Shop : Details
Shop
Details
45,80 €ISBN 978-3-8440-4364-8Paperback150 Seiten63 Abbildungen222 g21 x 14,8 cmDeutschDissertation
April 2016
Thorsten Lüth
Individualisierte Kalibrierung in einem SSVEP-basierten Brain-Computer Interface
Bei Brain-Computer Interfaces werden bestimmte Signalmuster im Gehirnsignal detektiert und zur Generierung von Steuersignalen verwendet. Am zuverlässigsten und schnellsten zu detektieren sind unter anderem die sogenannten Steady-State Visual Evoked Potentials. Hierbei handelt es sich um gemessene Reaktionen auf einen externen Stimulus, der mit einer konstanten Frequenz blinkt. Unterschiedliche Frequenzen können dabei mit verschiedenen Steuerbefehlen verknüpft werden. Eine generelle praktische Funktionalität von BCIs ist allerdings eingeschränkt aufgrund von Geschwindigkeit, Genauigkeit und Stabilität der Signalverarbeitung. So variiert das Gehirnsignal nicht nur zwischen verschiedenen Anwendern, sondern auch zwischen unterschiedlichen Sitzungen. Aus diesem Grund werden häufig verschiedene Parameter eines BCIs vor einer Sitzung individuell für den jeweiligen Benutzer kalibriert. Zwei Problemstellungen einer solchen Kalibrierung werden in dieser Dissertation untersucht.
In einem ersten Kalibrierungsschritt wird versucht, im Hinblick auf zeitkritische Anwendungen die Merkmalsextraktion dahingehend zu verbessern, dass ein Datenfenster von 0,5s EEG-Daten für eine robuste Erkennung des fokussierten Stimulus ausreicht. Hierzu wird eine autoregressive Störsignalabschätzung verwendet, deren Modellordnung in einem Bereich zwischen p=1 und p=60 kalibriert wird.
Im zweiten Teil der Dissertation wird eine Kalibrierung von Stimulus Frequenzen aus einem Frequenzbereich ab 30Hz untersucht. In einer Re-Test Untersuchung, in der Probanden über einen Zeitraum von ungefähr sechs Wochen mehrmals eine Kalibrierung der Stimulus Frequenzen durchlaufen, zeigt sich, dass besonders 32Hz als Stimulus unabhängig von den Probanden stabil erscheint.
In einem ersten Kalibrierungsschritt wird versucht, im Hinblick auf zeitkritische Anwendungen die Merkmalsextraktion dahingehend zu verbessern, dass ein Datenfenster von 0,5s EEG-Daten für eine robuste Erkennung des fokussierten Stimulus ausreicht. Hierzu wird eine autoregressive Störsignalabschätzung verwendet, deren Modellordnung in einem Bereich zwischen p=1 und p=60 kalibriert wird.
Im zweiten Teil der Dissertation wird eine Kalibrierung von Stimulus Frequenzen aus einem Frequenzbereich ab 30Hz untersucht. In einer Re-Test Untersuchung, in der Probanden über einen Zeitraum von ungefähr sechs Wochen mehrmals eine Kalibrierung der Stimulus Frequenzen durchlaufen, zeigt sich, dass besonders 32Hz als Stimulus unabhängig von den Probanden stabil erscheint.
Schlagwörter: Brain-Computer Interface; SSVEP; Kalibrierung
Publication Series of the Institute of Automation, University of Bremen
Herausgegeben von Prof. Dr. Axel Gräser, Bremen
Band 7.4
Verfügbare Online-Dokumente zu diesem Titel
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 34,35 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Export bibliographischer Daten
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Am Langen Graben 15a
52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
