INVESTIGATION OF FEATURE EXTRACTION METHODS FOR EEG SIGNAL PROCESSING

Abstract

Günümüzde bilgisayar ile alakalı birçok alanda kullanılan insan ve bilgisayar arasındaki iletişim, beyin bilgisayar arayüzü (BCI) tekniği gibi yöntemler kullanılarak, klavye veya fare ihtiyacından uzaklaşacak şekilde belgelenmektedir. Beyin çok karmaşık ve düzenli şekilde çalışan bir cihaz olduğu için, buradan yayılan sinyaller çok çeşitlidir. Bundan dolayı, Elektroensefalografi (EEG) gibi daha ucuz ve kullanımı daha kolay olan çeşitli tipler olarak sınıflandırılan (EEG) sinyalleri bu araştırma için seçilmiştir. BCI tekniği üzerinde (EEG) sinyallerini kullanabilmek için sinyal işleme sürecinde birkaç aşamaya ihtiyacımız vardır ve bu süreçteki en önemli adım olan özellik çıkarma tekniği için çeşitli özellik çıkarma tekniklerinden birkaçı olan, Hızlı Fourier Dönüşümü (FFT), Dalgacık Dönüşümü (WT), Özvektörler, Zaman-Frekans Dağılımları ve Otoregresif Metot (AR) gibi yöntemlerden faydalanılmaktadır. Bu tez çalışmasında, beyin bilgisayar arayüzünün nasıl olduğunu, önemli kullanım şekillerinin neler olduğunu ve bunları nasıl kullanabileceğimizi açıklamaktayız ve ayrıca (EEG) sinyallerini ve özellik çıkarım yöntemlerini (BCI) belirtmekteyiz.Today, in view of human on the computer in most fields, communication has to be documented between human and computer to farther to be done by keyboard or mouse, like brain computer interface (BCI) technique. Since the brain is a very complicated and accurate device, signals emitted from it are different. on that, the signals classed into several types like Electroencephalography (EEG), the cheaper and easiest to use, and from this point, the (EEG) was chosen in this research. To be able to use the (EEG) for BCI technique we need to several steps for signal processing, and the most important step in this process is feature extraction technique, as for feature extraction technique, it can be done by a variety types of methods like Fast Fourier Transform (FFT), Wavelet Transform (WT), Eigenvectors, Time-Frequency Distributions, and Autoregressive Method(AR). In this thesis, we explained what is brain computer interface and for what it's important uses and how we can use, and also we have explained (EEG) signals and feature extraction methods uses to (BCI).