Resumen de Aportaciones al diseño de interfaces persona-máquina utilizando señales EEG
- español
Las grandes ventajas que brindan los sistemas informáticos y los dispositivos inteligentes, cuya presencia se ha incrementado de manera drástica en los últimos años, resultan inaccesibles para los usuarios que no pueden interactuar con las interfaces convencionales de estos sistemas. Este trabajo se enmarca dentro de las investigaciones realizadas en interfaces alternativas cuyo objetivo es facilitar el acceso de todos los posibles usuarios a estas tecnologías.
La tesis doctoral presentada en este documento aborda el diseño de una interfaz cerebro-ordenador, es decir, una interfaz hombre-máquina basada en la adquisición e interpretación de las señales electroencefalográficas, que pretende establecer un canal de comunicación directo entre el cerebro y el ordenador. Partiendo de los registros EEG, generados de manera voluntaria por un usuario al realizar dos tareas mentales relacionadas con la imaginación del movimiento de sus manos, recogidos únicamente en dos electrodos situados sobre la superficie del cuero cabelludo, se propone una arquitectura capaz de reconocer dichas tareas mentales y traducirlas en acciones de un ordenador.
En este trabajo, se estudian todas las etapas de una interfaz de este tipo y se realizan aportaciones en cada una de ellas. En la fase de Preprocesamiento, se ha propuesto una arquitectura combinada de la transformada de Fourier y la transformada wavelet. En la fase de extracción y selección de características, se estudian diversas alternativas basadas en la evolución de los algoritmos de análisis de componentes principales y de mínimos cuadrados parciales. Y en la fase de clasificación o traducción, se han propuesto cuatro arquitecturas adaptadas a los métodos de selección y extracción de características presentados, basadas en cálculo de distancias entre señales originales y las recuperadas por el algoritmo de análisis de componentes principales robusto, en el análisis discriminante robusto también sobre las señales transformadas mediante esta misma técnica, en un algoritmo de regresión lineal sobre las componentes latentes obtenidas por el algoritmo de mínimos cuadrados parciales y, finalmente, en las máquinas de vectores soporte.
Con el fin de evaluar en profundidad todas las aportaciones, se ha generado una base de datos de señales EEG a partir de los registros de doce usuarios y se ha llevado a cabo un profundo estudio estadístico de todas las alternativas diseñadas y sus parametrizaciones, realizando más de 800000 experimentos hasta llegar a la propuesta de la mejor combinación.
- English
The great advantages of computer systems and intelligent devices, whose presence has increased drastically in recent years, are inaccessible to users who can not interact with the conventional interfaces of these systems. This work is part of the research carried out on alternative interfaces aimed at facilitating the access of all possible users to these technologies.
This Ph.D. thesis addresses the design of a brain-computer interface, a human-machine interface based on the acquisition and interpretation of electroencephalographic signals, which aims to establish a direct communication channel between the brain and the computer. Using EEG records, generated voluntarily by a user while performing two mental tasks related to the imagination of the movement of his hands, collected only on two electrodes located on the surface of the scalp, an architecture for recognizing those tasks and translating them into computer actions is proposed.
In this work, all the stages of an interface of this type are studied and contributions are made in each of its phases. In the initial preprocessing stage, a fusion of the Fourier and the wavelet transforms is proposed. In the phase of feature extraction and selection, several alternatives are presented, based on the evolution of the algorithms of principal component analysis and partial least squares. Four classification architectures, adapted to the methods of feature selection and extraction, have been detailed in the classification or final translation stage. They are based on calculation of distances between original signals and those recovered by the robust principal component analysis algorithm, on the robust discriminant analysis of the signals transformed by this same technique, on a linear regression algorithm on the latent components obtained by the partial least squares algorithm and, finally, on support vector machines.
In order to assess in depth all the proposed contributions, a database of electroencephalographic signals has been built with twelve users’records. A thorough statistical study on all the alternatives designed and their possible parameterizations has been carried out, performing more than 800000 experiments.
