Post on 12-Feb-2017
UNIVERSIDAD DE VALLADOLID
E.T.S. INGENIEROS DE TELECOMUNICACIÓN
INFORME FINAL DE RESULTADOS
SUBVENCIONES PARA LA REALIZACIÓN DE PROYECTOS DE INVESTIGACIÓN CIENTÍFICA, DESARROLLO E INNOVACIÓN
TECNOLÓGICA, DENTRO DEL ÁREA DE ACCIONES ESTRATÉGICAS, ACCIÓN ESTRATÉGICA DE SALUD, EN EL
MARCO DEL PLAN NACIONAL DE INVESTIGACIÓN CIENTÍFICA, DESARROLLO E INNOVACIÓN TECNOLÓGICA (2008-2011)
INSTITUTO DE MAYORES Y SERVICIOS SOCIALES
BRAIN COMPUTER INTERFACE (BCI) APLIC
A INCREMENTAR LA ACCESIBILIDAD D
DIGITAL Y SU ENTORNO HABITUAL DOMO-BCI
ADO AL CONTROL DE DISPOSITIVOS DOMÓTICOS PAR E
LAS PERSONAS DEPENDIENTES EN EL HOGAR
NÚMERO DE REFERENCIA DEL PROYECTO: 18/2008
INVESTIGADOR PRINCIPAL: ROBERTO HORNERO SÁNCHEZ
Dirigido al Instituto de Mayores y Servicios Sociales – Ministerio de Sanidad y Política Social
Informe Final de Resultados – DOMO - BCI 18/2008
ÍNDICE 1. Introducción ............................................................................................................................. 3
1.1. Motivación y objetivos del proyecto ................................................................................ 3 1.2. Antecedentes .................................................................................................................... 4 1.3. Tareas a desarrollar en el proyecto ................................................................................. 10
2. Estudio de métodos de extracción y clasificación de características aplicados a sistemas BCI. ........................................................................................................................................ 11 2.1. Señales ............................................................................................................................ 12
2.1.1. Descripción del método ganador de la Competición BCI 2003 ........................... 14 2.2. Métodos de extracción de características ....................................................................... 15
2.2.1. Características espectrales a partir de la FFT ....................................................... 16 2.2.2. Transformada wavelet continua ........................................................................... 17 2.2.3. Transformada wavelet discreta ............................................................................. 18 2.2.4. Modelos autorregresivos ...................................................................................... 19 2.2.5. Filtro adaptado ..................................................................................................... 20 2.2.6. Resultados ............................................................................................................ 21
2.3. Métodos de clasificación de características .................................................................... 25 2.3.1. Preprocesado: Recorte de outliers ........................................................................ 25 2.3.2. K-vecinos más cercanos ....................................................................................... 26 2.3.3. Análisis discriminante lineal ................................................................................ 26 2.3.4. Regresión logística ............................................................................................... 27 2.3.5. Redes neuronales .................................................................................................. 28 2.3.6. Modelo de mezclas gaussianas ............................................................................. 31 2.3.7. Resultados ............................................................................................................ 32
2.4. Desarrollo software de algoritmos ................................................................................. 34 3. Estudio de la interacción entre dispositivos domóticos y sistemas BCI. ............................... 38
3.1. Estudio de los diferentes servicios prestados por los dispositivos domóticos que pueden estar presentes en la vivienda ............................................................................. 38
3.2. Estudio de los diferentes protocolos y estándares de control domótico ......................... 40 3.2.1. Protocolos de control domótico ........................................................................... 40 3.2.2. Pasarelas residenciales (Residential Gateway) .................................................... 43
3.3. Estudio de otros protocolos de control: infrarrojos (IR) y radiofrecuencia (RF) ........... 46 3.3.1. Control mediante infrarrojos (IR) ........................................................................ 46 3.3.2. Control mediante radiofrecuencia ........................................................................ 48
3.4. Estudio de la interfaz entre el equipo BCI y el dispositivo de control domótico ........... 50 4. Estudio de aplicaciones reales: control de los dispositivos domóticos de una vivienda
accesible ................................................................................................................................. 50 4.1. Identificación de las necesidades del usuario final: personas dependientes con
grave discapacidad ......................................................................................................... 50 4.2. Traducción de las necesidades identificadas en funciones del sistema de control
BCI ................................................................................................................................. 53 4.3. Desarrollo de un sistema integral para el control de dispositivos domóticos
mediante BCI en una vivienda accesible ........................................................................ 54 4.3.1. Descripción de la interfaz de usuario ................................................................... 59
5. Aplicación del sistema a los usuarios del CRE de Discapacidad y Dependencia de San Andrés de Rabanedo (León). Descripción del equipamiento y de las pruebas realizadas. .... 62 5.1. Descripción de las pruebas realizadas ............................................................................ 62
5.1.1. Usuarios participantes en el proyecto .................................................................. 62 5.1.2. Montaje para el registro del EEG ......................................................................... 63 5.1.3. Tareas de aprendizaje ........................................................................................... 63 5.1.4. Tareas de entrenamiento ...................................................................................... 65 5.1.5. Tareas de aplicación ............................................................................................. 66
6. Resultados .............................................................................................................................. 69
INFORME FINAL DE RESULTADOS – 1
Informe Final de Resultados – DOMO - BCI 18/2008
INFORME FINAL DE RESULTADOS – 2
6.1. Usuario U002 ................................................................................................................. 69 6.2. Usuario U003 ................................................................................................................. 72 6.3. Usuario U004 ................................................................................................................. 73 6.4. Usuario U005 ................................................................................................................. 76 6.5. Usuario U006 ................................................................................................................. 77 6.6. Evaluación de la utilidad, manejabilidad y grado de satisfacción del usuario final ....... 78 6.7. Difusión de resultados .................................................................................................... 81
7. Discusión y conclusiones ....................................................................................................... 84 7.1. Estudio de métodos de extracción y clasificación de características aplicados a
sistemas BCI ................................................................................................................... 84 7.2. Estudio de la interacción entre dispositivos domóticos y sistemas BCI ......................... 85 7.3. Estudio de aplicaciones reales: control de los dispositivos domóticos de una
vivienda accesible........................................................................................................... 86 7.4. Aplicación del sistema a los usuarios del CRE de discapacidad y dependencia de
San Andrés del Rabanedo (León) ................................................................................... 86 Referencias .................................................................................................................................. 88 Anexo I: Cuestionarios finales realizados a los usuarios sobre la valoración general de la
aplicación utilizada y su participación en el estudio .............................................................. 92 Anexo II: Difusión de resultados ................................................................................................ 96
Informe Final de Resultados – DOMO - BCI 18/2008
1. Introducción
1.1. Motivación y objetivos del proyecto
El principal objetivo del presente proyecto ha consistido en el diseño, desarrollo y
validación de una aplicación asistiva que permite controlar mediante la actividad
cerebral diferentes dispositivos de un hogar o recinto equipado con infraestructura
domótica. Para ello, las señales del cerebro obtenidas a partir del registro del
electroencefalograma (EEG) se analizan mediante técnicas de Interfaz Cerebro
Computador (Brain Computer Interface, BCI), convirtiendo las intenciones del usuario
en comandos capaces de manejar la aplicación de control del entorno.
El propósito fundamental de la aplicación es aumentar la calidad de vida de las
personas dependientes, centrándose principalmente en el colectivo de discapacitados
físicos graves, por lo que el objetivo fundamental desde su concepción consiste en
obtener un beneficio para el usuario final. Así, la aplicación se ha realizado siguiendo
un procedimiento de diseño centrado en el usuario y en sus necesidades específicas,
para conseguir que esta sea útil, amigable, clara, intuitiva y de fácil aprendizaje. El
registro de las señales se ha realizado mediante el electroencefalograma (EEG), por
tanto, se usa una técnica no invasiva y con un equipo fácil de utilizar, portátil y ligero.
Se ha evaluado el funcionamiento de la aplicación de control domótico mediante
BCI con varios usuarios con grave discapacidad procedentes del Centro de Referencia
Estatal (CRE) de San Andrés del Rabanedo (León). Cada sujeto realizó múltiples
pruebas y sesiones para conseguir un grado de control de la aplicación aceptable. El
almacenamiento de las señales registradas de los diferentes usuarios permite reforzar la
aplicación, enriqueciéndola con sus experiencias. Esto posibilita a los diseñadores el
seguimiento constante de la utilización del sistema, consiguiendo una realimentación
positiva que mejora el desarrollo y el uso de la aplicación puesto que:
- El usuario informa a los expertos sobre aquellos aspectos de la aplicación que
podrían ser mejorados para facilitar su uso por parte de las personas dependientes.
- El experto informa a los usuarios sobre su progreso en la utilización de la
aplicación, sugiriéndoles modificaciones que puedan resultar de utilidad para obtener
unos resultados óptimos.
INFORME FINAL DE RESULTADOS – 3
Informe Final de Resultados – DOMO - BCI 18/2008
Puesto que las necesidades de los diferentes grupos de usuarios potenciales son
distintas, la aplicación BCI que se ha desarrollado presenta unas características asistivas
que se adaptan a una población con diferentes tipos de dependencia y en sus diferentes
fases y grados.
Este proyecto se ha centrado en el control del medio empleando BCI, permitiendo
al usuario interactuar con distintos dispositivos presentes en el hogar, en este caso un
televisor, un reproductor de DVD, un equipo de música y las luces de una estancia. La
aplicación desarrollada ha sido probada y evaluada por usuarios del Centro de Atención
a Personas con Grave Discapacidad y para la Promoción de la Autonomía Personal y
Atención a la Dependencia de San Andrés de Rabanedo (León). De esta forma, ha sido
posible evaluar el grado de satisfacción del usuario final ante los servicios ofrecidos,
estudiando su adecuado funcionamiento frente a los diferentes tipos de dependencia:
personas con discapacidad o dependencia en su actividad cotidiana, enfermos crónicos,
postoperados, etc.
1.2. Antecedentes
En 1929 Hans Berger desarrolló el electroencefalograma (EEG) como un sistema
de exploración neurofisiológico basado en el registro de la actividad bioeléctrica
cerebral. Desde entonces se ha especulado sobre la posibilidad de su uso para la
comunicación y control. Es así como surge el Brain-Computer Interface (BCI) que fue
definido durante el primer congreso internacional de BCI como un “sistema de
comunicación que no depende de los mecanismos normales de salida de los músculos y
nervios periféricos” [1] . Para ello se monitoriza la actividad cerebral y se traducen
determinadas características, correspondientes a las intenciones del usuario, en
comandos de un dispositivo.
El primer sistema BCI fue realizado por el Dr. Jacques Vidal de UCLA (University
of California, Los Angeles) en 1977 [2] , en el que se emplearon potenciales evocados
visuales para el control en tiempo real de un cursor. Sin embargo, no es hasta la década
de los noventa, gracias a la aparición de ordenadores más potentes que permiten el
procesado de la gran cantidad de datos que se obtienen de un EEG, cuando realmente se
pueden encontrar sistemas BCI verdaderamente operativos, aunque con limitadas
funcionalidades. En las últimas décadas el interés en esta materia ha aumentado
considerablemente, de forma que de los veinte grupos de investigación que participaron
INFORME FINAL DE RESULTADOS – 4
Informe Final de Resultados – DOMO - BCI 18/2008
en el primer congreso internacional, se pasó a más de cincuenta en el tercer congreso
celebrado en 2005 [3].
La motivación en la investigación de los sistemas BCI está orientada,
principalmente, a beneficiar a las personas con discapacidades, dotándoles de mayor
independencia y habilidad en las actividades cotidianas y restableciendo funciones
perdidas [3]. Los usuarios potenciales se clasifican según su enfermedad, lesión o
impedimento funcional, distinguiéndose dos grandes grupos [3]:
- Enfermedades degenerativas, donde la actividad muscular se va perdiendo a lo
largo del tiempo, pudiendo llegar a una pérdida completa de la capacidad del
movimiento. Pertenecen a este grupo las enfermedades neuromusculares como la
esclerosis lateral amiotrófica (ELA) y la distrofia neuro-muscular.
- Enfermedades no degenerativas, en las que no se produce una progresión de la
parálisis muscular, como es el caso de la apoplejía, lesión cerebral, lesión medular y
amputación.
Es lógico pensar que las necesidades de los diferentes grupos de usuarios
potenciales serán distintas, e incluso que estas pueden cambiar substancialmente a lo
largo del tiempo. Por ello, la aplicación de mayor utilidad de los sistemas BCI es
aquella que proporcione una tecnología asistiva para permitir movimientos o
comunicación. Esto engloba sistemas que permiten restablecer la comunicación
(procesadores de palabras), restablecer alguna forma de movilidad (sillas de ruedas
monitorizadas), control del medio (luces, televisión, termostatos, etc.) y reemplazar o
restablecer el control motor (robots o prótesis).
La actividad normal del cerebro humano produce una gran variedad de señales que
pueden ser medidas y que constituyen un gran potencial para su uso en sistemas BCI.
Por ejemplo, la actividad neuronal produce campos magnéticos asociados que pueden
ser recogidos mediante magnetoencefalogramas (MEG). Por otra parte, las
consecuencias metabólicas de la actividad cerebral se presentan como cambios en el
flujo sanguíneo y el metabolismo, que se registran mediante imágenes de resonancia
magnética funcional (functional Magnetic Resonance Imaging, fMRI), tomografía por
emisión de positrones (PET) y mediante técnicas ópticas como la espectroscopia de
infrarrojo cercano (Near-Infrared Spectroscopy, NIRS). También pueden medirse las
respuestas químicas de las neuronas y células gliales mediante la espectroscopia por
INFORME FINAL DE RESULTADOS – 5
Informe Final de Resultados – DOMO - BCI 18/2008
resonancia magnética (Magnetic Resonance Spectroscopy, MRS) y sondas invasivas.
Por su parte, las corrientes eléctricas, producidas por la sincronización de corrientes
sinápticas, se pueden medir mediante EEG, electrocorticograma (ECoG) y mediante
electrodos epidurales e intracorticales.
A pesar de que fMRI y NIRS proporcionan muy buena resolución espacial y MEG
presenta una resolución temporal y espacial excelente, MEG y fMRI requieren un
superconductor y, por tanto, los equipos serán de gran tamaño, caros e inviables para
extenderlos fuera del uso clínico, reduciéndose su aplicación en BCI a la identificación
de sitios para la implantación de electrodos. Razonamientos similares desaconsejan el
uso de PET y NIRS en sistemas BCI [4] . De esta forma, las señales eléctricas se
convierten en la opción más favorable para el uso en BCI, distinguiéndose los siguientes
métodos para su registro:
- Métodos invasivos: requieren la implantación quirúrgica de un array de
electrodos con estabilidad a largo plazo, que pueden situarse en diferentes partes del
córtex cerebral. Dentro de este tipo de métodos se encuentran los electrodos
implantados y el ECoG. Estos métodos van a tener mejor resolución que los no
invasivos y presentan un menor nivel de ruido cuanto más invasivo sea el método.
Aunque ya existen técnicas de implantación de electrodos, los efectos a largo plazo de
dichos implantes son desconocidos y requerirán de un estudio preclínico en animales.
- Métodos no invasivos: no necesitan implantación quirúrgica y, por ello, las
señales obtenidas tienen una relación señal a ruido (Signal to Noise Ratio, SNR) menor.
Aunque los BCI basados en este tipo de métodos tienen una velocidad y precisión
modesta, estudios actuales se centran en el uso de sistemas multicanal (típicamente 64
canales) para poder mejorarlas [5]. Dentro de este grupo se encuentra el EEG, siendo el
más utilizado actualmente en estudios sobre BCI como método para registrar la
actividad cerebral, ya que supone un método no invasivo, de bajo coste, portátil y de
fácil uso.
A partir del EEG se pueden extraer gran variedad de señales para el uso en sistemas
BCI como son: potenciales evocados visuales (Visual Evoked Potential, VEP),
potenciales corticales lentos (Slow Cortical Potential, SCP), potenciales evocados P300
y ritmos sensoriomotores. También existen sistemas BCI que usan las señales recogidas
mediante electrodos implantados en las neuronas corticales. Según la naturaleza del
estímulo (motor, visual, auditivo, etc.) se activará una determinada zona del cerebro y,
INFORME FINAL DE RESULTADOS – 6
Informe Final de Resultados – DOMO - BCI 18/2008
por tanto, habrá que situar los electrodos en diferentes posiciones en función de cada
tipo de señal.
Los VEP son potenciales recogidos sobre el córtex visual, derivados de una
respuesta cerebral a un estímulo visual [6]. Los más utilizados en sistemas BCI son los
VEP de estado estable (Steady-State Visual Evoked Potential, SSVEP), cuya finalidad
es conocer la dirección del ojo. Para ello, se muestran en una pantalla varios botones o
letras que parpadean a diferentes frecuencias, superiores a 4 Hz, de forma que el usuario
debe mantener fija la mirada en uno de ellos para seleccionar el botón deseado. De esta
forma se produce un SSVEP en el córtex visual, que consiste en una componente
periódica de la misma frecuencia a la que parpadea el botón y una serie de armónicos
secundarios. La mejor respuesta se obtiene en el rango de 5-20 Hz [7] . Los sistemas
BCI basados en VEP tienen especial interés debido a la robustez de los fenómenos
SSVEP y a que no requieren entrenamiento previo. Se han conseguido precisiones del
84% con estímulos a 6 frecuencias diferentes [7] , así como tasas de comunicación de
hasta 10-12 palabras por minuto [6].
Los SCP son cambios de voltaje lentos (entre 0.5 y 10 s) generados en el córtex a
bajas frecuencias [5] . Estos cambios de potencial son recogidos por el EEG en la zona
del vértex. Se distinguen dos tipos: los SCP negativos, que están relacionados con la
activación cortical, asociada a la realización de movimientos; y los SCP positivos, que
están relacionados con la reducción de la activación cortical. Basándose en los SCP el
usuario puede controlar el movimiento de un cursor en 1D mediante la variación del
voltaje DC. En primer lugar, se mide el nivel de voltaje inicial durante un período de
unos 2 s y en los siguientes 2 s, el usuario selecciona arriba o abajo mediante una
disminución o un aumento, respectivamente, de dicho nivel de voltaje. Esta idea se ha
aplicado en la selección de letras dividiendo en cada intento el abecedario en dos partes,
hasta escoger una sola letra. Se han alcanzado precisiones superiores al 75% y tasas de
comunicación de 0.15 a 3 letras por minuto. Al contrario que los BCI basados en VEP,
estos sistemas sí necesitan un entrenamiento previo.
Los potenciales P300 (o respuesta oddball) son picos positivos de potencial
producidos como respuesta a estímulos somático-sensoriales, visuales o auditivos
infrecuentes, cuando se mezclan con estímulos frecuentes, y que aparecen alrededor de
300 ms después de dichos estímulos [5], [8] . Para estimular la aparición de estos
potenciales, se muestra al usuario una serie de eventos que pueden ser divididos en dos
INFORME FINAL DE RESULTADOS – 7
Informe Final de Resultados – DOMO - BCI 18/2008
categorías, siendo los eventos de una de ellas más probables que los de la otra. Estos
últimos son los que producen la aparición del potencial P300, de forma que cuanto
menos probable sea dicho evento, más probable será la aparición del potencial. De esta
manera, para escoger una letra, número o botón en una matriz formada por un conjunto
de ellos, se iluminan las filas y las columnas de dicha matriz en orden aleatorio. El
usuario realizará una selección contando el número de veces que se ilumina la celda
deseada, ya que cuando se ilumina dicha celda se creará un potencial P300 por tratarse
del evento menos probable (es más probable que se ilumine una celda distinta a la
deseada). Como los potenciales P300 son pulsos muy cortos, el sistema BCI tiene que
realizar una media de todos ellos para obtener la columna y la fila de la matriz que ha
evocado dicho potencial. Es posible alcanzar una precisión de hasta el 80% con una tasa
de comunicación de hasta 7.8 letras por minuto [8] . Al igual que los VEP presentan la
ventaja de que no necesitan entrenamiento por parte del usuario, ya que son respuestas
endógenas al estímulo presentado.
Los ritmos sensoriomotores son variaciones de las características frecuenciales en
las zonas sensoriales o motoras del córtex, cuando no están ocupadas procesando
entradas sensoriales o produciendo salidas motoras [5] . Cuando estas variaciones se
producen en la zona somático-sensorial o motora se denominan ritmos µ (8-12 Hz) y β
(13-30 Hz). Por el contrario, si se producen en la zona visual del córtex se denominan
ritmos α (8-12 Hz). La característica empleada en los sistemas BCI es la amplitud de las
bandas frecuenciales de los ritmos µ y β, de forma que variando la amplitud de una de
ellas se consigue controlar el movimiento de un cursor en 1D. El movimiento o
preparación del movimiento viene acompañado por una disminución de la amplitud de
los ritmos, dicha particularidad se denomina ERD (Event-Related Desynchronization).
Por el contrario, la relajación después del movimiento produce un aumento de los
ritmos denominado ERS (Event-Related Synchronization). La desincronización y
sincronización simultánea de las componentes a 10 Hz es posible en diferentes
localizaciones del cuero cabelludo. Además, ERD y ERS no sólo se producen al realizar
un movimiento, sino que también aparecen observando o imaginando dicho movimiento
[9] . Esto supone una gran ventaja en la realización de los sistemas BCI para aquellas
personas que no pueden realizar movimientos voluntarios. Los sistemas BCI basados en
este tipo de señales presentan una precisión de hasta el 95% y una tasa de comunicación
INFORME FINAL DE RESULTADOS – 8
Informe Final de Resultados – DOMO - BCI 18/2008
de hasta 20-25 bits por minuto [5] . No obstante, este tipo de señales requieren de una
importante fase de entrenamiento.
En el caso de los potenciales de neuronas corticales se mide la actividad neuronal
del córtex. Sin embargo, puesto que se trata de un método altamente invasivo, no hay
estudios que demuestren que los humanos son capaces de aprender a controlar dicha
actividad neuronal. Si así fuera, como se ha demostrado en el caso de monos y ratas, se
podrían emplear estos potenciales para el control de sistemas BCI. Además, los estudios
realizados están basados en la realización de movimientos reales por lo que no está claro
si se obtendrán los mismos patrones de actividad cuando el movimiento no se realice
físicamente [5].
Una vez recogida la actividad cerebral mediante el EEG es necesario realizar una
etapa de procesado de señal que se divide en 2 partes: extracción de características y
clasificación de las mismas. La extracción de características selecciona la característica
que nos interesa de la señal tratando de maximizar la SNR; para ello se emplean
métodos en tiempo, frecuencia, espacio y espacio-tiempo como la transformada de
Fourier, wavelets, modelos autorregresivos, análisis de componentes principales
(Principal Component Analysis, PCA), análisis de componentes independientes
(Independent Component Analysis, ICA), etc. A continuación, el algoritmo de
clasificación se encarga de transformar esas características en señales de control: estos
algoritmos pueden ser tanto lineales (análisis discriminante lineal, perceptrón) como no
lineales (análisis discriminante cuadrático, redes neuronales). Además, estos métodos
deben adaptarse al usuario ya que las señales varían con la fatiga, la motivación e
incluso con el paso del tiempo.
Como se ha mencionado previamente, el propósito fundamental de los sistemas
BCI es restaurar la comunicación y el control de personas con discapacidades motoras
severas. El principal problema surge al trasladar la tecnología desde el laboratorio al uso
particular [4] . Por tanto, deben desarrollarse sistemas de fácil uso y mínimo soporte
técnico, que estén dotados de mecanismos on/off que permitan el encendido y apagado
del sistema por parte del propio usuario. Por otro lado, existen diferentes aspectos que
influyen negativamente en el control de un sistema BCI, como son la fatiga, atención o
motivación, que pueden verse incrementados o alterados por una expectación irreal por
parte de los pacientes o los medios de comunicación. Otra de las principales
limitaciones que aparecen es que, al tratarse de una tecnología nueva, sus fundamentos
INFORME FINAL DE RESULTADOS – 9
Informe Final de Resultados – DOMO - BCI 18/2008
no están lo suficientemente desarrollados y las mejoras a realizar dependen de un grupo
de investigación interdisciplinar que puede ser difícil de coordinar [1]. También hay que
mencionar que el grupo de usuarios potenciales al que va dirigida esta tecnología es
muy pequeño y, por tanto, la inversión que se hace en este tipo de investigaciones es
también reducida. Existe otra limitación a la hora de medir la eficacia de estos sistemas:
la precisión depende en gran medida del número de selecciones posibles [1] . Además,
resulta difícil comparar los distintos tipos de sistemas BCI. Para evitar esto se ha creado
una plataforma denominada BCI2000 que divide el sistema en bloques diferenciados y
con funcionalidades bien definidas [10] . Por último, otro factor importante son los
ruidos y artefactos asociados a las fuentes de datos. La SNR del EEG es moderada
debido a artefactos tanto a bajas frecuencias (movimiento de ojos y lengua, respiración)
como a altas frecuencias (tensión muscular). Por ello, hay que dotar a estos sistemas de
mecanismos que eliminen o, al menos, minimicen dichos ruidos.
1.3. Tareas a desarrollar en el proyecto
El proyecto se divide en cinco tareas principales, cada una de las cuales se divide a
su vez en varias subtareas que se indican a continuación:
TAREA 1: Estudio de métodos de extracción y clasificación de características aplicados a sistemas BCI.
Tarea 1.1. Investigación sobre los métodos de extracción de características espectrales y no lineales.
Tarea 1.2. Estudio de los métodos de clasificación de características orientados a aplicaciones BCI.
Tarea 1.3. Desarrollo software de los algoritmos seleccionados.
TAREA 2: Estudio de la interacción entre dispositivos domóticos y sistemas BCI.
Tarea 2.1. Estudio de los diferentes tipos de dispositivos domóticos integrados en la vivienda.
Tarea 2.2. Estudio de los diferentes protocolos y estándares de control domótico.
Tarea 2.3. Desarrollo de la interfaz entre el equipo BCI y el dispositivo de control domótico.
INFORME FINAL DE RESULTADOS – 10
Informe Final de Resultados – DOMO - BCI 18/2008
TAREA 3: Estudio de aplicaciones reales: control de los dispositivos domóticos de una vivienda accesible.
Tarea 3.1. Identificación de las necesidades del usuario final: personas dependientes con grave discapacidad.
Tarea 3.2. Traducción de las necesidades identificadas en funciones del sistema de control BCI. Desarrollo de una aplicación de entrenamiento.
Tarea 3.3. Desarrollo de un sistema integral para el control de dispositivos domóticos mediante BCI en una vivienda accesible.
TAREA 4: Aplicación del sistema a los usuarios del centro de Atención a Personas con Grave Discapacidad y para la Promoción de la Autonomía Personal y Atención a la Dependencia de San Andrés de Rabanedo (León). Extracción de conclusiones.
Tarea 4.1. Evaluación de la utilidad, manejabilidad y grado de satisfacción del usuario final.
Tarea 4.2. Interpretación de los resultados y extracción de conclusiones
Tarea 4.3. Difusión de resultados
TAREA 5: Coordinación del proyecto
Tarea 5.1. Coordinación del estudio de métodos de extracción y clasificación de características del EEG orientados a aplicaciones BCI.
Tarea 5.2. Coordinación del estudio de la interacción entre dispositivos domóticos y sistemas BCI.
Tarea 5.3. Coordinación del estudio de control de dispositivos domóticos en una vivienda accesible real.
Tarea 5.4. Coordinación de la evaluación de la aplicación y de la extracción de conclusiones.
A continuación se describirán las actividades realizadas a lo largo de estas tareas así
como los resultados y conclusiones obtenidos.
2. Estudio de métodos de extracción y clasificación de características aplicados a sistemas BCI.
El contenido de este apartado se corresponde con el trabajo realizado durante la
Tarea 1 del proyecto DOMO-BCI. El objetivo fundamental consiste en realizar un
INFORME FINAL DE RESULTADOS – 11
Informe Final de Resultados – DOMO - BCI 18/2008
estudio de diferentes métodos de extracción y clasificación de características aplicados
sobre señales de EEG. Su finalidad es conocer qué métodos resultan más eficaces a la
hora de interpretar las intenciones del usuario y si dichos métodos son adecuados o no
para su empleo en un sistema BCI en tiempo real. Para llevar a cabo esta tarea, se ha
divido el trabajo en dos partes: en primer lugar se realiza el estudio de métodos de
extracción y en segundo lugar el estudio de métodos de clasificación de características.
De esta manera, una vez realizado el estudio completo se escogerán los métodos que
serán implementados en la aplicación BCI de control domótico.
2.1. Señales
Desde el año 2001 y aproximadamente cada 2 años se ha realizado una competición
BCI. Estas competiciones tienen como objetivo validar y comparar diferentes métodos
de procesado de señal en sistemas BCI [11]. En cada competición se proporcionan
varios conjuntos, etiquetados y sin etiquetar, de señales EEG registradas bajo diferentes
paradigmas (control mediante ritmos sensoriomotores, selección de letras empleando
potenciales P300, etc.). Dado que uno de los objetivos del presente proyecto es el
desarrollo de una aplicación en la que el usuario controle la posición de un cursor, se
han escogido los ritmos sensoriomotores del conjunto de datos III de la competición
BCI 2003 como los más adecuados para realizar el estudio de métodos de procesado
correspondiente a la primera tarea del proyecto DOMO-BCI. Estas señales son idóneas
para el manejo de un cursor sobre la pantalla de un ordenador y, por tanto, van a
permitir seleccionar los distintos botones que aparecerán en la aplicación y que servirán
para enviar comandos a los dispositivos domóticos y permitir de esta manera el control
del entorno dentro de una vivienda.
El conjunto de datos III de la competición BCI 2003 fue proporcionado por el
Instituto de Ingeniería Biomédica de la Universidad Tecnológica de Graz, Austria. Las
señales fueron recogidas durante una sesión con realimentación realizada por un sujeto
normal (mujer de 25 años). Durante el experimento, el sujeto permaneció sentado en
una silla cómoda con reposabrazos y la tarea a realizar consistía en controlar la longitud
de una barra horizontal mediante la imaginación de movimientos de la mano derecha o
izquierda [12]. El experimento se divide en 7 realizaciones con 40 intentos de 9 s cada
uno. Cada intento comienza con 2 s de reposo tras los que se muestra una cruz en la
pantalla durante 1 s. Seguidamente, en el segundo 3, aparece una flecha apuntando hacia
INFORME FINAL DE RESULTADOS – 12
Informe Final de Resultados – DOMO - BCI 18/2008
la izquierda o la derecha para indicar la imaginación del movimiento que se ha de
realizar. Este esquema de temporización de cada intento puede observarse en la Figura 1
(a). Se recogen tres canales bipolares del EEG: C3, Cz y C4 del sistema internacional 10-
20 ampliado, localizados sobre la corteza motora del cerebro tal y como se muestra en la
Figura 1 (b). Se encuentran muestreados a 128 Hz y filtrados entre 0.5 y 30 Hz. El
conjunto de entrenamiento (etiquetado) y el de prueba (sin etiquetar) contienen igual
número de intentos de la mano derecha e izquierda, 70 de cada, distribuidos de forma
aleatoria [12].
(a)
(b)
Figura 1. (a) Esquema de temporización de un intento del conjunto de datos III de la Competición BCI 2003, (b) Los canales C3, Cz y C4 son los que aparecen en color rojo y se obtienen de forma bipolar
restando los canales superior en inferior, mostrados en azul
INFORME FINAL DE RESULTADOS – 13
Informe Final de Resultados – DOMO - BCI 18/2008
2.1.1. Descripción del método ganador de la Competición BCI 2003
El objetivo de la competición consiste en clasificar online los intentos del conjunto
de datos no etiquetado. Concretamente, se debe proporcionar un valor para cada instante
de tiempo cuyo signo indique la clase del intento (negativo para clase izquierda y
positivo clase derecha) y cuya magnitud refleje la bondad del clasificador, es decir, la
probabilidad con la que el clasificador estima a qué clase pertenece el intento.
El método ganador de la competición para este conjunto de datos fue el
desarrollado por S. Lemm et al. [13] . Su estudio se basa en la información tiempo-
frecuencia derivada del filtrado de los datos del EEG mediante wavelets de Morlet
causales. Dado que la imaginación de movimientos de la mano da lugar a
perturbaciones de los ritmos µ y β, se estiman modelos probabilísticos para la
modulación de amplitud en las bandas de frecuencia de 10 y 20 Hz sobre la zona
sensoriomotora del córtex correspondiente al movimiento de las manos (canales C3 y C4
del sistema internacional 10-20). Para cada instante de tiempo t y para cada intento k, se
trabaja con un vector ak(t) de cuatro características, correspondientes a la amplitud de la
transformada wavelet continua en las bandas µ y β para los canales C3 y C4:
β
3 34 4( ) [ ( , ), ( , ), ( , ), ( , )]C CC C Tk k k k kt W t f W t f W t f W t fα α β=a (1)
Posteriormente, asumiendo la existencia de dos prototipos distintos de modulación,
se estiman dos modelos probabilísticos, uno por cada clase de movimiento imaginado
[13]. Concretamente se asume una distribución gaussiana tetradimensional del vector de
características para cada uno de los modelos y en cada instante de tiempo t:
( )( )( )
( )( ) ( ) ( )( )yt
yt
Tyt tt
yt eytp
μaΣμaΣa
−−−−
−
=1
21
2
21
2|
π (2)
donde y son las medias individuales y las matrices de covarianzas de las dos
clases
ytμ
{
ytΣ
},y L R∈ , L: izquierda y R: derecha, en cada instante de tiempo s. Para
cada una de las etiquetas y la clasificación en cada instante de tiempo t se obtiene
mediante el teorema de Bayes:
]90[ −∈t
( )( ) ( )( )( )( ) ( )( )RtpLtp
ytptyP||
||aa
aa+
=
(3)
A partir de aquí se realiza la clasificación de forma que un intento se consideraría
perteneciente a la clase izquierda si y viceversa. No obstante,
para obtener el resultado final de la clasificación online en un cierto instante de tiempo
))(|())(|( tRptLp aa >
INFORME FINAL DE RESULTADOS – 14
Informe Final de Resultados – DOMO - BCI 18/2008
0t , se incorpora el conocimiento de todos los instantes de tiempo precedentes t 13].
