Detalhes bibliográficos
Ano de defesa: |
2017 |
Autor(a) principal: |
FREITAS, Diogo Roberto Raposo de |
Orientador(a): |
RODRIGUES, Marco Aurélio Benedetti |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Engenharia Eletrica
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/34166
|
Resumo: |
Dispositivos portáteis para aquisição e processamento digital de sinais de eletroencefalografia (EEG) são peças fundamentais para construção de Interfaces Cérebro Máquina (BCI – Brain Computer Interface). Estas interfaces possibilitam o acionamento de dispositivos eletromecânicos controlados via pensamento e possuem diversas aplicações: reabilitação motor-neural de pacientes com limitações de movimento; equipamentos para intervenções em processos industriais/militares perigosos; entretenimento. Este trabalho propõe uma plataforma para aquisição de EEG e processamento digital em FPGA (Field Programmable Gate Array), com a finalidade de reconhecer a imaginação do movimento (IM) das mãos em tempo real e possibilitar um feedback visual. Construiu-se um amplificador de dois canais específico para captação analógica do sinal de EEG. O tratamento digital dos dados foi realizado através da implantação de um algoritmo adaptado da transformada wavelet discreta Daubechies-4, capaz de decompor o EEG em suas faixas de frequência constituintes β, α, θ e δ. Em seguida, o sistema executa o escalograma em hardware e classifica os sinais de forma síncrona medindo a ERD/ERS (Event Related Desynchronization/Synchronization) para identificar de forma online a IM da mão direita ou esquerda pelo método de threshold. A técnica foi aplicada em sinais gravados de um banco de dados de três indivíduos e em sinais adquiridos diretamente de um voluntário. Os resultados foram comparados com algoritmos offline e mostram a viabilidade do processo. O sistema reconhece a IM e indica qual das mãos foi imaginada. A principal contribuição desta tese é uma ferramenta para trabalhar com ERD/ERD através de uma plataforma embarcada para reconhecimento de IM em tempo real com feedback visual, não invasiva, construída com hardware reconfigurável, que funciona à bateria e possui canal de comunicação sem fio. |