Design of movement detector of measured EEG data

Josef Yassin SALEH

Bachelor's thesis

Abstract:

Uses of BCIs are very versatile and their possibilities are many. One of the possible uses is to detect movement in EEG data. Movement detection in EEG data is usually done by extracting feature vectors using Spatial filters. They are then passed to classifiers, that attempt to classify using gained feature vectors. Goal of this thesis is to choose suitable Spatial filter to gain feature vectors that were passed to classifier to detect movement in EEG data. For this thesis Spatial filter CSP was chosen that passed it's feature vectors to LDA and SVM. Experiments have shown that classifiers classified well on average but there were some exceptions that were probably caused by subject winking, which resulted in loss of information about movement in EEG data.

Abstract:

Použití BCI (Brain Computer Interface) je velmi robustní a jejich možnosti jsou velmi různorodé. Jedna z možností je detekce pohybu v EEG datech. Detekce pohybu v EEG datech se většinou provádí pomocí tzv. Spatial filters (volně přeloženo jako prostorové filtry), které jsou schopny vytvořit přízna- kové vektory, pomocí kterých je možné klasifikovat. Úkolem této práce bylo vybrat vhodné metody pro extrakci příznakových vektorů a poté je klasifikovat a pokusit se nalézt pohyb. Pro extrakci příznakových vektorů, byla použita technika CSP a pro klasi- fikaci SVM a LDA. Z výsledků bylo možné usoudit, že klasifikace probíhala vcelku dobře, až na vyjímky, které mohou mít různé důvody, například ztráta informace kvůli mrknutí měřené osoby.

Keywords

EEG, SMR, Klasifikace, Prostorové filtry, CSP, SVM, LDA

Language used: English

Date on which the thesis was submitted / produced: 5. 5. 2022

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Pavel Mautner, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Bachelor programme / field:
Computer Science and Engineering / Information Technologies