728x90 반응형 SMALL Brain Engineering117 전력 스펙트럼 밀도 (Power Spectral Density) 전력 스펙트럼 밀도 (Power Spectral Density) PSD (Power Spectral Density)는 주파수 스펙트럼 (주파수 영역) 상의 전력 표현으로 신호 주파수에 따른 전력 밀도의 분포를 보기 위해 신호의 전력 대 주파수를 측정한 것이다. PSD는 일반적으로 광대역 임의 신호를 특성화하는 데 사용된다. 이는 주파수 영역에서 단위 Hz 대 주파수 당 전력의 단위로 플롯으로 볼 수 있다. 테스트 데이터 실제 PSD를 계산하기 전에 몇 가지 테스트 데이터를 생성해야 한다. 이를 위해 주파수 10Hz와 60Hz에서 두 개의 사인파를 사용한다. 또한, 신호에서 이 두 가지 주파수 구성 요소를 찾을 수 있는지 여부를 확인하기 위해 약간의 가우스 잡음을 던진다. import numpy as.. 2022. 8. 6. 뇌공학 (Brain Engineering) 뇌공학 (Brain Engineering) 뇌의 정보 처리 구조와 원리를 이해하고 인공지능 시스템에 구현하는 기술을 연구하는 학문으로, 인지과학, 생명 공학, 나노 기술이 융합된 새로운 연구 분야이다. 뇌공학 또는 신경공학은 인간의 뇌와 정신의 본질적인 특성을 탐구하고, 뇌가 활용할 정보 처리의 특성을 연구하는 인지 뇌과학과 뇌신경 신호를 측정, 분석하여 외부 기기를 제어하고 인간의 의사를 외부로 전달하는 방법을 연구하는 뇌-컴퓨터 인터페이스, 뇌의 정보처리 및 인지 과정 메커니즘에 대한 이해를 바탕으로 뇌의 기능을 모사하는 시스템을 구현하는 뉴로모픽 공학 등의 학제간 연구가 융합된 최신 학문 분야이다. https://www.scienceall.com/%EB%87%8C%EA%B3%B5%ED%95%99br.. 2022. 7. 12. EEG with ML 뇌전도 (Electroencephalography) 뇌 신경 사이의 신호가 전달될 때 생기는 전기의 흐름, 두피에서 측정한 뇌의 전기적 활동 뇌-컴퓨터 인터페이스 (Brain-Computer Interface)의 주요 수단으로 사용되는 신호 뇌전도 신호의 특징 시간 자극이 주어진 이후의 변화 또는 어떤 작업을 하는 동안의 시간적 특징 분석 주파수 δ (0.1 ~ 4Hz), θ (4 ~ 8Hz), α (8 ~ 13Hz), β (13 ~ 30Hz), γ (30 ~ 50Hz)에 대한 분석 공간 뇌신호가 활성화되는 뇌 영역 분석 뇌전도 신호 종류 1. Resting state EEG 2. Mental-task Imagery 3. Steady-state Evoked Potential (SSEP) 4. Event .. 2022. 7. 12. 뇌-컴퓨터 인터페이스에서 공통 특징 분석을 사용한 SSVEP 인식 SSVEP recognition 표준 상관 분석 (CCA)은 BCI (뇌-컴퓨터 인터페이스) 응용 프로그램을 위한 정상 상태 시각 유발 전위 (SSVEP) 인식에 성공적으로 적용되었다. CCA 방법은 다중 채널 감지를 통해 기존의 전력 스펙트럼 밀도 분석을 능가하지만 사인-코사인파의 사전 구성된 참조 신호가 추가로 필요하다. 참조 신호에는 훈련 데이터의 기능이 포함되어 있지 않기 때문에 짧은 시간 창을 사용하면 과적합이 발생할 수 있다. SSVEP는 대상자가 깜박임 자극에 주의를 집중할 때 깜박임 주파수와 동일한 빈도로 유도되고 후두피 영역에 대한 고조파에서 유도되는 주기적인 뇌 활동이다. SSVEP 기반 BCI는 일반적으로 고속 푸리에 변환 (FFT)을 사용한 전력 스펙트럼 밀도 분석(PSDA)을 사용.. 2022. 6. 20. Annotations Annotations 파일에 주석 (이벤트라고도 함)이 포함되어 있으면 주석 창이 나타납니다. 주석 중 하나를 클릭하기만 하면 파일의 해당 위치로 이동한다. 주석 마커는 Settings -> Options -> Other에 있는 옵션에 따라 페이지 시작 또는 중간에 나타난다. 주석 창은 고정 가능하다. 창의 크기뿐만 아니라 위치도 변경할 수 있다. 마우스로 드래그하여 창을 띄울 수도 있다. 주석 창을 닫은 후 Window -> Annotations을 통해 다시 나타나게 할 수 있다. Een annotation/event에는 세 가지 속성이 있다. onset time duration (optional) description 주석은 특정 신호에 연결될 수 있다. 이것은 설명에 접미사를 추가하여 수행된다 (e.. 2022. 