Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения
Интерфейс мозг-компьютер представляет собой сложную систему, позволяющую управлять внешними электронными устройствами с помощью активности головного мозга. Эта система включает в себя несколько элементов – устройство считывания сигналов активности головного мозга, аппаратно-программный комплекс, вып...
Saved in:
Main Authors: | , |
---|---|
Format: | Article |
Language: | English |
Published: |
Russian Academy of Sciences, St. Petersburg Federal Research Center
2025-01-01
|
Series: | Информатика и автоматизация |
Subjects: | |
Online Access: | https://ia.spcras.ru/index.php/sp/article/view/16618 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
_version_ | 1832592322733277184 |
---|---|
author | Alexander Fradkov Nickolay Babich |
author_facet | Alexander Fradkov Nickolay Babich |
author_sort | Alexander Fradkov |
collection | DOAJ |
description | Интерфейс мозг-компьютер представляет собой сложную систему, позволяющую управлять внешними электронными устройствами с помощью активности головного мозга. Эта система включает в себя несколько элементов – устройство считывания сигналов активности головного мозга, аппаратно-программный комплекс, выполняющий обработку и анализ этих сигналов, а также объект управления. Основную сложность представляет разработка методов и алгоритмов, способных правильно распознавать и предсказывать намерения человека, который использует этот интерфейс, чтобы обеспечить решение задач управления. В данной работе описывается математическая постановка задачи управления транспортным средством и предложенная алгоритмическая структура разработанной системы управления. Описываются методы предобработки сигналов ЭЭГ, их анализа, принятия решений о выдаче сигнала управления, описывается структура программной реализации этих методов, а также результаты экспериментальной проверки работоспособности системы. Для классификации сигналов ЭЭГ используются методы машинного обучения. Предложен новый метод классификации в машинном обучении – метод нечетких почти ближайших соседей, являющийся модификацией классического метода k-ближайших соседей и снижающий зависимость решения от выбора параметра k. Алгоритмы обработки сигналов ЭЭГ и управления реализованы на языке программирования Python. В качестве объекта управления рассматривается инвалидное кресло с дистанционным управлением, а в качестве задачи управления – поворот кресла вправо или влево. Для экспериментальной проверки работоспособности разработанной модели и алгоритмов всего было проведено более 15 испытаний c 5 испытуемыми в общей сложности. Разработанный и описанный в данной статье подход и его программная реализация в ходе испытаний продемонстрировали эффективность в задачах управления поворотом инвалидного кресла. Также было уделено особое внимание ресурсоёмкости программной реализации. Методы и алгоритмы были реализованы с учётом требований, возникающих при выполнении вычислений на малопроизводительных устройствах с ограниченным количеством памяти. |
format | Article |
id | doaj-art-f0a10fead5344c658c2a6ffb3a2d7ab5 |
institution | Kabale University |
issn | 2713-3192 2713-3206 |
language | English |
publishDate | 2025-01-01 |
publisher | Russian Academy of Sciences, St. Petersburg Federal Research Center |
record_format | Article |
series | Информатика и автоматизация |
spelling | doaj-art-f0a10fead5344c658c2a6ffb3a2d7ab52025-01-21T11:27:24ZengRussian Academy of Sciences, St. Petersburg Federal Research CenterИнформатика и автоматизация2713-31922713-32062025-01-0124152910.15622/ia.24.1.116618Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обученияAlexander Fradkov0Nickolay Babich1Institute for Problems in Mechanical Engineering of the Russian Academy of SciencesInstitute for Problems in Mechanical Engineering of the Russian Academy of SciencesИнтерфейс мозг-компьютер представляет собой сложную систему, позволяющую управлять внешними электронными устройствами с помощью активности головного мозга. Эта система включает в себя несколько элементов – устройство считывания сигналов активности головного мозга, аппаратно-программный комплекс, выполняющий обработку и анализ этих сигналов, а также объект управления. Основную сложность представляет разработка методов и алгоритмов, способных правильно распознавать и предсказывать намерения человека, который использует этот интерфейс, чтобы обеспечить решение задач управления. В данной работе описывается математическая постановка задачи управления транспортным средством и предложенная алгоритмическая структура разработанной системы управления. Описываются методы предобработки сигналов ЭЭГ, их анализа, принятия решений о выдаче сигнала управления, описывается структура программной реализации этих методов, а также результаты экспериментальной проверки работоспособности системы. Для классификации сигналов ЭЭГ используются методы машинного обучения. Предложен новый метод классификации в машинном обучении – метод нечетких почти ближайших соседей, являющийся модификацией классического метода k-ближайших соседей и снижающий зависимость решения от выбора параметра k. Алгоритмы обработки сигналов ЭЭГ и управления реализованы на языке программирования Python. В качестве объекта управления рассматривается инвалидное кресло с дистанционным управлением, а в качестве задачи управления – поворот кресла вправо или влево. Для экспериментальной проверки работоспособности разработанной модели и алгоритмов всего было проведено более 15 испытаний c 5 испытуемыми в общей сложности. Разработанный и описанный в данной статье подход и его программная реализация в ходе испытаний продемонстрировали эффективность в задачах управления поворотом инвалидного кресла. Также было уделено особое внимание ресурсоёмкости программной реализации. Методы и алгоритмы были реализованы с учётом требований, возникающих при выполнении вычислений на малопроизводительных устройствах с ограниченным количеством памяти.https://ia.spcras.ru/index.php/sp/article/view/16618нейроинтерфейсуправлениемашинное обучениеээгактивность мозгаknn |
spellingShingle | Alexander Fradkov Nickolay Babich Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения Информатика и автоматизация нейроинтерфейс управление машинное обучение ээг активность мозга knn |
title | Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения |
title_full | Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения |
title_fullStr | Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения |
title_full_unstemmed | Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения |
title_short | Трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения |
title_sort | трехпозиционное управление транспортным средством на основе нейроинтерфейса с применением машинного обучения |
topic | нейроинтерфейс управление машинное обучение ээг активность мозга knn |
url | https://ia.spcras.ru/index.php/sp/article/view/16618 |
work_keys_str_mv | AT alexanderfradkov trehpozicionnoeupravlenietransportnymsredstvomnaosnovenejrointerfejsasprimeneniemmašinnogoobučeniâ AT nickolaybabich trehpozicionnoeupravlenietransportnymsredstvomnaosnovenejrointerfejsasprimeneniemmašinnogoobučeniâ |