Santrauka. Disertacijoje pristatomi algoritmai, skirti tiesioginei žmogaus smegenų ir kompiuterio sąsajai. Šiuolaikiniame pasaulyje vis daugiau dėmesio skiriama neįgaliųjų žmonių gyvenimo kokybės užtikrinimui, interaktyvių pramogų ir praturtintos realybės sistemų kūrimui. Vienas perspektyvių šių problemų sprendimo būdų gali būti smegenų ir kompiuterio sąsaja. Ši sąsaja leidžia valdyti kompiuterį ar kitą elektronikos prietaisą nenaudojant kūno raumenų. Sąsaja remiasi smegenų elektroencefalogramos transformavimu į valdymo signalus įvairiems elektroniniams įrenginiams. Disertacijos tikslas – elektroencefalogramos signalų apdorojimo ir klasifikavimo algoritmų tyrimai, siekiant sukurti efektyvią ir komerciškai priimtiną tokios sąsajos architektūrą. Darbe nagrinėjamos žmogaus smegenų elektroencefalogramos signalo savybės, apžvelgiamos šiuolaikinės smegenų ir kompiuterio sąsajos sistemos, pateikiama jų klasifikacija. Tiriamojoje darbo dalyje aprašomi penki nauji metodai, pritaikyti signalų triukšmų šalinimui, reikšminių požymių išskyrimui ir klasifikavimui. Darbo pabaigoje pateikiamas suprojektuotas sistemos prototipas, remiantis sukurtais algoritmais, išvados ir praktinės rekomendacijos.

Pagrindiniai žodžiai: smegenų ir kompiuterio sąsaja, EEG, mašininis mokymas, signalų apdorojimas, DSP.

Duomenų surinkimo ir signalų apdorojimo algoritmai smegenų – kompiuterio sąsajai

Data Acquisition and Signal Processing Methods for Brain – Computer Interfaces

Summary. The dissertation presents algorithms for a direct human brain - computer interface. In today's world, more and more attention is paid to the disabled people's quality of life, and the development of interactive entertainment and virtual reality systems. A creation of the brain - computer interface system might produce one of the most promising solutions. This interface allows a person to control a computer or other electronic device without the use of muscles. The interface is based on the transformation of the electroencephalogram brain signals to control various electronic devices. The objective of the work is to research signal processing and classification algorithms for an electroencephalographic signal in order to create an efficient and commercially acceptable to the interface architecture. The thesis analyzes the signal characteristics of the electroencephalographic signal, provides an overview of modern brain - computer interface system design and their classification. The research part of the dissertation describes five novel methods for signal noise reduction, feature extraction and classification. Finally, a prototype system design based on the proposed algorithms is presented, together with conclusions and practical recommendations.

Keywords: brain-computer interface, EEG, machine learning, signal processing, DSP.