Interfaz cerebral no invasiva para control de un sistema domótico por personas discapacitadas

• Autores: José María Azorín Poveda , Eduardo Iáñez Martínez, José María Sabater Navarro, N.M. García, Carmen Pérez Pérez, E. Fernández
• Localización: Trauma, ISSN 1888-6116, Vol. 20, Nº 4, 2009, págs. 249-254
• Idioma: español
• Títulos paralelos:
  • Non-invasive cerebral interface to control a domotic system by disabled people
• Enlaces
  • Texto completo
• Resumen
  • español

    Objetivo: Desarrollar una interfaz cerebral no invasiva basada en señales EEG que diferencie estados mentales generados de forma intencionada por una persona para controlar el sistema domótico de una vivienda.

    Material y método: Participaron 5 voluntarios hombres sanos, con edades comprendidas entre 23 y 28 años. Se procesaron y clasificaron los datos para obtener la configuración de los algoritmos que mejor diferencian entre los diferentes estados mentales. Se realizó una emulación del tiempo real para determinar como se comporta el sistema y medir el tiempo requerido por el usuario para modificar las opciones del sistema domótico.

    Resultados: En las pruebas offline se obtuvieron el 59.4% de acierto, un 27.7% de no detección y un 12.9% de error. En las pruebas online mejoraron los resultados obtenidos con un 70.7% de acierto, un 23.4% de no detección y un 5.9% de error y un tiempo medio de 15 segundos para activar una opción en el menú domótico.

    Conclusiones: La interfaz cerebral permite de forma satisfactoria controlar el sistema domótico

  • English

    Objetive: To develop an EEG-based non-invasive cerebral interface to differentiate between several mental states intentionally generated by a person with the purpose of controlling the domotic system of a house.

    Material and method: 5 healthy volunteer subjects, all men between 23 and 28 years old, have participated in the study. Offline data have been collected, processed and classified in order to obtain the best configuration of the algorithms that allow differentiate between the mental states. Then, an emulation of the real time has been done to analyze the behaviour of the system and to measure the time required by the user to modify the options of the domotic system.

    Results: in the offline tests, means % of 59.4% of success, a 27.7% of non-detection and a 12.9% of error have been obtained. In the online tests, the results have been improved. Means % of 70.7% of success, a 23.4% of non-detection and a 5.9% of error, and an average time required of 15 seconds to activate an option of the domotic menu have been obtained.

    Conclusions: based on the results with the system we can conclude that the brain interface allows successfully control the domotic system