Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
15
WOS
Status:
Autorzy: Plechawska-Wójcik Małgorzata, Kaczorowska Monika
Wersja dokumentu: Drukowana | Elektroniczna
Arkusze wydawnicze: 0,6
Język: angielski
Strony: 844 - 852
Web of Science® Times Cited: 0
Bazy: Web of Science
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 10th International Technology, Education and Development Conference
Skrócona nazwa konferencji: INTED 2016
URL serii konferencji: LINK
Termin konferencji: 7 marca 2016 do 9 marca 2016
Miasto konferencji: Valencia
Państwo konferencji: HISZPANIA
Publikacja OA: NIE
Abstrakty: angielski
The paper presents results of the student research project dedicated to applying Brain-Computer Interface in concentration study. The applied Brain-Computer Interface is based on electroencephalographic P300 paradigm. It was constructed in order to check students ability to concentrate on a specific task. What is more, the research procedure was implement to adjust the set of parameters applied in the scenario. Tests were performed in Laboratory of Motion Analysis and Interface Ergonomics, which is located at Lublin University of Technology in Poland. Construction of the interface was performed using 21 channel EEG amplifier - Mitsar EEG 201. OpenVibe environment was used to design the experiment. The BCI was dedicated to focus on one of twelve cards to selected it only with brain waves, without using muscles. The BCI is composed of three parts: acquisition scenario, offline classifier training scenario and online scenario. In the classification process Linear Discriminant Analysis classifier was applied. Features were extracted based on eight channel electroencephalographic signal subjected to a filtration and epoching process. Each tested person was calibrated and analyzed individually. It is necessary because of high variability in individuals. The paper presents the Brain-Computer Interface construction and the process of data gathering and analyzing. Several users were tested and results obtained for different set of settings were compared