Дмитрий Лазуренко » Публикация

Аннотация Одним из направлений, обеспечивающих возможность коммуникации с внешним миром парализованных лиц, является создание систем, известных сегодня как интерфейс мозг-компьютер или Brain-computer interface (BCI). Более того, ряд авторов рассматривают эту технологию как принципиально новый язык общения и канал коммуникации человека с внешней средой посредством сигналов мозга. Наряду с другими электрографическими паттернами, в этих целях в настоящее время используются корковые потенциалы, регистрируемые во время выполнения человеком реальных или мысленных движений [2, 4, 5, 10]. При этом показано, что эффективность BCI систем на основе суммарной ЭЭГ зависит от ряда факторов, важнейшими среди которых являются индивидуальные особенности пользователя, его текущее функциональное состояние и свойства классификатора. Детектирование ЭЭГ-паттернов, связанных с произвольной моторной или идеомоторной деятельностью, осложняется также присутствием в записях различного рода артефактов [8, 9]. Все это побуждает к изысканию способов уменьшения избыточности данных, снижения размерности сигнала без потери и искажения полезной информации для создания эффективных BCI систем, демонстрирующих высокую точность и скорость произвольного управления. Известно, что даже стандартные методы предобработки сигналов, такие как частотная фильтрация или децимация, способны заметно повысить точность существующих классифицирующих алгоритмов [3]. Предметом настоящего исследования стало изучение возможности минимизации описания информативных ЭЭГ признаков, связанных с произвольной идеомоторной деятельностью, комбинацией метода главных компонент (Principal component analysis, PCA) для последующей классификации собственных векторов ковариационной матрицы исходных данных методом канонического дискриминантного анализа (Linear Discriminant Analysis, LDA).