A treatment of EEG data by underdetermined blind source separation for motor imagery classification
Identifikátory výsledku
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
—
Alternativní jazyky
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%.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
FH - Neurologie, neurochirurgie, neurovědy
OECD FORD obor
—
Návaznosti výsledku
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
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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