机构名称：
¥ 6.0
通过分析来自大脑的电信号（也称为脑电信号 (EEG)），可以了解人体的运动活动以及与决策、情绪和心理问题相关的活动。科学界对这些数据的研究和应用日益增多。众所周知，EEG 的使用构成了脑机接口 (BCI) 发展的基础，并且代表了辅助技术的未来，尤其是针对没有运动控制能力的人的技术。然而，从这些信号中提取特征和模式仍然是一个复杂的过程。机器学习算法在解释脑电信号方面表现出了优异的效果，被用作分类和分析的工具。其应用范围包括神经科学、神经工程领域的研究甚至商业应用。因此，本研究的建议是分析执行涉及运动和想象任务的协议的个体的神经活动产生的信号，目的是提出此类活动的分类器。据了解，想象任务，具体为运动想象任务，是一种让受试者想象执行某一运动动作但不执行相应动作的神经认知技术，即想象身体的运动但不执行该运动的心理过程。对此类信号的解释和分类有助于开发可通过认知过程激活的控制工具。为了组成一个特定的测量装置，使用两种类型的传感器作为收集信号的仪器，一个是 16 通道脑电图，另一个是具有无线连接技术的低成本单电极传感器。提出的分类解决方案基于随机森林机器学习技术。对于这两种传感器，所提出的算法被证明在识别运动类型（真实或虚拟）和执行运动的肢体（左右手或脚踝）的过程中是有效的。此外，还可以验证该领域其他研究人员已经指出的一些困难，例如脑电图信号的人际差异很大，这对分类过程产生负面影响。
脑电信号分析...
主要关键词
相关文件推荐
