PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP CỦA TÍN HIỆU ĐIỆN NÃO ĐỒ NHẰM GIẢI MÃ Ý MUỐN TƯƠNG TÁC VỚI THIẾT BỊ DI ĐỘNG EEG là gì? Là tín hiệu điện phát sinh từ bộ não Cách thu thập tín hiệu EEG? Sử dụng đầu đọc có các điện cực tiếp xúc với da đầu Các loại nhiễu ảnh hưởng: Sử dụng các điện cực gắn trên da đầu, ngoài tín hiệu điện EEG ta còn thu được các tín hiệu nhiễu khác, như nhiễu do nháy mắt, nhiễu do hoạt động của cơ tay, cơ chân, …
Trang 1Đề tài
PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP CỦA TÍN HIỆU ĐIỆN NÃO ĐỒ NHẰM GIẢI MÃ Ý MUỐN TƯƠNG TÁC VỚI THIẾT BỊ DI ĐỘNG
ĐẠI HỌC BÁCH KHOA HÀ NỘI
TRUNG TÂM ĐÀO TẠO TÀI NĂNG VÀ CHẤT LƯỢNG CAO
Sinh viên thực hiện: Trần Ngọc Tân Lớp: KSTN- DTVT-K54
Giảng viên hướng dẫn: TS Hàn Huy Dũng
Hà Nội, 06/2014
Trang 31 GIỚI THIỆU
Trang 4“TOWARD MANIPULATING MOBILE DEVICES BY THOUGHTS”
– Lab Embedded Networking, Dr Tien Pham Van
GIỚI THIỆU> Dự án “TOWARD MANIPULATING MOBILE DEVICES BY THOUGHTS”
Trang 5GIỚI THIỆU>Đồ án: “Phân tích thành phần độc lập của tín hiệu điện não đồ nhằm giải mã ý muốn tương tác với thiết bị di động"
Trang 62 CƠ SỞ LÝ THUYẾT
Trang 7CƠ SỞ LÝ THUYẾT>Electroencephalography - EEG
EEG là gì?
Là tín hiệu điện phát sinh từ bộ não
Cách thu thập tín hiệu EEG?
Sử dụng đầu đọc có các điện cực tiếp xúc với da đầu
Trang 8CƠ SỞ LÝ THUYẾT>Nhiễu
Sử dụng các điện cực gắn trên da đầu, ngoài tín hiệu điện EEG ta còn thu được các tín hiệu nhiễu khác, như nhiễu do nháy mắt,
nhiễu do hoạt động của cơ tay, cơ chân, …
eyeblink:
Nằm trong khoảng tần số từ
0.12 đến 4Hz, có dạng một gai
nhọn, với biên độ chênh lệch
vào khoảng 100 đến 150uV
Trang 9CƠ SỞ LÝ THUYẾT>ICA>Bài toán Cocktail Party
Independent Component Analysis - ICA
Tín hiệu trộn 2
Thành phần độc
lập
Thành phần độc
lập
Trang 10Mixed ICA
CƠ SỞ LÝ THUYẾT>ICA>FastICA
Trang 113 THỰC HIỆN
Trang 12Detect Eyeblink
Remove Eyeblink
EEG signal from
headset
EEG + Eyeblink
EEG signal THỰC HIỆN>Thuật toán tổng quan
Trang 13Thông số Giá trị
Number of
Channel names
AF3, AF4, F3, F4, F7 F8, FC5, FC6, P7, P8, T7, T8, O1, O2
Samplingrat
Bandwidth 0.2-45 Hz
AF3, AF4, F7, F8 là các kênh chịu ảnh
hưởng mạnh nhất của eyblink
THỰC HIỆN
Trang 14bỏ eyeblinkTRUE
FALSE
Đọc 30 sample tiếp theo
THỰC HIỆN>Thuật toán phát hiện eyeblink
Trang 15Thực hiện ICA với dữ liệu 14 kênh
Biến đổi Wavelet với
14 IC và kênh AF3
Thực hiện 3
Level Wavelet ngược
Tính giá trị tương quan
của Recontructi
on của mỗi
IC và kênh
AF3
Giá trị tương quan lớn nhất sẽ xác định được là thành phần eyeblink
THỰC HIỆN>Thuật toán loại bỏ nhiễu mắt
Trang 16Xóa bỏ 30 sample của thành phần eyeblink
14 IC: 13 thành phần +
1 thành phần eyeblink
Thực hiện ICA ngược với 14 thành phần
Dữ liệu EEG
sạch
THỰC HIỆN>Thuật toán tái cấu trúc dữ liệu
Trang 174 THỬ NGHIỆM VÀ KẾT QUẢ
Trang 18THỰC HIỆN>Thuật toán loại bỏ nhiễu mắt
1024 mẫu dữ liệu thu được từ đầu đọc Headset
Trang 19THỰC HIỆN>Thuật toán loại bỏ nhiễu mắt
Các thành phần độc lập thu được sau khi chạy ICA
Trang 20THỰC HIỆN>Thuật toán loại bỏ nhiễu mắt
Chạy Wavelet Transform Inverse Level 3 với từng thành phần
Trang 21THỰC HIỆN>Thuật toán loại bỏ nhiễu mắt
Chạy Wavelet Transform Inverse Level 3 kênh AF3
Trang 22THỰC HIỆN>Thuật toán loại bỏ nhiễu mắt
Dữ liệu tái cấu trúc sau khi đã loại bỏ nhiễu – Kênh Fp2
Trang 23THỬ NGHIỆM VÀ KẾT QUẢ>Thử nghiệm tách nhiễu eyeblink trên Smartphone
Trang 245 KẾT LUẬN
Trang 25KẾT LUẬN>Kết quả đạt được
Tính tự động hóa:
Phát triển được một thuật toán có thể phát hiện và loại bỏ tự động thành phần
nhiễu eyeblink
Tính đa nền tảng:
Thuật toán được viết C/C++ và có thể biên dịch trên nhiều nền tảng, cụ thể trong
đề tài này là hệ điều hành Android
Chất lượng tín hiệu:
Chất lượng tín hiệu sau khi loại bỏ tốt hơn các phương pháp loại bỏ thủ công truyền thống
Trang 26KẾT LUẬN>Hướng phát triển trong tương lai
Kiểm soát thí nghiệm:
Cần thiết bị đọc tín hiệu EEG với độ chính xác cao hơn, hạn chế các yêu câu ngặt
nghèo như thiết bị hiện tại: phải bôi gen tiếp xúc ở các điện cực, thí nghiệm trong môi trường yên tĩnh, …
Trang 27EM XIN CHÂN THÀNH CẢM ƠN