Emotiv EPOC BCI com Python em uma Raspberry Pi

Autores

  • José Salgado Patrón Universidad Surcolombiana, Neiva
  • Cristian Raúl Barrera Monje Universidad Surcolombiana, Neiva

DOI:

https://doi.org/10.18046/syt.v14i36.2217

Palavras-chave:

BCI, EEG, EPOC, Python, Raspberry Pi, máquina de vetores de suporte.

Resumo

O sistema BCI híbrido dá uma visão sobre o desenvolvimento de interfaces úteis para usuários com diferentes formações, desde aplicações médicas até jogos de vídeo, onde autônomo e portátil significam acessibilidade para o usuário. Sistemas como EPOC oferecem uma solução simples para a aquisição de sinais de EEG e EMG com preço baixo e configuração rápida, em comparação com equipamentos médicos de alta tecnologia. Do ponto de vista do processamento, um computador oferece sempre a fonte principal para resolver qualquer problema, tal como o Raspberry Pi [RPi] faz, que fornece o suficiente poder computacional para implementar  uma BCI e um sistema operacional de código aberto, como Raspbian. Certamente uma comunicação sem fio é uma obrigação entre o robô e o RPi, onde um módulo Xbee permite uma conexão bidirecional simples. Python é a principal ferramenta usada no projeto com múltiplas bibliotecas para o processamento de sinais cerebrais e musculares, não só para a sua preparação, mas também para a sua classificação, a partir de funções multithreading, extração de características, tais como Densidade de Potência Espectral [PSD] e Parámetros Hjorth, e uma Máquina de Vetores de Suporte [SVM] classificadora.

Biografia do Autor

  • José Salgado Patrón, Universidad Surcolombiana, Neiva
    Electronic Engineer; Master in Computing and Electronic Engineering; professor at the Universidad Surcolombiana (Neiva, Colombia): Electronic Engineering Program. His professional interest areas are: biomedical instrumentation, biomedical signal processing, robotics, and computational vision.
  • Cristian Raúl Barrera Monje, Universidad Surcolombiana, Neiva
    Student of Electronic Engineering at the Universidad Surcolombiana (Neiva, Colombia). His professional interest areas are: biomedical signal processing [EEG], learning machine, embedded systems and brain computer interfaces.

Publicado

2016-03-30

Edição

Seção

Original Research