Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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