Mèo của chúng tôi đang chạy đi lấy dữ liệu cho bạn ...

[PE2025127] KẾT HỢP TÍN HIỆU EEG, CAMERA VÀ VẬT MỐC ĐỂ ĐỊNH VỊ, ĐIỀU KHIỂN XE LĂN ĐIỆN ĐẾN ĐÍCH DỰA VÀO BẢN ĐỒ -28%

Upload bởi: kimcuongt3
(0 Đánh giá)
250,000đ
180,000đ

Trong những năm gần đây, số lượng người gặp vấn đề về vận động đã tăng lên ở Việt Nam và trên thế giới. Đối với người già và người khuyết tật, các chức năng thể chất của họ bị giảm sút nghiêm trọng, và do đó xe lăn điện gần như là phương tiện duy nhất để duy trì tính cơ động. Luận án này đã đề xuất một số phương pháp cho việc điều khiển bán tự động cho xe lăn điện dựa vào tín hiệu điện não đồ (EEG), camera, các vật mốc và bản đồ.

Điện Tử Viễn Thông
Tài liệu
25/03/2025
hotrodoan.vn_Kết hợp tín hiệu eeg, camera và vật mốc để định vị, điều khiển xe lăn điện đến đích dựa vào bản đồ.pdf
  • Chức năng đầy đủ và giống demo 100%

  • Hỗ trợ lắp đặt nếu cần

  • Hỗ trợ trả lời người mua sau khi tải

Với đặc điểm của các đối tượng tàn tật nặng với những phần cơ thể khác nhưng mắt vẫn còn hoạt động tốt, tín hiệu EEG từ các hoạt động mắt là phù hợp cho việc giao tiếp giữa người dùng và hệ thống điều khiển. Từ đó, luận án đề xuất hai phương pháp phân loại các hoạt động mắt từ tín hiệu điện não đồ EEG gồm phương pháp ngưỡng biên độ và mô hình mạng học sâu CNN-1D. Ưu điểm của phương pháp phân loại các hoạt động mắt như nháy mắt trái, nháy mắt phải, dùng thuật toán ngưỡng biên độ là độ chính xác cao với tỷ lệ lượt là 97% và 99% cho mỗi loại. Hơn nữa, phương pháp này có thể xử lý trực tiếp trên tín hiệu thu được từ các điện cực F7 và F8 mà không cần phải được huấn luyện trước. Trong khi với phương pháp phân loại các hoạt động mắt dùng mạng học sâu CNN-1D, tập dữ liệu huấn luyện cần được thu thập trước theo một quy trình được chuẩn hóa. Dữ liệu được thu thập từ thiết bị Emotiv Epoc+ cho 14 kênh tín hiệu EEG, trong đó 4 điện cực F7, AF3, F8, AF4 được sử dụng chính cho thu tín hiệu. Cụ thể, với đặc điểm của các hoạt động mắt, chỉ có tín hiệu từ 4 điện cực F7, AF3, F8, AF4 được trích xuất và ghép lại tạo thành 1 tín hiệu cho huấn luyện. Các tín hiệu này được làm trơn dùng bộ lọc Savitzky-Golay trước khi đưa vào huấn luyện để tăng độ chính xác. Kết quả phân loại cho 5 loại nháy mắt gồm nháy mắt trái, nháy mắt phải, nháy hai mắt, nháy hai mắt hai lần liên tiếp và không nháy mắt lần lượt là 98,1%, 100%, 95,9%, 100% và 98,1%. So với phương pháp ngưỡng biên độ thì việc dùng mạng học sâu CNN-1D có lợi thế ở việc có thể mở rộng số lượng loại hoạt động nháy mắt tùy thuộc vào số lượng lệnh điều khiển của người dùng trong các ứng dụng giao tiếp giữa não người và máy tính hoặc hệ thống điều khiển. 
ĐIỂM TRUNG BÌNH
0
Xuất sắc (0)
Rất tốt (0)
Tốt (0)
Trung Bình (0)
Cần cải thiện (0)

Bài đăng cùng danh mục:

Bài đăng mới nhất: