Geri Dön

EEG controlled semi-autonomous mobile vehicle design and implementation

EEG kontrollü yarı otonom mobil araç tasarımı ve gerçeklenmesi

PDF İndir

  1. Tez No: 600316
  2. Yazar: HÜSEYİN TANZER ATAY
  3. Danışmanlar: PROF. DR. FATMA İNCİ ÇİLESİZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 102

Özet

Bu tezde EEG sinyalleri ve özellikleri hakkında çalışma yapılarak bir mobil otonom aracın kontrol edilmesi hedeflendi. Bu tezdeki temel motivasyonumuz, Amiyotrofik Lateral Skleroz (ALS) hastalığı gibi hareket kabiliyetini kısıtlanmış hastalarda, insan beyninden toplanan EEG sinyallerinin özelliklerini kullanarak beyin aktivitelerini izleyebilen, yön hareketleri gibi düşünceleri tespit edebilen ve daha sonra hareket halindeki bir mobil aracı bu sinyaller yardımıyla kontrol edebilen EEG tabanlı prototip bir sistemi geliştirmekti. Veri toplama işlemine geçilmeden önce literatür taraması sonucunda karar verilen sınıflandırma yöntemlerini test etmek amacıyla internet ortamında EEG analizi için sunulan veri setleri ile çalışılmasına karar verildi. Hedeflenen sınıflandırma yöntemlerini test için, internetten edinilmiş örnek veri setlerindeki EEG verileri filtrelenerek, sinyaller analiz edildi. Bu veri setleri üzerinde EEG sinyalleri analiz edilirken, benzer uzaysal yönelimli nöronların eşzamanlı aktivitesinin toplamları incelenmektedir. Sinyaller üzerinde filtreleme teknikleri ve farklı çıkarım metotları uygulandı. EEG sinyalleri çok fazla gürültü içerdiği ve bu gürültü de gerçek bilgiye yakın olduğu için spektral analiz kullanılarak gürültünün etkisi azaltılmaya çalışıldı. EEG sinyallerindeki özellikler olarak EEG alt bantları seçildi ve kullanılacak olan EEG cihazının çalışma frekans aralığı da göz önünde bulundurularak 3 alt bant üzerindeki spektral analiz yapıldı. Spektral analiz hakkında daha iyi bilgi edinilebilmesi amacıyla Fourier Dönüşümü detaylı bir şekilde açıklandı ve Hızlı Fourier Dönüşümü gösterildi. Wavelet Dönüşümü ve filtre teknikleri detaylıca anlatıldı. Sinyal üzerinde bulunan gürültüleri analiz edip ayrıştırabilmek için sonlu ve sonsuz cevaplı filtre yapıları tanıtıldı. EEG sinyallerine 4 – 30 Hertz aralığında tasarlanan bant geçiş filtresi uygulandı. Bant geçiş filtresi uygulanan sinyallerden, Alfa bandı (8-12 Hz), Beta bandı (13-30 Hz) ve Teta bandı (4–7 Hz) aralığındaki sinyal yoğunlukları Ayrık Wavelet Dönüşümü ile elde edildi. Bu alt bantlara ait gerçek özellik vektörlerinin sınıflandırılması, Lineer Ayrım Analizi ve Lojistik Regresyon yapıldı. Ayrıca son olarak parametrik ve lineer olmayan Destek Vektör Makinası yöntemi de sınıflandırma için kullanıldı. En yüksek başarım oranı Destek Vektör Makinası yöntemi ile elde edildiği için gerçek zamanlı araç sürüşü noktasında bu yöntem tercih edildi. İnternet üzerinden elde edilen veri setleri ile yöntemler denendikten sonra, EEG cihazı yardımıyla gerçek zamanlı sürüş öncesinde sistemi eğiteceğimiz kendimize ait veri setimiz oluşturuldu. Bu veri seti oluşturulurken EEG cihazından toplanan verilerde gürültü oranının çok yüksek olduğu tespit edildi. Sinyal işleme süreçlerine geçilmeden önce mekanik yöntemlerle bu gürültülerin en aza indirilmesi hedeflendi ve bu amaçla EEG elektrotları ile kafa derisinin arasına EEG pastası sürülerek bu gürültüler azaltıldı. EEG cihazından Bluetooth ile bilgisayar ortamına alınan veri Python CyKit Kütüphanesi yardımıyla okundu. Ancak veri EEG sinyal paketleri halinde olmadığı için algoritmalar tarafından işlenmesi çok zordu. Bunun için önce OpenVIBE programının tespit sunucusu ile 5 kanal halindeki EEG paketlerine çevrildi ve ana Python programına gönderildi. Ana Python programı yardımıyla, denekten toplanan EEG verileri daha sonrasında işlenerek sınıflandırma algoritmalarında kullanabilecek şekilde 5 saniyelik 100'er adet sağ ve sol verisi olarak paketlendi. Veri işleme ve gerçek zamanlı sürüş için kod Python'da yazıldı. Ek olarak, deneklere geri bildirim sağlamak ve aracın sürüşe başlangıcını uzaktan kontrol etmek için bir Python grafik kullanıcı arayüzü (GUI) oluşturuldu. EEG verisinden elde edilen yön kararı Wi-Fi üzerinden mobil araçta bulunan mikrobilgisayara gönderildi. Mobil araç üzerindeki mikrobilgisayarda, EEG sinyallerinden gelen yön bilgisiyle mi yoksa uzaklık sensöründen gelen verilerle otonom olarak mı ilerleyeceğinin kararını verebilen bir yapı oluşturuldu. LIDAR sensörden gelen uzaklık verileri ile dinamik olarak eşik değer hesabı yapılıp bu eşik değerinden daha yakında bir engel olmaması durumunda EEG sinyalleri ile hesaplanan yönde hareket sağlandı. Hesaplanan eşik değer uzaklığının içerisinde bir engel olması durumunda ise aracın, konumu belirlenen en büyük boşluğa yönelim gerçekleştirmesi sağlandı. Bu yönelim işlemi, motor sürücüye gönderilen darbe genişliği modülasyonu sinyalleri ile sağlandı. Sağ ve sol motor hızları ayarlanarak diferansiyel sürüş tekniği uygulandı. Motor kontrolü için PI(oransal-integral) kontrolör yapısı, aracın belirlenen boşluğa gidişi esnasındaki açı kontrolü için de P(oransal) kontrolör kullanıldı. Üretilen yön verileri sayesinde mobil araç diferansiyel sürüş tekniği ile test edildi. Bu noktadan sonra engellerden kaçınarak ve EEG sinyallerinden alınan komutlarla hareket etmek için denemeler yapıldı. Aracın yanlış yönelimlerini önlemek için, SVM tarafından oluşturulan yön verileri araca gönderilmeden önce, hareketli ortalama filtresinden geçirildi. Bu, gerçek zamanlı sistemin tepki süresini arttırsa da, aracın yanlış yöne gitmesini engelledi. Sistem geliştirirken, Emotive Insight, kişisel bir bilgisayar, Python programlama dili ile yazılan program ve kod parçaları, LIDAR mesafe sensörü, 6 Volt gerilimde çalışan iki adet motor, motor sürücü, güç yönetim kartı ve mobil aracı kontrol etmek için bir mikrobilgisayar kullanıldı. Bu sistem içinde bulundurduğu elemanlar ve işleyiş şekli göz önünde bulundurulduğun beyin bilgisayar arayüzü (BCI) sistemi olarak da adlandırılabilir. Üretilen bu sistem ile engelli hastaların günlük aktivitelerini daha kolay yapabilecekleri ve çevre ile etkileşimlerini arttırabilecekleri birçok benzer sistem için model oluşturuldu. Gerçekleştirilen tüm süreçlerin sonucunda, İnsan-Bilgisayar Arayüzü örneği olarak, bu proje EEG kontrollü cihazların gerçek zamanlı olarak akıllı sistemlere entegre edilebileceğini göstermiş oldu ve bu sayede ALS hastaları gibi engelli insanların hayatlarını kolaylaştırabilecek bir bakış açısı olduğunu ortaya koymuş olduk.