Dicha combinación temporal se realiza tomando la media de las probabilidades a
posteriori de cada clase, con respecto a la potencia discriminatoria en cada instante de
tiempo
0t≤ [
tω :
( ) ( )( )( )( )
0
0
0
|| 0 ,...,
tt t
tt t
P y tP y t
ω
ω≤
≤
=∑
∑a
a a
(4)
La potencia discriminatoria tω se calcula mediante la probabilidad de error de las
dos distribuciones estimadas de cada clase [13] . El error de Bayes no puede ser
calculado directamente puesto que las matrices de covarianza son distintas, por lo que se
realiza una aproximación mediante el límite de Chernoff [14]. Finalmente, se adapta la
salida del sistema para que coincida con los requerimientos de la competición:
( ) ( )( )0 01 2 | 0 ,...,tsalida P L t= − a a (5)
donde el signo positivo o negativo de la salida indica la clase (mano derecha o
izquierda, respectivamente) y la magnitud indica la confianza en la decisión en una
escala de 0 a 1.
El criterio empleado en la competición para evaluar los diferentes algoritmos
enviados se basa en la información mutua (Mutual Information, MI), aunque también se
tuvieron en cuenta otros factores como la tasa de error y el tiempo de clasificación [15].
La MI es una medida de la dependencia entre dos variables aleatorias cuya unidad más
común es el bit. Por otra parte, la tasa de error es el porcentaje de los datos del conjunto
de prueba mal clasificados y el tiempo de clasificación es el instante de tiempo para el
cual la MI es máxima. La razón por la que se utiliza la MI para evaluar los algoritmos es
que dicha función tiene en cuenta tanto el signo de la salida (clase estimada) como su
magnitud (probabilidad a posteriori), mientras que la tasa de error no tiene en cuenta la
magnitud. El método ganador de la competición obtuvo una MI máxima de 0.61 bit, un
error mínimo de 10.71% y un tiempo de clasificación de 7.59 s [13], [15].
2.2. Métodos de extracción de características
La extracción de características consiste en la realización de distintas
combinaciones y transformaciones sobre las señales cerebrales recogidas en la etapa de
adquisición. A partir de una o varias características obtenidas de esta manera se
realizará posteriormente la etapa de traducción o clasificación. La finalidad de la
INFORME FINAL DE RESULTADOS – 15
Informe Final de Resultados – DOMO - BCI 18/2008
extracción es maximizar la SNR de las señales que contienen la información sobre la
intención del usuario [1], puesto que las características que se generan por medio de los
algoritmos de extracción proporcionan una mejor capacidad discriminativa que la de las
señales originales. Sin embargo, estas nuevas características pueden no tener un
significado físico evidente.
Los métodos de extracción que suelen emplearse con los ritmos sensoriomotores
cuando el número de canales es pequeño se basan en las funciones wavelets [13] y en el
cálculo de la potencia en las bandas μ y β [16] . En este estudio, en primer lugar se
implementa el método de extracción de características ganador de la competición
(wavelet de Morlet compleja) y, posteriormente, otros cinco métodos de extracción
diferentes: características espectrales a partir de la transformada rápida de Fourier,
transformada wavelet continua, transformada wavelet discreta, modelos autorregresivos
y filtro adaptado. A continuación se describe cada uno de ellos. Para comparar los
distintos métodos de extracción de características estudiados se toma como clasificador
común el clasificador de Bayes del método ganador de la competición descrito
anteriormente [13].
2.2.1. Características espectrales a partir de la FFT
La transformada rápida de Fourier (Fast Fourier Transform, FFT) es un algoritmo
que calcula de manera eficiente la transformada de Fourier discreta de una señal, cuya
definición es: 21
0( )
iN nkN
nn
X k x eπ− −
=
= ∑ con 0,1,..., 1k N= − (6)
Esta transformación se emplea para estudiar la descomposición de una señal en sus
diferentes componentes espectrales, es decir, para estudiar su espectro en frecuencia y
calcular su densidad espectral de potencia (Power Spectral Density, PSD). En el
presente estudio el cálculo de la PSD se ha realizado mediante el método de Welch. Por
otro lado, la extracción de los parámetros espectrales se lleva a cabo empleando tres
grupos de características diferentes obtenidas a partir de dicha PSD. Antes de calcular
dichos parámetros se ha realizado un filtrado paso banda entre 2 y 40 Hz de las señales
para eliminar tanto la componente continua como ruido a altas frecuencias.
INFORME FINAL DE RESULTADOS – 16
Informe Final de Resultados – DOMO - BCI 18/2008
El primer grupo de características está formado por los momentos espectrales de
primer y segundo orden de las señales correspondientes a los canales C3 y C4. Estos
momentos espectrales se definen de la siguiente forma:
1
1
( )1
( )
N
ii
N
i
f Pxx iM
Pxx i
=
=
=∑
∑
2
1
1
( ) (2
( )
N
ii
N
i
)f f Pxx iM
Pxx i
=
=
−=
∑
∑ (7)
donde es la PSD de la señal y Pxx f es el rango de frecuencias en el que está definida.
El valor de f que aparece en la segunda ecuación se corresponde con el valor de 1M ,
puesto que su definición coincide con la media de una variable aleatoria f cuya
función de densidad de probabilidad es . Así, el vector de características obtenido
para cada instante de tiempo y para cada intento es:
Pxx
t k
3 4 3 4
T( ) [ 1 1 2 2 ]k C C Ct M M M M= a C
C
(8)
El segundo grupo de características está formado por las potencias en las bandas μ
(8-12 Hz) y β (16-24 Hz) de las señales correspondientes a los canales C3 y C4. El valor
de la potencia se calcula como el área bajo la curva PSD, comprendida en la banda de
frecuencias correspondiente. Por tanto, el vector de características es:
3 4 3 4
T( ) [ ]k C C Ct pot pot pot potμ μ β β= a (9)
Por último, se forma un grupo de características combinando la información de los
momentos espectrales y de las potencias en las bandas, de forma que el número total de
características correspondiente es 8. Sin embargo, para reducir dicho número de
características a 6 [17], se emplean las diferencias de potencias en cada banda en lugar
de potencias absolutas. De esta manera, el vector de características resultante es:
3 4 3 4 3 4 3 4
T( ) [ 1 1 2 2 ( ) ( )]k C C C C C C C Ct M M M M pot pot pot potμ μ β β= − −a (10)
2.2.2. Transformada wavelet continua
Las wavelets son funciones matemáticas de energía finita que oscilan y cuyo valor
medio es cero [18] . Se emplean para hacer representaciones en tiempo-frecuencia de
una señal partiendo de una wavelet madre ( )tΨ que se escala por un valor s y se
desplaza un tiempo b. La transformada wavelet continua (Continuous Wavelet
Transform, CWT) de una señal real se define como la convolución de la señal con
la wavelet conjugada, desplazada y escalada:
( )c t
INFORME FINAL DE RESULTADOS – 17
Informe Final de Resultados – DOMO - BCI 18/2008
*1( , ) ( )| |c
t bW s b c t dtss
+∞
−∞
−⎛ ⎞= Ψ ⎜ ⎟⎝ ⎠∫ (11)
Para la obtención de las características se emplean dos wavelets, cuyos espectros se
encuentran uno en la banda μ (en torno a 10 Hz) y otro en la banda β (en torno a 22 Hz).
Estos valores de frecuencia se eligen empíricamente, puesto que proporcionaron
notablemente los mejores resultados en las pruebas preliminares.
El estudio de este método se lleva a cabo empleando varios tipos de wavelets
diferentes variando sus parámetros. Las wavelets empleadas se obtienen del Wavelet
Toolbox de MATLAB®. En total se emplean 17 wavelets diferentes: wavelets complejas
gaussianas (cgau10, cgau12 y cgau15), Morlet compleja (cmor2-1, cmor3-1, cmor3-2),
Daubechies (db8, db10, db12), complex frequency biorthogonal-spline (fbsp2-1-1.5,
fbsp2-1-1, fbsp2-1-2), sombrero mejicano (mexh), wavelet compleja de Shannon
(shan1-2.5) y symlets (sym7, sym8 y sym10).
El vector de características se forma a partir de la amplitud instantánea de la CWT
calculada para las bandas μ y β de las señales correspondientes a los canales C3 y C4.
Por tanto, en un instante de tiempo t y para cada intento el vector de características
será de la forma:
k
3 4 3 4
T( ) [ ( , ) ( , ) ( , ) ( , )]k C C C Ct W s t W s t W s t W s tμ μ β β= a (12)
2.2.3. Transformada wavelet discreta
La transformada wavelet discreta (Discrete Wavelet Transform, DWT) filtra la
señal mediante parejas de filtros, uno paso alto y otro paso bajo, y realiza
posteriormente un diezmado por dos de la señal. Este proceso da lugar a unos
coeficientes detalle cD1 (entre fs/4 y fs/2) y unos coeficientes de aproximación cA1 (entre
0 y fs/4). A continuación, se vuelve a realizar el filtrado sobre los coeficientes de
aproximación, de forma que se obtienen de nuevo un grupo de coeficientes detalle cD2
(entre fs/8 y fs/4) y un grupo de coeficientes de aproximación cA2 (entre 0 y fs/8). El
nivel de descomposición de la señal mediante la DWT coincide con el número de veces
que se realiza este proceso.
