Título
Representación, reconocimiento y clasicación de la actividad de imaginación motora en el dominio tiempo-frecuencia
Autor
OBED CARRERA LEON
Colaborador
JUAN MANUEL RAMIREZ CORTES (Asesor de tesis)
VICENTE ALARCON AQUINO (Asesor de tesis)
Nivel de Acceso
Acceso Abierto
Materias
Wavelet transforms - (TRANSFORMADA DE WAVELET) Time-frequency analysis - (ANÁLISIS TIEMPO-FRECUENCIA) Support vector machines - (SOPORTE DE MÁQUINAS VECTORIALES) Classification - (CLASIFICACIÓN) Hilbert transforms - (TRANSFORMADA DE HILBERT) CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA - (CTI) FÍSICA - (CTI) ELECTRÓNICA - (CTI)
Resumen o descripción
Una interface cerebro computadora es un sistema que permite el control de dispositivos
electrónicos mediante el análisis de los patrones presentes en las señales cerebrales. Esta
puede ser de gran ayuda a personas con discapacidades motoras. En el trabajo reportado en
esta tesis se presentan dos algoritmos de extracción de características para la actividad de
imaginación motora.
El primer algoritmo está basado en la transformada Hilbert, la cual permite establecer una
representación tiempo frecuencia, que permite visualizar el fenómeno ERD/ERS presente en la
señal y que, a diferencia de algunos autores, no se realiza ningún tipo de transformación
adicional a la información extraída. Esta representación permite identificar la frecuencia
reactiva por sujeto y seleccionar la banda de frecuencias adecuada para poder generar un
vector de características.
El segundo es un algoritmo de extracción de características basado en wavelets. Se
descompone la señal en tres niveles utilizando tres diferentes wavelets, cada una con tres
diferentes momentos de desvanecimiento diferentes. Luego se seleccionan las
correspondientes bandas de frecuencias y el vector de características es construido con tres
diferentes características estadísticas extraídas de los niveles seleccionados.
La clasificación de los patrones extraídos se hace por los métodos de: discriminantes lineales
por Fisher (FLDA), discriminantes cuadráticos (QDA) y una máquina de soporte vectorial (SVM).
El desempeño del algoritmo es evaluado por una validación cruzada por diez sobre tres bases
de datos descargados de la página del BCI Competition y una base de datos obtenida mediante
un experimento propio. En total los algoritmos se probaron sobre nueve sujetos diferentes.
En general los resultados son favorables de acuerdo a los métodos propuestos. Se plantea una
extracción de características basada en la transformada Hilbert, la cual es sencilla y rápida para
su aplicación on-line y no depende de transformaciones adicionales. Para el método basado en
wavelet se demuestra que al usar tres características estadísticas se obtiene más información
de la señal que a su vez mejora los resultados, obteniendo tasas de error de hasta 0.16 y 0.8 con cada método; siendo el análisis wavelet el de menor error, en comparación con el trabajo
presentado por otros autores.
Editor
Instituto Nacional de Astrofísica, Óptica y Electrónica
Fecha de publicación
agosto de 2011
Tipo de publicación
Tesis de maestría
Versión de la publicación
Versión aceptada
Recurso de información
Formato
application/pdf
Idioma
Español
Audiencia
Estudiantes
Investigadores
Público en general
Sugerencia de citación
Carrera-Leon O.
Repositorio Orígen
Repositorio Institucional del INAOE
Descargas
471