Identifikasi sinyal EEG dengan model Moving Average melalui sistem adaptif

WAHYUNINGTYAS, Tri Budi, Prof. Adhi Susanto, M.Sc.,Ph.D

2007 | Tesis | S2 Teknik Elektro

Penelitian ini menggunakan sistem adaptif konfigurasi prediktif untuk memperoleh watak isyarat EEG. Karena isyarat EEG yang didapat dalam bentuk hard-copy, maka beberapa tahapan praproses harus diterapkan, untuk menghasilkan fungsi waktu (1-D) dari bentuk citra (2-D). Pengujian konfigurasi prediktif dilakukan dengan algoritma baku LMS melalui tahap penemuan ukuran langkah optimal dan contoh-contoh hasil prediksinya. Dengan model-model sistem adaptif dalam bentuk tapis transfersal (MA = Moving Average) yang dicoba, hasil penurunan MSE dan kenaikan SNR diperbandingkan. Hasil-hasil identifikasi karakteristik isyarat EEG diwakili nilai-nilai parameter model MA (1), MA (2), MA (3), dan MA (4) yang didapat untuk isyarat EEG dari beberapa elektrode berbeda. Secara umum ketelitian identifikasi sekitar 98 %.

The research utilized a predictive configuration of an adaptive system to acquire the characteritics of EEG signals, since the EEG data are in hardcopies, some steps of preprocessing were needed to convert the 2-D spatial data into their respecting 1-D time functions. The predictive adaptive scheme was then tested with LMS algorithm to find the optimal step size and convergence rates.With a transversal filter form which is moving average models the reductiont of MSE’s and the increment in SNR’s were compared among signals coming from different electrodes. The results of identification are represented by the respective MA (1), MA (2), MA (3), and MA (4) models parameters. The over all identification accuracy is about 98 %.

Kata Kunci : Isyarat EEG,Moving Average,EEG signals , LMS, MSE, SNR , step-size