АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНТЕРФЕЙСА УПРАВЛЕНИЯ РОБОТ-ЧЕЛОВЕК ПРИ ВЫДЕЛЕНИИ ЗРИТЕЛЬНЫХ ВЫЗВАННЫХ ПОТЕНЦИАЛОВ НА ОСНОВЕ МНОГОМЕРНОГО ИНДЕКСА СИНХРОНИЗАЦИИ

  • Я. А. Туровский Воронежский государственный университет
  • С.С. Харченко Томский государственный университет систем управления и радиоэлектроники
  • Р. В. Мещеряков Институт проблем управления им. В.А. Трапезникова Российской академии наук
  • А.О. Исхакова Институт проблем управления им. В.А. Трапезникова Российской академии наук
  • А.Ю. Исхаков Институт проблем управления им. В.А. Трапезникова Российской академии наук
Ключевые слова: Зрительные вызванные потенциалы, ЭЭГ, интерфейс мозг-компьютер, многомерный индекс синхронизации, человеко-машинное взаимодействие

Аннотация

Целью исследования является построения систем человеко-машинного управле-ния. Основные способы построения таких систем, способы выделения вызванных по-тенциалов в электроэнцефалограммах. В статье приведены исследования сигналов электроэнцефалограмм с устоявшимися зрительными вызванными потенциалами для разных частот фотостимуляции, на основе метода многомерного индекса синхрони-зации. Рассматривается влияние длины обрабатываемого окна на точность распозна-вания частоты исследуемого сигнала. Так же в ходе исследований авторы проверяют необходимость предобработки исходных сигналов посредством полосовой фильтрации сигнала. Кроме того, рассматривается возможность использования многомерного индекса синхронизации в многоканальном режиме. Результатом исследования авторов является рекомендации по используемым параметрам для выделения устоявшихся зри-тельных вызванных потенциалах в методе многомерного индекса синхронизации. Пока-зана возможность использования алгоритмов на основе многомерного индекса синхронизации в режиме реального времени. Полученные результаты имеют практическую значимость, так как могут применяться для построения нейрокомпьютерных интерфейсов на основе зрительных вызванных потенциалов и могут быть в дальнейшем использованы в формировании теории управления робототехнических систем различного назначения и в реализации решений по организации взаимодействия человека и машины в узких практических задачах.

Литература

1. Zhang Y., Xu P., Cheng K. and Yao D. Multivariate synchronization index for frequency recognition of SSVEP-based brain-computer interface, Journal of Neuroscience Methods, 2014, Vol. 221, pp. 32-40.
2. Miroslav D. Lutovac. Filter Design for Signal Processing using MATLAB© and Mathematica©. New Jersey, USA: Prentice Hall, 2001. ISBN 0-201-36130-2.
3. Wilcoxon F. Individual comparisons by ranking methods, Biometrics, 1945, No. 1, pp. 80-83.
4. Gmurman V.E. Teoriya veroyatnostey i matematicheskaya statistika: ucheb. posobie dlya vuzov [Probability Theory and Mathematical Statistics: Textbook for universities]. 10th ed., stereotyped. Moscow: Vysshaya shkola, 2004, 479 p.
5. Gnezditskiy V.V. Vyzvannye potentsialy v klinicheskoy praktike [Evoked potentials in clinical practice]. Taganrog: Moscow: MED-press-inform, 2003, 264 p.
6. Vidal J.J. Real-time detection of brain events in EEG, Proceedings of the IEEE, 1977, Vol. 65 (5), pp. 633-641. Doi:10.1109/proc.1977.10542.
7. Pfurtscheller G., Neuper N., Guger C., Harkam W., Ramoser H., Schlogl A., Obermaier B. and Pregenzer M. Current trends in Graz Brain-Computer Interface (BCI) research, IEEE Trans Rehabil Eng., 2000, Vol. 8 (2), pp. 216-219.
8. Tyagi A., Semwal S. and Shah G. A Review of Eeg Sensors used for Data Acquisition, Journal of Computer Applications (IJCA), 2012, pp. 13-17.
9. Ma W., Tran D., Le T., Lin H. and Zhou S. Using EEG artifacts for BCI applications, 2014 International Joint Conference on Neural Networks (IJCNN), Beijing, 2014, pp. 3628-3635.
10. Han J., Ji S., Shi C., Yu S. and Shin J. Recent progress of non-invasive optical modality to brain computer interface: A review study, The 3rd International Winter Conference on Brain-Computer Interface. Sabuk, 2015, pp. 1-2.
11. Chueshev A., Melekhova O. and Meshcheryakov R. Cloud robotic platform on basis of fog com-puting approach, Lecture Notes in Computer Science (including subseries Lecture Notes in Artifi-cial Intelligence and Lecture Notes in Bioinformatics), 2018, Vol. 11097 LNAI, pp. 34-43.
12. Wan X. et al. A Review on Electroencephalogram Based Brain Computer Interface for Elderly Disabled, IEEE Access, 2019, Vol. 7, pp. 36380-36387.
13. Turovsky Y.A., Kurgalin S.D., Vahtin A.A., Borzunov S.V. and Belobrodsky V.A. Event-related brain potential investigation using the adaptive wavelet recovery method, Biophysics (Russian Federation), 1 May 2015, Vol. 60, issue 3, article № A018, pp. 443-448.
14. Shepelenko M. and Meshcheryakov R. Algorithm for automated calculation of a segmented electromechatronic module of robotic system motion, MATEC Web of Conferences, 20 June 2017, Vol. 113, article № 02005.
15. Friman O., Volosyak I. and Graser A. Multiple channel detection of steady-state visual evoked po-tentials for brain–computer interfaces, IEEE Trans Biomed Eng., 2007, Vol. 54 (7), pp. 42-50.
16. Lin Z., Zhang C., Wu W. and Gao X. Frequency recognition based on canonical correlation analysis for SSVEP-based BCIs, IEEE Trans Biomed Eng., 2007, Vol. 54, No. 6, pp. 1172-1176.
17. Bartneck C., Belpaeme T., Eyssel F., Kanda T., Keijsers M., & Sabanovic S. Human-Robot Interaction – An Introduction. Cambridge: Cambridge University Press, 2019.
18. Chuang C., Lee C., Yeng C. et al. Convolutional denoising autoencoder based SSVEP signal enhancement to SSVEP-based BCIs, Microsyst Technol, 2019. Available at:https://doi.org/10.1007/s00542-019-04654-2.
19. Liu P. et al. An SSVEP-BCI in Augmented Reality, 2019 41st Annual International Confer-ence of the IEEE Engineering in Medicine and Biology Society (EMBC), Berlin, Germany, 2019, pp. 5548-5551.
20. Sankardoss V., Geethanjali P. Analysis of Multichannel SSVEP for Different Stimulus Fre-quencies. In: Das K., Bansal J., Deep K., Nagar A., Pathipooranam P., Naidu R. (eds) Soft Computing for Problem Solving, Advances in Intelligent Systems and Computing, Vol. 1057. Springer, Singapore, 2020.
Опубликован
2020-07-10
Выпуск
Раздел
РАЗДЕЛ I. ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСОВ