Optimierung der Signalverarbeitung für ein hybrides Brain-Computer Interface

Das Brain-Computer Interface (BCI) System ermöglicht eine direkte Verbindung zwischen dem Gehirn des Menschen und einem Steuer- oder Kommunikationsgerät. Anhand der unterschiedlichen elektrophysiologischen Komponenten der Hirnsignale, wie zum Beispiel Steady-State visuell evozierte Potentiale (SSVEP), P300-Potentiale und der sensomotorische Rhythmus (SMR), erkennen die BCIs die Absicht des Nutzers und wandeln diese in Steuersignale um. Als ein intuitives Paradigma zwischen den nicht-invasiven BCIs, weckte die Modulation der µT (8-13; (13-30 Hz) sensomotorischen Rhythmen, hervorgerufen durch die Bewegungsvorstellung (BV), besonderes Interesse. Jedoch sind die SMR-BCIs anspruchsvoller in der Benutzung und komplexer in der Implementation. Diese Arbeit stellt den Signalverarbeitungsalgorithmus, welcher die Bewegungsvorstellungen im EEG erkennt und unterscheidet, vor. Dieses BCI-System wurde in zwei Studien evaluiert. Der zweite Teil dieser Arbeit fokussiert sich auf den räumlichen Filter, Common Spatial Patterns (CSP). Basierend auf der Schätzung der Kovarianz berechnet der CSP-Algorithmus einen Filter, welcher die Varianz für eine BV-Klasse maximiert und für andere BV-Klassen gleichzeitig minimiert. Die größten Nachteile des CSPs sind die Empfindlichkeit gegenüber dem Rauschen und die Neigung zur Überanpassung. Um diese Nachteile zu bewältigen, wurde die Regularisierung des CSP (R-CSP) vorgeschlagen. Die vorgeschlagene Methode wurde am Datensatz der ersten Studie getestet, welche als Resultat aufzeigt, dass ein R-CSP den konventionellen CSP-Algorithmus übertrifft. Der dritte Teil dieser Arbeit stellt ein mobiles und multimodales Brain-Computer Interface vor, das die Kombination zwischen unterschiedlichen Modalitäten untersucht.