Detección de actividad física en señales cerebrales

Correa Tenesaca, Jessica Nathaly (2019). Detección de actividad física en señales cerebrales. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).

Descripción

Título: Detección de actividad física en señales cerebrales
Autor/es:
  • Correa Tenesaca, Jessica Nathaly
Director/es:
Tipo de Documento: Tesis (Master)
Título del máster: Inteligencia Artificial
Fecha: 2019
Materias:
ODS:
Palabras Clave Informales: Señales EEG; KNN; SVC; Random forest; Naive bayes; Emotiv; Hjorth; PCA; Filtro Savitzky–Golay; EEG signals; Savitzky–Golay filter
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[thumbnail of TGM_JESSICA_NATHALY_CORREA_TENESACA.pdf]
Vista Previa
PDF (Portable Document Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (840kB) | Vista Previa

Resumen

Las señales cerebrales permiten detectar actividades cognitivas y motoras que, aplicados a diversos campos de estudio, pueden aportar al desarrollo y mejorar de la calidad de vida de las personas. En el presente trabajo se analiza la detección de actividades físicas, mientras un individuo se encuentra sentado o caminando, utilizando el casco neuronal Emotiv EPOC+, en su versión de 14 canales. Para posteriormente, con los datos obtenidos, procesarlos mediante un suavizado de señales usando el filtro Savitzky-Golay y con ello reducir el ruido que puede existir durante la grabación de las señales. Se utilizan además técnicas de extracción de características basadas en el dominio del tiempo utilizando ventanas de tiempo contiguas y finalmente se evalúan cuatro clasificadores que permitirán determinar el que mejor capacidad de discriminación adquiere, utilizando distintas configuraciones de los parámetros.---ABSTRACT---Brain signals allow to detect cognitive and motor activities that, applied to different fields of study, can contribute to the development and improvement of the quality of people’s life. This paper discusses the detection of physical activities, while an individual is sitting or walking, using the emotiv EPOC+ neural helmet, in its 14-channel version. Following that, process the data by smoothing signals using the Savitzky-Golay filter and thereby reduce the noise that may exist during the recording of the signals. Feature extraction techniques based on time domain are also used applying contiguous time windows and finally four classifiers are evaluated to determine the best capacity for discrimination, using different parameter settings.

Más información

ID de Registro: 55990
Identificador DC: https://oa.upm.es/55990/
Identificador OAI: oai:oa.upm.es:55990
Depositado por: Biblioteca Facultad de Informatica
Depositado el: 09 Ago 2019 05:58
Ultima Modificación: 09 Ago 2019 05:58