Details

Данная работа посвящена разработке и реализации системы, обеспечивающей классификацию ЭЭГ-сигналов моторного воображаемого движения, а также систему управления внешним (инвалидным) транспортным средством в условиях реального времени. Задачи, которые решались в ходе исследования: 1) Проведение анализа и систематизации существующих методов предобработки, извлечения признаков и классификации ЭЭГ-сигналов моторного воображаемого движения с оценкой их применимости для управления в реальном времени. 2) Разработка модели классификации ЭЭГ-сигнала, обеспечивающей подавление артефактов и шумов при ограниченном числе каналов. 3) Разработка архитектуры нейросетевого классификатора и стратегии последовательного обучения с буфером воспроизведения для предотвращения катастрофического забывания. 4) Проведение оценки классификатора на эталонном наборе данных с последующим анализом полученных результатов. 5) Синтез системы управления транспортным средством 6) Оценка точности классификатора и системы управления с помощью эксперимента. Работа изложена на 95 страниц, содержит 17 рисунков, 9 таблиц, список использованных источников из 38 наименований, приложение.

This work is devoted to the development and implementation of a system for classifying EEG signals of motor imagery, as well as a system for controlling a vehicle in real time. The tasks that were solved in the course of the research were: 1) Conducting an analysis and systematization of existing methods of preprocessing, feature extraction and classification of EEG signals of motor imagery with an assessment of their applicability for real-time control. 2) Development of a model for classifying EEG signals that ensures suppression of artifacts and noise with a limited number of channels. 3) Development of a neural network classifier architecture and a sequential learning strategy with a replay buffer to prevent catastrophic forgetting. 4) Conducting an evaluation of the classifier on a reference dataset with subsequent analysis of the obtained results. 5) Synthesis of a vehicle control system 6) Evaluation of the accuracy of the classifier and control system using an experiment.