A treatment of EEG data by underdetermined blind source separation for motor imagery classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F12%3A00380079" target="_blank" >RIV/67985556:_____/12:00380079 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/46747885:24220/12:#0002020

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A treatment of EEG data by underdetermined blind source separation for motor imagery classification

Popis výsledku v původním jazyce

Brain-Computer Interfaces (BCI) controlled through imagined movements cannot work properly without a correct classification of EEG signals. The difficulty of this problem consists in low signal-to-noise ratio, because EEG may contain strong signal components that are not related to motor imagery. In this paper, these artifact components are to be suppressed using a recently proposed underdetermined blind source separation method and a novel MMSE beamformer. We use these tools to remove unwanted components of EEG to increase the classification accuracy of the BCI system. In our experiments with several datasets, the classification is improved by up to 10%.

Název v anglickém jazyce

A treatment of EEG data by underdetermined blind source separation for motor imagery classification

Popis výsledku anglicky

Brain-Computer Interfaces (BCI) controlled through imagined movements cannot work properly without a correct classification of EEG signals. The difficulty of this problem consists in low signal-to-noise ratio, because EEG may contain strong signal components that are not related to motor imagery. In this paper, these artifact components are to be suppressed using a recently proposed underdetermined blind source separation method and a novel MMSE beamformer. We use these tools to remove unwanted components of EEG to increase the classification accuracy of the BCI system. In our experiments with several datasets, the classification is improved by up to 10%.

Druh

D - Stať ve sborníku

CEP obor

FH - Neurologie, neurochirurgie, neurovědy

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP103%2F11%2F1947" target="_blank" >GAP103/11/1947: Metody analýzy latentních proměnných ve slepém zpracování řečových a akustických signálů</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

20th European Signal Processing Conference (EUSIPCO 2012)

ISBN

978-1-4673-1068-0

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1484-1488

Název nakladatele

EURASIP

Místo vydání

Bucharest

Místo konání akce

Bukurešť

Datum konání akce

27. 8. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000310623800298