En el caso de las señales del presente proyecto, cuya frecuencia de muestreo es
128sf Hz= , el nivel de descomposición adecuado es igual a 3, puesto que es suficiente
para localizar los ritmos μ y β. La banda μ se encuentra en la banda de los coeficientes
detalle del nivel 3 (cD3, entre 8 y 16 Hz) mientras que la banda β se localiza en la de los
INFORME FINAL DE RESULTADOS – 18
Informe Final de Resultados – DOMO - BCI 18/2008
coeficientes detalle del nivel 2 (cD2, entre 16 y 32 Hz). Sin embargo, estas bandas no
coinciden exactamente con la banda de cada ritmo sino que abarcan más frecuencias. El
vector de características se forma a partir de estos coeficientes obtenidos para las
señales de los canales C3 y C4. Por tanto, en un instante de tiempo t y para cada intento
el vector de características es de la forma: k
3 4 3 4
T3, 3, 2, 2,( ) [ ( ) ( ) ( ) ( )]k C C C Ct cD t cD t cD t cD t= a (13)
Al igual que para la CWT, se han empleado diferentes tipos de wavelets variando
sus parámetros. En total se emplean 20 wavelets diferentes que son: Daubechies (db8,
db10, db12), symlets (sym7, sym8, sym10), coiflets (coif2, coif4), wavelet discreta de
Meyer (dmey), wavelets biortogonales (bior1.3, bior2.4, bior3.9, bior4.4, bior5.5,
bior6.8) y biortogonales inversas (rbio2.4, rbio3.9, rbio4.4, rbio5.5, rbio6.8).
2.2.4. Modelos autorregresivos
Un modelo autorregresivo (AR) es un modelo paramétrico lineal que describe la
muestra actual como una combinación de las p muestras anteriores. Se expresa como:
1( ) ( ) ( )
p
ii
c t coef c t i e t=
= −∑ +
4p
(14)
donde es la señal EEG, es un término de error que representa un ruido blanco
de media cero y varianza finita, p es el orden del modelo y son los coeficientes
que se pretende obtener.
( )c t ( )e t
i
oef
coef
De esta forma, dichos coeficientes son estimados a partir de la muestra actual y de
un número finito de muestras anteriores, empleando alguno de los diferentes métodos
existentes [19]. En concreto, para calcular los coeficientes del modelo autorregresivo se
han empleado tres algoritmos: Burg, covarianza y covarianza modificada. Cada uno de
ellos se prueba con valores de p = 2, 3 y 4, sobre las señales de los canales C3 y C4. Así,
el vector de características resultante para un instante t y para cada intento k tiene
longitud 2p y es de la forma: 3 3 3 4 4 T
1 2 1 2( ) [ ]C C C C C Ck pt coef coef coef coef coef c= ... ... a (15)
Por otro lado, los modelos AR adaptativos (Adaptive AutoRegressive, AAR) son
muy similares a los modelos AR, pero en este caso los coeficientes pueden ser variables
con el tiempo como se muestra a continuación:
INFORME FINAL DE RESULTADOS – 19
Informe Final de Resultados – DOMO - BCI 18/2008
1( ) ( ) ( ) ( )
p
ii
c t coef t c t i e t=
= −∑ +
)]p
(16)
Los modelos AAR proporcionan una alta resolución temporal con una baja carga
computacional y, además, son adecuados para el análisis online [20].
En este estudio los coeficientes AAR se estiman mediante diferentes algoritmos:
media de mínimos cuadrados (Least Mean Squares, LMS), mínimos cuadrados
recursivos (Recursive Least Squares, RLS) y técnicas AR recursivas (Recursive AR,
RAR) [20] . El estudio de los métodos AAR se realiza empleando los tres métodos de
estimación que mejores resultados han proporcionado en las pruebas iniciales: LMS,
LMS con normalización adaptativa y RLS. Previamente, se lleva a cabo un filtrado paso
banda entre 2 y 40 Hz. Las pruebas se realizan variando el método de estimación de los
coeficientes, el orden del modelo (p= 2, 3 y 4) y el coeficiente de actualización UC =
0.005 y 0.008 (del orden que se emplea en otros estudios similares [21] ). Estos
algoritmos se aplican sobre las señales de C3 y C4, por tanto, el vector de características
resultante tiene longitud 2p: 3 3 3 4 4 4 T
1 2 1 2( ) [ ( ) ( ) ( ) ( ) ( ) (C C C C C Ck pt coef t coef t coef t coef t coef t coef t= ... ... a (17)
2.2.5. Filtro adaptado
El filtro adaptado se basa en la obtención de un modelo parametrizado del ritmo μ a
partir del ritmo característico presente en las señales EEG. El procedimiento utilizado es
similar al planteado por Krusienski et al. [22].
En primer lugar, se estudia el espectro de las señales EEG para determinar cuál es
la frecuencia fundamental en la que aparece el ritmo μ. Una vez conocida esta
frecuencia se seleccionan aquellas señales en las que debería producirse una
sincronización de los ritmos, es decir, las correspondientes al canal situado en el mismo
lado hacia el que se imagina el movimiento, puesto que en el otro canal se produce una
desincronización. Por lo tanto, se trabaja con el canal C3 de los intentos de clase
izquierda (L) y con el canal C4 de los intentos de clase derecha (R). Se toman segmentos
de 2 s y se realiza la correlación cruzada con un seno de frecuencia igual a la frecuencia
fundamental y de 1 s de duración, y se selecciona para cada intento el segmento de 1 s
de señal que da la máxima correlación. Posteriormente, se alinean estos segmentos y se
calcula la media, obteniéndose así el ritmo μ característico de la señal.
INFORME FINAL DE RESULTADOS – 20
Informe Final de Resultados – DOMO - BCI 18/2008
Se observa que el ritmo μ obtenido mantiene una amplitud relativamente constante
durante el intervalo de 1 s. Además presenta periodicidad, por lo que puede ser
descompuesto en términos de un número discreto de componentes sinusoidales [22].
Para ello se estudia su espectro, que está formado por un pico principal a la frecuencia
fundamental y por dos armónicos de menor amplitud (siendo el primero de ellos el
ritmo β). A partir de este espectro se calculan las amplitudes de los dos primeros
armónicos ( y ) y del pico fundamental ( ), así como las fases de los dos
primeros armónicos (
2A 3A 1A
2φ y 3φ ) y de la componente fundamental ( 1φ ). La plantilla del
filtro adaptado se modela como una suma de los armónicos de la señal:
1
2( ) cos( )N
Fm m
m S
nmfMF n Af
π φ=
= +∑ (18)
donde n es el número de muestra de la plantilla, fs es la frecuencia de muestreo, fF es la
frecuencia fundamental del ritmo μ y N – 1 es el número total de armónicos que van a
ser modelados. Dada la forma del espectro, se considera suficiente N = 3 para modelar
el ritmo μ característico [22] . No obstante, algunos estudios han empleado otras
plantillas para el ritmo μ menos generales como una sinusoide rectificada [23].
Para realizar la extracción de características se toma un segmento de señal EEG y
se realiza la convolución circular de longitud igual al número de muestras de un período
de la plantilla diseñada. Al valor máximo de esta convolución se aplica la raíz cuadrada
y ésta será la característica extraída para dicho segmento. Como se parte de las señales
de dos canales (C3 y C4) el vector de características estará formado por dos elementos:
3 4
T( ) [ max( ) max( )]k Ct CC CC= a C
(19)
2.2.6. Resultados
En este apartado se recogen los resultados obtenidos al implementar los distintos
algoritmos de extracción de características descritos anteriormente. Para poder comparar
dichos métodos se muestran en las Tablas 1 y 2 los mejores resultados obtenidos por
cada uno de ellos. En la Figura 2 puede observarse también la evolución temporal de la
MI y de la tasa de error de los mejores métodos y del método ganador. A pesar de que
se miden varios parámetros (MI, tasa de error y tiempo de clasificación) al igual que en
la competición [15] , el criterio empleado para escoger el mejor método se basa en el
valor máximo de MI ya que, como se ha mencionado previamente, tiene en cuenta no
solo la clase estimada, sino también el valor de la probabilidad de dicha estimación [15].
