Files

Download

Download Full Text (11.5 MB)

Tutor 1

José Fabián Salazar Cáceres

Resumen

Debido a diferentes circunstancias, perder la función motora de alguna extremidad es un factor que afecta la calidad de vida tanto del hombre como de la mujer, en términos de salud física y emocional. Con el objetivo de ayudar a estas personas existen numerosas técnicas que consisten en el desarrollo de interfaces para la manipulación de diferentes dispositivos por medio del estudio de señales cerebrales. La implementación de estás interfaces trae consigo el requisito de establecer una comunicación entre el cerebro humano y una máquina o computadora, que es lo que se conoce como una interfaz cerebro-computadora o por sus siglas en inglés BCI (Brain Computer Interface).

En este trabajo se tiene el desarrollo de una sistema BCI para la operación remota de un manipulador Mitsubishi RV-M1, adquiriendo las señales cerebrales eléctricas, mediante un electroencefalograma no invasivo bajo estimulo visual de patrones frecuenciales (SSVEP), para luego filtrar estas señales y realizar un estudio comparativo entre la transformada discreta de Fourier (DFT) y la transformada discreta de Wavelet (DWT), cómo técnicas para la extracción de características, las cuales están relacionadas con el estímulo visual (SSVEP) y son las entradas a dos esquemas de clasificación basados en aprendizaje no supervisado estudiados, comparados y desarrollados como lo son los K vecinos más cercanos o más conocido por sus siglas en inglés KNN (K Nearest Neighbors) y los Árboles de Decisión, los cuales agrupan en clusters de características similares de entrada en posiciones o comandos del manipulador, teniendo en cuenta su volumen de trabajo.

El desarrollo de este trabajo es implementado únicamente con herramientas Open-Source o de código abierto cómo lo es el lenguaje de programación Python,el cual es ampliamente utilizado para desarrollar aplicaciones de Análisis de Señales y Machine Learning.

Esta metodología trae consigo beneficios de interpretar señales eléctricas del cerebro y convertir estas señales en indicadores de control o comandos para realizar diferentes rutinas o movimientos en manipuladores. Es de suma importancia que el procesamiento de las señales sea lo más eficiente en términos de tiempo y precisión. Por último, se debe garantizar que la adquisición, procesamiento y clasificación de señales eléctricas lleven a resultados coherentes, mostrando en tiempo real movimientos del manipulador con respecto a la orden dada por el operario (según el estímulo visual) y reconociendo factores que intervengan como errores en la adquisición de señales, errores del operador o en el sistema en general

Programa académico

Ingeniería en Automatización

Tipo de documento

Trabajo de grado - Pregrado

Licencia Creative Commons

Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 License
This work is licensed under a Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 License.

Fecha de elaboración

2020

Programa académico

Ingeniería en Automatización

Facultad

Facultad de Ingeniería

Publisher

Universidad de La Salle. Facultad de Ingeniería. Ingeniería en Automatización

Compartir

COinS