Özetçe Bu çalışmada Elektroensefalografi (EEG) tabanlı Beyin-Bilgisayar Arayüzü (BBA) sistemlerinde sınıflandırmayı etkileyen faktörlerden bazıları incelenmiştir. Bu incelemeler bir EEG tabanlı BBA sistemi olan P300 heceleme sistemi üzerine özelleştirilmiştir. P300, bir uyaran karşısında beynin o uyarana bir tepki olarak ürettiği ve uyarandan yaklaşık 300ms sonra oluşan fizyolojik bir sinyaldir. Bu sinyal oluştuğu anda süreğen EEG içerisinde yalnızca birkaç mikro voltluk bir potansiyel değişim

more »

... aratır. Yaratılan bu değişimin çok yüksek olmaması P300 sinyalinin diğer olası fizyolojik gürültü kaynaklarından (düz ve çizgili kasların hareketleri, göz kapaklarının kırpılması veya beyin içindeki farklı aktivitelerin varlığı) etkilenmesine yol açar. Bu nedenle uyaranın farklı zamanlarda tekrar edilmesi ile elde edilen P300 tepki sinyallerinin ortalaması alınarak aktivitenin varlığı gösterilir. Bu çalışmada çok kanaldan alınan EEG verilerinin iki farklı şekilde kullanılması ile bu iki yöntemin farklı frekans aralıklarındaki davranışları incelenmiş ve yöntemlerden elde edilen çıktılar ile bir Destek Vektör Makinesi (DVM) kullanılarak sınıflandırma yapılmıştır. Önerilen yöntemin klasik yönteme göre daha yüksek sınıflandırma performansı olduğu görülmüştür. Abstract In this paper, some of the factors that affect classification performance of EEG based Brain-Computer Interfaces (BCI) is studied. Study is specified on P300 speller system which is also an EEG based BCI system.