5. 18. Signals / Timescale / Amplitudemenu Signalsmenu 신호 메뉴를 사용하여 신호를 추가하거나 제거한다. 특정 신호 하나만 제거하려면 제거하려는 신호의 신호 레이블을 왼쪽 클릭한다. 작은 대화 상자가 나타나고 화면에서 특정 신호를 제거할 수 있는 가능성을 제공한다. signaldialog를 참조하면 된다. Timescalemenu Timescale 메뉴를 사용하여 페이지 시간 (화면에 표시되어야 하는 시간 (초))을 선택한다. 페이지 타임이 5분을 초과하면 프로그램 속도가 느려집니다. 특히, 화면에 많은 신호가 있거나 높은 샘플 주파수가 있는 경우이다. "3cm/Sec"은 1초가 가로로 3cm가 되도록 페이지 시간을 조정한다. 다른 결과가 나오는 경우 Menu -> Settings -> Calibration에서 화면을 보정한다. 시간 척.. 2022. 5. 18. Navigation Navigation 파일 탐색은 키보드의 PageUp/PageDown 버튼을 사용하여 수행할 수 있다. 화살표 키를 사용하여 페이지 시간의 1/10로 화면을 이동합니다. 마우스휠을 사용하여 수평으로 스크롤할 수 있다. 마우스 휠의 크기는 설정 메뉴에서 설정할 수 있다. 값이 0이면 마우스휠 스크롤이 비활성화된다. 마우스 가운데 버튼을 길게 눌러 수평으로 드래그한다. Zoomfunction 확대하는 방법에는 여러 가지가 있다. - Ctrl++ 또는 Ctrl+-를 여러 번 누른다 (이렇게 하면 수평으로만 확대/축소된다. 즉, 시간 표시줄이 변경됨). - Ctrl 키를 누른 상태에서 마우스 휠을 사용한다 (이렇게 하면 수평으로만 확대/축소된다. 즉, 시간 표시줄이 변경됨). - 마우스로 사각형을 그려 화면의 .. 2022. 5. 18. Filemenu Filemenu 파일 메뉴를 사용하여 파일을 열거나 닫는다. 파일이 열리면 신호 대화 상자가 나타 납니다. "drag and drop"를 사용하여 파일을 열 수도 있다. Streaming mode 파일 메뉴를 사용하여 스트림을 연다. 스트림은 "growing" 파일이어야 한다. 이 모드는 EDF 또는 BDF를 기록하는 수집 프로그램이 실행 중일 때 사용된다. 수집 프로그램이 데이터를 파일에 쓰는 동안 EDFbrowser를 사용하여 실제 데이터를 관찰 (추적)할 수 있다. EDFbrowser는 실제 파일 크기를 정기적으로 확인하고 파일의 마지막 부분, 즉 가장 실제/최근 데이터를 표시한다. 업데이트 사이의 기본 간격 시간은 500밀리초이며 설정 메뉴에서 변경할 수 있다. Video EDFbrowser가 비.. 2022. 5. 18. EDFbrowser EDFbrowser EEG, EMG, ECG, BioImpedance 등과 같은 시계열 저장 파일을 위한 무료 오픈 소스, 다중 플랫폼, 범용 뷰어, 주석자 및 도구 상자이다. 설치가 간편하고 실행 파일 하나만으로 어디서나 작동하며 특별한 요구 사항이나 종속성이 없으며 Python, Octave 또는 Matlab이 필요하지 않다. 대규모 데이터세트 처리 가능 내장 BDF 및 EDF 유효성 검사기 지원되는 파일 형식: EDF, EDF+, BDF, BDF+ Nihon Kohden EEG-1100/EEG-2100 (*.eeg)-EDF+ 변환기 (주석 포함) Unisens-EDF+ 변환기 Physiobank 용 MIT-EDF+ 변환기 (주석 포함) Manscan Microamps(*.mbi/*.mb2)-EDF+.. 2022. 5. 18. Event Related Potentials 특징 추출 (Feature Extraction) EEG 또는 기타 BCI 장치에서 기록된 원시 신경 데이터에는 뇌 활동 및 외부 간섭으로 인한 일부 소음에 대한 광범위한 정보가 포함된다. 최소한의 노이즈가 있어도 원시 형식의 데이터 복잡성은 해석하기 어려울 수 있다. 특징 추출은 원시 신경 데이터에서 의미 있는 정보를 식별하고 추출하는 프로세스이다. 이렇게 하면 데이터의 양과 노이즈가 줄어들어 패턴을 쉽게 식별하고 BCI의 정확도가 향상된다. 일부 기능 추출 방법은 감독되지 않는다. 그들은 학습할 기능으로 레이블이 지정된 예제 데이터를 사용하지 않는다. 그들은 유사성을 버리고 데이터의 차이점에 집중하여 가장 중요한 정보를 스스로 추출한다. 이러한 방법에는 PCA(주성분 분석), 웨이블릿 변환 등이 포함됩.. 2022. 4. 27. 이전 1 2 3 4 5 ··· 12 다음 728x90 반응형 LIST
