İmleç Hareketlerine Ait EEG Sinyallerinin Sınıflandırılmasında Adaptif ve Adaptif Olmayan Filtrelerin Uygulamaları

Beyin Bilgisayar Arayuzu(BBA), herhangi fiziksel bir yetenege ihtiyac duymadan insanin niyetinin veya kasitli dusuncesinin siniflandirilmasini esas alinir. BBA calismalarinda, veriler elektroensefalografi(EEG) yontemi kullanilarak elde edilirken cevre kaynakli(sebeke gurultuleri vs.) veya icsel(goz hareketleri, ECG vs.) bazi gurultulere maruz kalir. EEG verilerinin hassas bir sekilde siniflandirilmasini onemli derecede etkileyebilecek gurultulerden biri de elektrookulografik(EOG) gurultulerdir. Bu calismada, Graz Universitesi tarafindan yapilan BCI-IV yarismasinin 2a veri seti kullanilmistir. 4 sinifli veri seti 2 sinifa indirgenerek sadece sag ve sol imlec hareketlerinin offline siniflandirilmasi amaclanmistir. 22 kanaldan alinan EEG verileri ile es zamanli, goz cevresine montaji yapilan 3 elektrottan da EOG verileri elde edilmistir. Kullanilan veri setinde, EOG gurultulerini EEG sinyallerinden arindirmak icin geleneksel bant geciren filtreler ve recursive least square(RLS) adaptif filtresi kullanilmistir. Motor hareket hayali ile uygun bantlara filtrelenmis sinyallerden, ortak uzamsal oruntuler(CSP) metodu ile cikarilan oznitelik vektorleri, lineer diskriminant analizi(LDA), destek vektor makinalari(DVM), naive bayes(NB) ve k-NN siniflandirma algoritmalarinin girislerine uygulanmistir. Chebyshev tip 2 ve DVM kombinasyonu %72'lik ortalama dogruluk orani ile en yuksek siniflandirma performansini saglamistir. Ayrica RLS adaptif filtresi ile elde edilen siniflandirma sonuclari bant geciren filtrelerin sonuclari ile mukayese edilmistir. RLS algoritmasi ve LDA kombinasyonu, %64 dogruluk orani ile geleneksel bant geciren filtreler ile elde edilen sonuclardan daha dusuk performans gostermistir. Calismada elde edilen bulgular literaturu destekler niteliktedir. Calismanin bulgulari, gelecekte yapilacak calismalara da isik tutabilecek niteliktedir.