INFORME FINAL DE RESULTADOS – 21
Informe Final de Resultados – DOMO - BCI 18/2008
Los sistemas BCI basados en los ritmos sensoriomotores μ y β se emplean en
aplicaciones que generalmente muestran realimentación al usuario para que éste pueda
saber si está realizando correctamente el control de la aplicación. Para poder
proporcionar esa realimentación es necesario que el sistema proporcione cada cierto
tiempo un valor de salida que indique, tanto la clase estimada como la probabilidad de
que dicha estimación sea correcta. Por tanto, en lugar de esperar a tener la señal
completa de un intento para clasificarla como perteneciente a una clase u otra, es
necesario analizar cada cierto tiempo la señal recibida. Debido a esto, los métodos de
extracción de características que se implementan en este estudio se aplican sobre
segmentos de las señales y no sobre la señal completa de un intento (9 s). El tamaño de
estos segmentos varía entre 0.25 y 2 s. Posteriormente, se escoge la longitud de
segmento que obtiene mejores resultados para cada método. Además, no es necesario
proporcionar un valor de salida en todos los instantes de tiempo, sino que puede variarse
la frecuencia con la que se actualiza la realimentación. En este estudio se realiza la
clasificación proporcionando un valor de salida por cada muestra de entrada (tasa de
salida: 1/128 7.8125Hz ms= ) y por cada ocho muestras (tasa de salida:
). De esta forma se puede seguir proporcionando una realimentación
frecuente al usuario empleando mucho menos tiempo en el procesado de las señales.
8 /128Hz 62.5ms=
En la Tabla 1 se muestran los resultados obtenidos por el método ganador
(implementado en este estudio) y por la mejor implementación (mejor valor de MI) de
cada método propuesto en este proyecto cuando se proporciona un valor de salida por
cada muestra (cada 7.81 ms). Análogamente, la Tabla 2 muestra los resultados cuando
se da un valor de salida cada 8 muestras (cada 62.5 ms).
Observando ambas tablas puede decirse que el mejor método, en términos de MI
máxima, es el de la potencia en las bandas μ y β. Esto supone una ventaja ya que se trata
de un método que es, conceptualmente, más sencillo que el resto. Empleando la
potencia en las bandas μ y β se consigue un máximo de MI de 0.66 bit (8.10% de
mejora) y disminuye el tiempo de clasificación con respecto a la competición,
manteniéndose la misma tasa de error mínimo. Por tanto, este método podría ser una
buena propuesta como método de extracción de características sobre este tipo de
señales.
El método CWT, mejora el valor de MI del método ganador de la competición BCI
2003 y mantiene la misma tasa de error, sin embargo el tiempo de clasificación es
INFORME FINAL DE RESULTADOS – 22
Informe Final de Resultados – DOMO - BCI 18/2008
mayor. Esto es debido a los extremos y anchura de las wavelets y puede ser fácilmente
corregido una vez escogido el tipo de wavelet que se va a emplear.
La DWT es el único método de los estudiados que no supera el valor de MI de la
competición. Como máximo consigue un valor de 0.59 bit cuando la tasa de salida es de
62.5 ms. Además, el tiempo de clasificación empeora con respecto al método ganador y
la tasa de error es superior a la de todos los métodos. Esto podría ser debido a que las
bandas resultantes al descomponer la señal en 3 niveles no coinciden exactamente con
las bandas de los ritmos μ y β, sino que abarcan más componentes espectrales.
Los modelos AR consiguen superar el valor de MI de la competición. El
inconveniente que presentan es que, independientemente de la tasa de salida, el error
mínimo empeora respecto al de la competición. Además, el instante en el que se alcanza
el máximo de la MI coincide casi con el fin del intento (t = 9 s) por lo que es el método
que presenta el peor tiempo de clasificación.
Por último, el método del filtro adaptado destaca por el poco tiempo que emplea en
el análisis de las señales. Debido a esto será interesante su implementación en sistemas
de tiempo real, ya que el tiempo de análisis no limita la tasa de salida. La MI que
consigue este método es de 0.62 bit, por tanto, superior al método ganador. Este método
Método ganador
Características espectrales (pot.
bandas μ y β)
CWT (Morlet
cmor2-1)
DWT (Daubechies,
db10)
AR/AAR (AR Cov,
p=3)
Filtro adaptado
TAMAÑO DEL SEGMENTO [S] 0.50 1.00 1.00 0.25 0.50 0.25
ERROR MÍNIMO [%] 10.7143 10.7143 14.2857 12.8571 11.4286 10.7143
MI MÁXIMA [BITS] 0.6118 0.6586 0.6209 0.5635 0.6326 0.6239
TIEMPO DE CLASIFICACIÓN
[S] 7.4375 7.3125 8.0234 8.4688 8.9297 7.1875
Tabla 1. Resultados obtenidos por cada método proporcionando una tasa de salida de 7.81 ms
Método ganador
Características espectrales (pot.
bandas μ y β)
CWT (Morlet
cmor2-1)
DWT (Meyer
discreta)
AR/AAR (AR Burg,
p=4)
Filtro adaptado
TAMAÑO DEL SEGMENTO [S] 0.50 1.00 0.50 1.00 0.25 0.25
ERROR MÍNIMO [%] 10.7143 10.7143 10.7143 14.2857 11.4286 11.4286
MI MÁXIMA [BITS] 0.6084 0.6592 0.6199 0.5852 0.6351 0.6248
TIEMPO DE CLASIFICACIÓN
[S] 7.3750 7.2500 7.9375 8.0000 8.9375 7.1250
Tabla 2. Resultados obtenidos por cada método proporcionando una tasa de salida de 62.5 ms
INFORME FINAL DE RESULTADOS – 23
Informe Final de Resultados – DOMO - BCI 18/2008
es también el que mejor tiempo de clasificación consigue. Para ambas tasas de salida, el
error es ligeramente superior al de la competición.
Comparando ambas tablas entre sí se observa que para todos los métodos excepto
para la CWT se obtienen resultados ligeramente mejores cuando la tasa de salida es de
62.5 ms que cuando es de 7.81 ms.
El motivo de que los valores de error que se indican en las tablas sean todos iguales
o superiores al de la competición se debe a que el criterio empleado a lo largo de este
trabajo ha sido siempre maximizar el valor de MI. Es por ello que dentro de casi todos
los métodos existen otras combinaciones de parámetros que obtienen un error inferior a
10.71%, pero cuya MI presenta un valor inferior al que se ha mostrado en estas tablas.
En la Figura 2 se muestra la evolución temporal de la MI y de la tasa de error obtenidos
por los dos mejores métodos: potencias, en cuanto a MI, y filtro adaptado, en cuanto a
tiempo de clasificación y procesado, así como por el método ganador. El método basado
en potencias (línea azul) destaca por presentar una pendiente ligeramente superior y
porque alcanza el mayor valor de MI. El método del filtro adaptado (línea roja) es el
más rápido en empezar a incrementar la MI y al final del intento consigue mantener un
valor de ésta superior al de la competición.
Figura 2. Evolución temporal de la MI (línea continua) y la tasa de error (línea punteada) para el método ganador (negro), las características espectrales (azul) y el filtro adaptado (rojo)
INFORME FINAL DE RESULTADOS – 24
Informe Final de Resultados – DOMO - BCI 18/2008
2.3. Métodos de clasificación de características
A lo largo de esta sección se describen los distintos métodos de clasificación que se
han implementado en el estudio. De forma análoga que para la extracción de
características, se parte del modelo ganador para el conjunto de datos III de la
competición BCI 2003 y, utilizando las características wavelets extraídas de dicho
modelo, se comparan los distintos métodos de reconocimiento de patrones a estudiar.
Con cada algoritmo se obtiene la probabilidad a posteriori y, a
continuación, se realiza la combinación temporal para mejorar el rendimiento del
sistema y el mapeo para obtener la salida online, de acuerdo a las ecuaciones (4) y (5),
respectivamente. Se va a emplear el grupo de funciones MATLAB® proporcionado por
el conjunto de herramientas Netlab [24], [25].
( )( |P L ta )
2.3.1. Preprocesado: Recorte de outliers
Los vectores de características a clasificar presentan puntos desplazados que no se
corresponden directamente con las intenciones del usuario. Estos puntos, que no
pertenecen a ninguno de los dos grupos (L o R), se denominan outliers y su aparición se
debe a artefactos o, con mayor interés, a pruebas individuales en las que el usuario no es
capaz de realizar la correcta imaginación de la tarea requerida [13]. Los outliers pueden
deformar y desplazar los distintos clusters presentes en el conjunto de datos, lo cual va a
provocar un aumento en el número de errores durante la fase de clasificación. Por ello,
es de vital importancia tener en cuenta dichos puntos y eliminarlos antes de la fase de
clasificación mediante técnicas de recorte, como el estimador rápido del determinante
de la covarianza mínimo (Fast-Minimum Covariance Determinant, Fast-MCD) [26],
[27].
El MCD es un estimador altamente robusto basado en la localización multivariada y
en la dispersión de los datos, que tiene como objetivo encontrar las h observaciones (de
un total de n) cuyas matrices de covarianza tengan el determinante más pequeño [26] .
Los algoritmos típicos de MCD están limitados a conjuntos de datos pequeños (cientos
de objetos) y a pequeñas dimensiones. Para superar dichas limitaciones, el algoritmo
Fast-MCD emplea iteraciones selectivas y extensiones anidadas [26].
