Detección y tratamiento de las señales EEG que permitan definir tareas de un drone.

El presente documento, muestra el proceso para controlar un drone con señales EEG, usando un arreglo de electrodos secos alrededor del córtex motor y en el área de la frente, siguiendo la distribución 10/20 y filtrando las señales en el ritmo Alpha. Se levanta una base de datos con 15 personas, de diferentes géneros y edades, para entrenar tres paradigmas de inteligencia computacional diferentes (k-vecinos más cercanos, bosques aleatorios, y redes neuronales convolucionales) con las entradas pasadas por diferentes preprocesamientos tras el filtrado (sin preprocesamiento, normalización, estandarización, escalado entre valores fijos) con ayuda de scikit learn de python. Se realiza un GUI para ayudar al control del drone usando pyParrot en python. Se obtiene que la mejor clasificación es con la red convolucional neuronal con las entradas son preprocesamiento con la cual se puede dar órdenes al drone en tiempo real.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/29226
• Acceso en línea: http://hdl.handle.net/11349/29226
• Palabra clave: Señales electroencefalográficas; Bosques aleatorios; K-Vecinos mas cercanos; Red neuronal convolucional; Ritmo alpha; Drone parrot mambo; Ingeniería Electrónica - Tesis y disertaciones académicas; Ritmo alfa (Electroencefalografía); Técnicas de impulso (Electrónica); Vehículos piloteados de forma remota; Python (Lenguaje de programación de computadores); Desarrollo de prototipos; Cerebro - Computadores; EEG signals; Random forests; Convolutional neural network; K-nearest neighbors; Parrot mambo drone; Alpha rhythm
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional