an autoregressive model. Streszczenie. W artykule przedstawiono opracowany przez autorów toolbox do Matlaba (FE_Toolbox), który umożliwia łatwe użycie różnych metod ekstrakcji cech z sygnału EEG. Toolbox może być pomocny przy konstruowaniu interfejsów mózg komputer (BCI). Zaimplementowane algorytmy ekstrakcji cech wykorzystują analizę częstotliwościową (DFT), transformację falkową oraz [...]

A new method of feature extraction from EEG signal for braincomputer interface design

Czytaj za darmo! »

W artykule przedstawiono opracowaną przez autorów nową metodę ekstrakcji cech z sygnału EEG na użytek interfejsów mózgkomputer (BCI). W opracowanych algorytmach ekstrakcji cech wykorzystano transformację falkową oraz statystyki wyższych rzędów. Przedstawiono wyniki badań związanych z wykorzystaniem proponowanych metod ekstrakcji cech do konstrukcji interfejsu mózg-komputer działającego w oparciu o wyobrażanie sobie ruchu. Eksperymenty przeprowadzono przy użyciu dwóch elektrod (Nowa metoda ekstrakcji cech sygnału EEG na użytek interfejsów mózg-komputer). Abstract. The main aim of the article is to introduce a new method of feature extraction from EEG signal for brain-computer interface design. The proposed algorithms are based on wavelet transform and higher order statistics (HOS). Next authors present the research results for brain-computer interface design using motion imagining. Proposed feature extraction methods are implemented in construction of the interface. Experiments are conducted with use of two electrodes (). Słowa kluczowe: BCI, interfejs mózg-komputer, EEG, ekstrakcja cech, transformata falkowa, statystki wyższych rzędów Keywords: BCI, brain-computer interface, EEG, feature extraction, wavelets, higher order statistics Introduction In recent years, we can observe a growing interest in brain-computer interfaces (BCI) [3]. The main advantage of the communication between brain and computer is its "directness". The brain activity is processed into information understandable by a computer omitting all indirect factors such as muscles. The application of BCI is primarily to allow contact with paralyzed people. Brain-computer interfaces can also be used in entertainment and for military purposes. At present the main factors that restrict the wider use of brain-computer interfaces are: problems with acquisition of EEG signals and low speed of information conveyed by brain-computer technology [1,2]. Although there are many ways[...]

Implementation of genetic algorithms to feature selection for the use of brain-computer interface

Czytaj za darmo! »

The main goal of the article is to apply genetic algorithms to feature selection for the use of brain-computer interface (BCI). FFT coefficients of EEG signal were used as features. The best features for a BCI system depends on the person who uses the system as well as on the mental state of the person. Therefore, it is very important to apply efficient methods of feature selection. The genetic algorithm proposed by authors enables to choose the most representative features and electrodes. Streszczenie. W artykule przedstawiono zastosowanie algorytmów genetycznych do selekcji cech na użytek interfejsów mózg-komputer (BCI). Najlepszy zestaw cech dla tego typu interfejsów jest zależny od osoby, która używa interfejsu, jak również od jej stanu psychicznego. Z tego powodu konieczne jest zastosowanie bardzo efektywnych metod selekcji cech. Jako cechy wykorzystane zostały współczynniki FFT sygnału EEG. Zaproponowany przez autorów algorytm genetyczny umożliwia wyznaczenie najbardziej reprezentatywnego zbioru cech, jak również elektrod, z których pobierany jest sygnał EEG. (Zastosowanie algorytmów genetycznych do selekcji cech na użytek interfejsów mózg-komputer) Keywords: EEG, brain-computer interface, BCI, feature extraction, feature selection, ERD/ERS, genetic algorithms Słowa kluczowe: EEG, interfejs mózg-komputer, ekstrakcja cech, selekcja cech, ERD/ERS, algorytmy genetyczne Introduction Implementing communication between man and machine by the use of EEG signals is one of the biggest challenges in signal theory. Such a communication system could improve the standard of living of people with severe motor disabilities. Disable persons cannot move, however they can think about moving their arms, legs and in this way produce stable motor-related EEG signals (so called eventrelated desynchronization/synchronization - ERD/ERS). The fundamental problem in all BCI systems is the proper interpretation of EEG signals [1,2,3]. EEG signals are read [...]

Optymalizacja doboru okien czasowych do przetwarzania sygnału EEG w interfejsach mózg-komputer

Czytaj za darmo! »

Interfejsy BCI umożliwiają bezpośrednią komunikację pomiędzy mózgiem a komputerem. Założeniem autorów jest próba rozpoznania (klasyfikacja) jednosekundowego zapisu sygnału EEG skojarzonego z wykonywaniem przez osobę pewnego zadania myślowego. Podczas przeprowadzania eksperymentów okazało się, że na proces klasyfikacji duży wpływ ma szerokość oraz sposób zachodzenia na siebie okien czasowych, z których ekstrahuje się cechy. Celem referatu jest wskazanie jak najlepszej strategii doboru parametrów okien czasowych na potrzeby wyznaczenia cech i nauki klasyfikatora. Abstract: BCI interfaces allow direct communication between the brain and the computer. The author’s idea is to try to identify (classify) one-second windows of EEG signal associated with doing by a person a certain mental task. During the experiments it turned out that the classification process is highly influenced by the width of the windows and the way they overlap. The aim of this paper is to identify the best strategies for selection of time windows of EEG signal for the purposes of feature extraction and classifier learning. (Optimization of the time window of signal processing in interface between brain and computer) Słowa kluczowe: interfejs mózg-komputer, ekstrakcja cech, klasyfikacja, ITR. Keywords: brain-computer interface, feature extraction, classification, ITR. Wstęp W ostatnich latach, dzięki postępowi technologicznemu wyraźnie wzrasta zainteresowanie naukowców interfejsami mózg-komputer (Brain-Computer Interface: BCI). Interfejsy takie umożliwiają bezpośrednią komunikację pomiędzy mózgiem a komputerem. Wybrany stan aktywności mózgu, odczytany z sygnałów generowanych przez neurony, zostaje przetworzony na informację "zrozumiałą" przez komputer. Interfejsy mózg-komputer znajdują zastosowanie przede wszystkim w procesach usprawniania osób sparaliżowanych, umożliwiając im kontakt z otoczeniem. Można również zaobserwować próby zastosowania interfejsu mózg-ko[...]

 Strona 1  Następna strona »