単極脳波信号からの想起運動識別

脳波や筋電などの生体情報は、実世界から得られる時系列データの典型的なものであり、近年、スマートウォッチなど容易に装着できる IoT センサの普及により、その利活用へのニーズが高まっている。​
そうしたデバイスを用いたブレイン－コンピュータインタフェース（BCI）は、体が動かせない状況でも使えるインタフェースとして期待されており、その基盤技術として、運動を想起したときに発生する脳波信号を識別して、想起された運動を推定する手法が研究されてきた。しかし、既存の手法は複数チャネルの計測を前提としている。一方、単一電極のウェアラブル脳波計は、装着の容易さなどから、BCI のためのデバイスとして期待されており、単一チャンネルの信号から想起運動を推定する手法へのニーズが高まっているが、まだ単一チャネルの脳波からの識別に関する研究は少ない。​
そこで、単一チャンネルの信号からの想起運動識別のために、最適な電極の位置、信号から抽出する特徴量、識別手法を探索し、以下の組み合わせが最適であることを明らかにした。

• 電極位置：C3 か C4
• 特徴量：単極信号からのスペクトルパターン
• 識別手法：サポートベクトルマシン

比較実験のための MATLAB ソースコードを公開している
https://github.com/Suguru55/Motor_imagery-based_single-channel_EEG_classification

実験の詳細に関する論文
S. Kanoga, A. Kanemura, H. Asoh, A comparative study of features and classifiers in single channel EEG-based motor imagery BCI, Proceeding of 2018 IEEE Global Conference on Signal and Information Processing (GlobalSIP), 2018.​ doi. 10.1109/GlobalSIP.2018.8646636

単一電極のウェアラブル脳波計を用いたブレイン－コンピュータインタフェース（BCI）による​情報入力、電子機器、ロボットなどの制御