• Journal of KIISE
• /
• v.42 no.12
• /
• pp.1535-1543
• /
• 2015

The brain-computer interface obtains a user's electroencephalogram as a replacement communication unit for the disabled such that the user is able to control machines by simply thinking instead of using hands or feet. In this paper, we propose a feature extraction method based on a non-selected filter by SBCSP to classify motor imagery EEG. First, we divide frequencies (4~40 Hz) into 4-Hz units and apply CSP to each Unit. Second, we obtain the FLD score vector by combining FLD results. Finally, the FLD score vector is projected onto the optimal plane for classification using PCA. We use BCI Competition III dataset IVa, and Extracted features are used as input for LS-SVM. The classification accuracy of the proposed method was evaluated using $10{\times}10$ fold cross-validation. For subjects 'aa', 'al', 'av', 'aw', and 'ay', results were $85.29{\pm}0.93%$, $95.43{\pm}0.57%$, $72.57{\pm}2.37%$, $91.82{\pm}1.38%$, and $93.50{\pm}0.69%$, respectively.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.4
• /
• pp.429-434
• /
• 2012

This paper presents a technology for manipulating external devices by Brain Computer Interface (BCI) system. Recently, BCI based rehabilitation and assistance system for disabled people, such as patient of Spinal Cord Injury (SCI), general paralysis, and so on, is attracting tremendous interest. Especially, electroencephalogram (EEG) signal is used to organize the BCI system by analyzing the signals, such as evoked potential. The general findings of neurophysiology support an availability of the EEG-based BCI system. We concentrate on the event-related synchronization of motor imagery EEG signal, which have an affinity with an intention for moving control of external device. To analyze the brain activity, short-time Fourier transform and particle swarm optimization are used to optimal feature selection from the preprocessed EEG signals. In our experiment, we can verify that the power spectral density correspond to range mu-rhythm(${\mu}8$~12Hz) have maximum amplitude among the raw signals and most of particles are concentrated in the corresponding region. Result shows accuracy of subject left hand 40% and right hand 38%.

• Journal of Institute of Control, Robotics and Systems
• /
• v.22 no.3
• /
• pp.199-203
• /
• 2016

A brain-computer interface or BCI provides an alternative method for acting on the world. Brain signals can be recorded from the electrical activity along the scalp using an electrode cap. By analyzing the EEG, it is possible to determine whether a person is thinking about his/her hand or foot movement and this information can be transferred to a machine and then translated into commands. However, we do not know which information relates to motor imagery and which channel is good for extracting features. A general approach is to use all electronic channels to analyze the EEG signals, but this causes many problems, such as overfitting and problems removing noisy and artificial signals. To overcome these problems, in this paper we used a new optimization method called the Fruit Fly optimization algorithm (FOA) to select the best channels and then combine them with CSP method to extract features to improve the classification accuracy by linear discriminant analysis. We also used particle swarm optimization (PSO) and a genetic algorithm (GA) to select the optimal EEG channel and compared the performance with that of the FOA algorithm. The results show that for some subjects, the FOA algorithm is a better method for selecting the optimal EEG channel in a short time.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.11a
• /
• pp.21-22
• /
• 2010

Brain-Computer Interface (BCI) 는 뇌 신호를 이용하여 생각으로 기계 및 컴퓨터를 제어 할 수 있는 기술이다. 뇌전도(Electroencephalography, EEG) 를 이용한 본 연구는 왼쪽/오른쪽 손 상상 움직임 실험에 대해서 특징 추출 (feature extraction)에 관�� 연구로 총 9명의 피험자로부터 얻어진 뇌 전도 데이터를 이용하여 전통적인 방법 (Common Spatial Pattern, CSP 및 Fisher Linear Discriminant, FLDA)을 이용해 구한 분류 정확도와 본 논문에서 사용 된 Symbolic transfer entropy (STE)을 통해 얻어진 특징에 대한 결과를 보여 준다. 본 연구를 통하여 STE를 통한 특징 추출 방법이 의미가 있다고 생각한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.847-850
• /
• 2016

뇌-컴퓨터 인터페이스(Brain-Computer Interface: BCI) 기술의 중요성 및 활용도가 증대됨으로써 EEG(electroencephalogram: EEG)기반의 사용자 인터페이스에 대한 개발 및 연구가 활발히 진행되고 있다. 그러나 뇌파 발생 훈련이 되어 있지 않은 사용자는 EEG 기반의 사용자 인터페이스를 사용하기가 어렵다. 따라서 본 논문에서는 향후 뇌파 훈련을 위한 시뮬레이터를 개발하고자, 그 전단계로 사용자에게서 공통적으로 정확도가 높게 측정되는 채널 및 특징점을 비교, 분석 하였다. 피험자 3명의 왼손 동작 상상과 오른손 동작 상상으로 발생된 EEG 생체신호로부터 ERD/ERS를 확인하고, 8개의 특징점을 추출하여 SVM 분류 알고리즘을 기반으로 정확도를 측정하였으며, ${\mu}$대역 채널 AF4, F4에서의 특징 MAV에서 가장 우수한 성능을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.469-472
• /
• 2011

신체 부위를 움직이는 상상을 할 때, 일반적으로 뇌의 감각 및 운동 피질 영역에서 특정 주파수 대역의 EEG(Electroencephalography) 신호의 세기가 감소하거나 증가하는 ERD(Event-Related Desynchronization)/ERS(Event-Related Synchronization) 현상이 발생한다. 하지만 ERD/ERS는 현상은 피험자에 의존적이고 매시도마다 큰 차이를 보인다. 이러한 문제를 해결하기 위해, 본 논문에서 각 시간-주파수 공간에 대하여 서로 다른 공간 필터를 구성하는 비 동질(non-homogeneous) 공간 필터 최적화 방법을 제안한다. EEG 신호는 시간에 대하여 비정상적(non-stationary) 특징을 가지기 때문에 제안하는 방법과 같이 시간에 따라 변화하는 ERD/ERS 특징을 반영하여 공간적 특징을 추출하는 방법은 시간에 대한 변화를 고려하지 않은 기존의 방법보다 우수한 성능을 보인다. 본 논문에서는 International BCI Competition IV에서 제공하는 4가지 동작 상상(왼손, 오른손, 발, 혀)에 대한 EEG 신호 데이터를 사용하여 동작 상상 분류 실험을 하고 이 결과를 기존의 타 방법들과 비교 분석하였다. 실험 결과, 피험자에 따라 서로 다른 시간-주파수 특징이 추출됨을 확인하였고, 최적화된 공간 필터들이 시간에 따라 변화하는 것을 확인하였다. 또한 이러한 특징을 이용하여 분류를 수행하였을 때, 더욱 우수한 분류 결과를 보임을 확인하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.22 no.6
• /
• pp.774-779
• /
• 2012

Brain-computer interface based on motor imagery is a system that transforms a subject's intention into a control signal by classifying EEG signals obtained from the imagination of movement of a subject's limbs. For the new paradigm, we do not know which positions are activated or not. A simple approach is to use as many channels as possible. The problem is that using many channels causes other problems. When applying a common spatial pattern (CSP), which is an EEG extraction method, many channels cause an overfit problem, in addition there is difficulty using this technique for medical analysis. To overcome these problems, we suggest a binary particle swarm optimization with channel impact factor in order to select channels close to the most important channels as channel selection method. This paper examines whether or not channel impact factor can improve accuracy by Support Vector Machine(SVM).