In diesem Buch wird eine kostengünstige Methode zur Aufzeichnung von Hirnwellensignalen mit einem Dreikanal-EEG-Gerät mit aktiver Elektrode und zur Klassifizierung von Hirnwellen im Zusammenhang mit der motorischen Vorstellungskraft (MI) der linken und rechten Hand auf der Grundlage der Elektroenzephalographie (EEG) vorgestellt, die im Mittellappen gemessen wird und für Brain Computer Interface (BCI)-Systeme verwendet werden könnte. Das Buch erläutert die Verwendung der unabhängigen Komponentenanalyse (ICA) zur Entfernung von EEG-Artefakten und extrahiert dann die Hirnwellenmerkmale für die MI-Bewegung der linken und rechten Hand mithilfe der Wavelet-Zerlegung (WD). Für die Wavelet-Zerlegung wird das 'Morlet'-Mutter-Wavelet verwendet, da es eine bessere Leistung bei der Analyse nicht-stationärer biomedizinischer Signale wie EEG zeigt. Als Klassifizierungsmerkmale für die Klassifizierung von MI-Gehirnströmen werden die maximale Leistung auf allen Zersetzungsebenen (MMP), die der MMP entsprechende Frequenz (MAF) und die maximale Amplitude des Signals mit MAF (MMA) gewählt. Die Klassifizierung von MI-Gehirnwellensignalen erfolgt mithilfe der linearen Diskriminanzanalyse (LDA).

J'ai obtenu une licence en électronique et communication au Nepal College of Information Technology (NCIT), Université de Pokhara en 2011 et j'ai obtenu une maîtrise en ingénierie de l'information et de la communication à l'IOE, Pulchowk Campus, TU en 2017. Je travaille comme maître de conférences depuis 2012 au NCIT.