Investigation of electroencephalography signals based on hand movements

Abstract

EEG tabanlı BCI sistemlerine yönelik çalışmalar son yıllarda artış göstermektedir. Birçok farklı hastalıklar (Amyotrofik lateral skleroz (ALS), beyin sapı inme, beyin ya da omurilik yaralanması gibi) beynin dış ortamla iletişimini sağlayan nöromüsküler kanalları bozabilirdiği yapılan birçok araştırma da görülmüştür. Tezin amacı BCI uygulamalar için ileri mühendislik yöntemleri kullanılarak 4 farklı el hareketleri sırasında sağlıklı deneklerin EEG sinyallerini araştırmaktır. Bu nedenle sessiz bir ortamda gerçek, hayali ve rasgele durumlar için deneklerin EEG verileri kaydedildi. Kaydedilen sinyaller alfa, beta, delta, gama, teta gibi alt bantlara ayrılarak ve her bandın spektral güç yoğunluğu değerleri üzerinden ayrık dalgacık dönüşümü kullanılarak incelendi. Ayrıca, deneylerde sağ-sol el hareketlerinin gerçek, rastgele ve hayali durumlar arasındaki ilişki istatistiksel yaklaşımlar kullanılarak incelenmiştir.Farklı EEG sinyal bantlarında istatistiki olarak elde edilen anlamlı sonuçlar göstermiştir ki 4 farklı el hareketi ayrıştırılabilmiştir.

EEG based on BCI systems has been increasing in recent years. Many different disorders (Brainstem stroke, Amyotrophic lateral sclerosis (ALS), brain or spinal cord injury etc.) can prevent the neuromuscular channels to communicate with brain and controls its external environment. The aim of our thesis is to investigate the EEG signals of healthy subjects during 4 different hand movements using advanced engineering methods for BCI applications. Therefore, EEG data of subjects in a quiet environment during real, imaginary, and random situations were recorded. The recorded signals were analysed using the discrete wavelet transform by dividing them into the sub-bands such as alpha, beta, delta, gamma, and theta and power spectral density values of each band. Moreover, in the experiments of righthand-left hand movements, the relationship between real, random and imaginary situations were examined using statistical approaches. A significant result obtained from different EEG signals bands demonstrated that four different movements are distinguished from each other to characterize them with respect to statistical analysis.