Özet (Çeviri)

The main goal of the work presented in this thesis is to control a mobile autonomous vehicle by studying and using EEG signals and their properties. EEG signals are analyzed to classify an example dataset provided by internet resources. Different feature extraction methods were applied. EEG signals have high noise and information is embedded in the noise spectrum. Therefore, frequency analysis was used to eliminate noise. Fourier Transform was discussed in detail to give a better understanding of spectral analysis and Fast Fourier Transform was shown. Classical Fourier Transform did not give proper information. Wavelet transform was introduced and discussed in detail. Filtering techniques were explained to give better insight on wavelet packet decomposition. IIR and FIR filter structures were shown. Feature vectors were selected by Linear Discriminant Analysis, Logistic Regression, and Support Vector Machine. However, since the highest performance rate was achieved by the Support Vector Machine method, it was preferred at the point of real-time driving. The code for data processing and real-time driving is written in Python. In addition, a Python interface has been created to provide feedback to the subject and to remotely control the vehicle's start/stop actions. With generated direction data, mobile vehicle was controlled by differential driving technique. An attempt was made to avoid obstacles and to move with commands extracted from EEG signals. Direction information generated by SVM was filtered through a moving average filter before being sent to the vehicle to prevent misdirection. Although this increases the response time of the real time system, it prevented the vehicle from going in the wrong direction. As a result of all these processes, as an example of Human-Computer Interface, this project showed that EEG controlled devices can be integrated into smart systems in real time and thus they may make the lives of people with disabilities easier.

Benzer Tezler

  1. Tez No

    483461

    A wearable EEG-based serious game for focus improvement and diagnosing ADHD/ADD patients by EEG signals classification

    Odaklanmanın geliştirilmesi için giyilebilen EEG temelli uygulamalı oyun ve EEG sinyal sınıflandırması ile DEHB hastalarına tanı koyma

    ALAA EDDIN ALCHALABI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. SHERVIN SHIRMOHAMMADI

  2. Tez No

    783394

    EEG-based brain controlled robot manipulator

    EEG tabanlı beyin kontrollü robot manipülatörü

    ÜNAL HAYTA

    Doktora

    İngilizce

    İngilizce

    2023

    Makine MühendisliğiGaziantep Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM HALİL GÜZELBEY

    PROF. DR. İBRAHİM ERKUTLU

  3. Tez No

    612179

    Motor ve motor olmayan hayali aktivite EEG sinyallerinin metne dönüştürülmesi

    Translation of motor and non-motor imaginary activity EEG signals to text

    FUNDA KUTLU ONAY

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMAL KÖSE

  4. Tez No

    684589

    Improved algorithm for eeg – based bci application

    Eeg tabanlı bcı uygulamaları için geliştirilmiş algoritmalar

    ALI HUSSEIN ABDULWAHHAB ABDULWAHHAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. INDRIT MYDERRİZİ

  5. Tez No

    792082

    Design and implementation of emotion and neurological disorder detection system using EEG signals

    EEG sinyalleri kullanılarak duygu ve nörolojik rahatsızlık tespit sistemi tasarımı ve uygulaması

    BETÜL YÜRDEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÖZKURT

Geri Dön