En el presente estudio se aplica el algoritmo Fast-MCD a los datos de cada clase
del conjunto de entrenamiento de la competición BCI 2003. De esta forma se obtiene el
INFORME FINAL DE RESULTADOS – 25
Informe Final de Resultados – DOMO - BCI 18/2008
subconjunto de dichos datos que están más concentrados (mínima covarianza) y, por
tanto, se eliminan los más dispersos (outliers). Para los distintos métodos de
reconocimiento de patrones implementados en este trabajo, se realiza la clasificación de
los datos sin y con recorte de outliers. Dicho recorte se lleva a cabo mediante el
algoritmo Fast-MCD con valores de h iguales a 0.5, 0.6, 0.7, 0.8 y 0.9, lo que equivale
a la eliminación del 50%, 40%, 30%, 20% y 10% de los datos, respectivamente.
2.3.2. K-vecinos más cercanos
El clasificador k-vecinos más cercanos (k-Nearest Neighbors, k-NN) asigna la
muestra a la clase y (( )ta { },y L R∈ ) si la mayoría de los k vecinos más próximos (en
términos de distancia euclídea) pertenecen a dicha clase. De esta forma, si x de los k
vecinos (con x k≤ ) pertenecen a la clase L, la probabilidad a posteriori
viene dada por
( )( )|P L ta
xk . Para cada instante de tiempo se calcula la distancia euclídea entre
los datos del conjunto de prueba y los datos del conjunto de entrenamiento, y se varía el
número de vecinos k desde 2 hasta 139 (ya que el número total de realizaciones del
conjunto de entrenamiento es 140). A continuación, se fija aquel valor de k que
maximiza la MI ( ) y se ejecuta el algoritmo con las características recortadas
desde 10% hasta 40% para la eliminación de outliers. En este caso el recorte de los
datos al 50% no es posible ya que proporciona un conjunto menor a 76 y, por ello, no se
contempla en los resultados.
76=k
2.3.3. Análisis discriminante lineal
El análisis discriminante lineal (Linear Discriminant Anayisis, LDA) es un método
de reducción de dimensionalidad en el que se realiza una proyección lineal de los datos
a un espacio unidimensional [28]. De esta forma un vector x se proyecta en un valor y,
dado por:
( ) Ty =x w x (20)
donde w es un vector de pesos ajustables que depende de la matriz de dispersión intra-
clase:
( )( )
12 1
12 1
W
W
−
−
−=
−
S μ μw
S μ μ (21)
INFORME FINAL DE RESULTADOS – 26
Informe Final de Resultados – DOMO - BCI 18/2008
( )( ) ( )( )1 2
1 1 2
T Tn n n nW
n C n C∈ ∈
= − − + − −∑ ∑S x 2μ x μ x μ x μ (22)
Generalmente una proyección en un espacio unidimensional da lugar a una
considerable pérdida de información, y las clases que estaban bien separadas en el
espacio d-dimensional original pueden solaparse en una dimensión. Sin embargo,
ajustando correctamente las componentes del vector de pesos w se puede seleccionar
una proyección que maximice la separación entre las clases. La clasificación según el
método LDA se basa en la suposición de que los datos de partida han sido generados
por una distribución normal. Por ello, se estiman las funciones de densidad de
probabilidad (f.d.p.) ( )( )|p a t L y ( )( )|p a t R (donde ( )a t es la proyección del vector
) como distribuciones normales con medias ( )ta ( )1 tμ y ( )t2μ , respectivamente, y con
igual varianza ( ) ( )Wt t⋅ ⋅w S ( )tT w . Por lo tanto, es necesario validar la normalidad y
homocedasticidad de los datos y verificar así la suposición de partida.
Son muchas las pruebas de normalidad (f.d.p. gaussianas) y homocedasticidad
(igualdad de matrices de covarianza) existentes. Sin embargo, el presente trabajo se
centra en las pruebas de normalidad multivariada debido a la naturaleza de los datos de
partida. Muchas de las pruebas son versiones univariadas extendidas al caso
multivariado. De esta forma, un porcentaje alto de las pruebas multivariadas se basan en
medidas de la asimetría y de la kurtosis o en procedimientos de la bondad del ajuste de
casos univariados, lo cual hace que pocas de estas pruebas puedan considerarse
formales [29]. Las pruebas basadas en la asimetría y la kurtosis de Mardia son unas de
las más comunes para la comprobación de la normalidad multivariada. Sin embargo, la
mayoría de estos métodos carecen de la propiedad de consistencia, no ocurriendo lo
mismo con la prueba de Henze-Zirkler [29]. Por último, para la comprobación de
homocedasticidad se utiliza la prueba de Levene, que contrasta si grupos de k muestras
proceden de poblaciones de igual varianza.
2.3.4. Regresión logística
La regresión logística puede considerarse un caso particular de red neuronal de una
sola capa [28]. De esta forma, se parte de una función discriminante lineal para
las componentes x descrita por:
( )y x
( ) 0Ty ω= +x w x (23)
INFORME FINAL DE RESULTADOS – 27
Informe Final de Resultados – DOMO - BCI 18/2008
donde w es el vector d-dimensional de pesos y 0ω se corresponde con el sesgo.
La función es una función lineal de las variables de entrada. Para generalizar
dicha función se aplica al nodo de salida una función de activación del tipo logistic:
( )y x
( ) ( )1
1 expg a
a≡
+ − (24)
con lo que se mapea el intervalo de entrada en el intervalo ( )0,1 y se transforma la
salida en una probabilidad válida para la clasificación estadística:
( )( ) ( ) ( ) ( )( )0| TP L t g t t tω= +a w a (25)
Utilizando el modelo lineal generalizado para cada instante de tiempo, se crea una
red de 4 entradas y 1 salida con función de activación logistic [25]. A continuación, se
entrena dicha red con el conjunto de datos etiquetados mediante el método de mínimos
cuadrados iterativamente reponderados (Iterated Reweighted Least Squares, IRLS), que
permite calcular las derivadas de una función de error con respecto a los pesos y el
sesgo de la red. Con esto se obtienen los distintos pesos ( )tw . Para realizar la
clasificación, se introducen los datos del conjunto de prueba en la red entrenada,
obteniendo así la probabilidad ( )( )|P L ta .
2.3.5. Redes neuronales
Una red neuronal artificial es un conjunto de elementos simples de procesado
(unidades, nodos o neuronas) interconectados. La capacidad de procesado de la red
reside en los valores asociados a las conexiones entre nodos (denominadas pesos).
Dichos valores se obtienen en un proceso de adaptación o aprendizaje a partir de un
conjunto de patrones de entrenamiento [30]. En este proyecto se abordan dos tipos de
arquitecturas de propagación hacia atrás (feed-forward): redes perceptrón multicapa
(Multi-Layer Percpetron, MLP) y redes función base radial (Radial Basis Function,
RBF).
2.3.5.1. Perceptrón multicapa
Para permitir un mapeo más general que el proporcionado por las redes neuronales
de capa simple se pueden considerar redes más complejas formadas por varias capas de
pesos adaptativos que realizan distintas transformaciones sucesivas. En este trabajo se
consideran redes MLP formadas por dos capas de pesos adaptados. De esta forma, cada
INFORME FINAL DE RESULTADOS – 28
Informe Final de Resultados – DOMO - BCI 18/2008
capa de la red se construye como una combinación lineal de las variables de entrada, las
cuales son transformadas por funciones de activación no lineales. Además, las
conexiones entre las distintas capas se realizan exclusivamente entre nodos de capas
inmediatamente consecutivas, con lo que la función analítica de la salida queda descrita
por:
( )( ) ( ) ( ) ( ) ( ) ( )4
2 1
0 0|
M
j ji ij i
P y t g t h t a tω ω= =
⎛ ⎞⎛ ⎞= ⎜ ⎟⎜ ⎟
⎝ ⎠⎝ ⎠∑ ∑a (26)
donde ( )1jiω denota el peso de la primera capa que une la entrada i con el nodo oculto j,
( )10jω denota el sesgo del nodo oculto j (cuya entrada vale siempre 1), ( )2
jω es el peso de
la segunda capa que une el nodo oculto j con la salida y ( )20ω es el sesgo de la segunda
capa.
Dado que el presente trabajo pretende clasificar la señal de entrada en dos clases, es
decir, pretende obtener la probabilidad a posteriori ( )( )|P L ta , la red neuronal va a
emplear la función logistic como función de activación de la capa de salida. Por otro
lado, la función de activación de la capa oculta empleada en este tipo de redes es la
tangente hiperbólica, ya que da lugar a una convergencia más rápida de los algoritmos
de entrenamiento [28].
Para la implementación de la red MLP, en primer lugar y para cada instante de
tiempo, se crea una red con 4 entradas, k nodos en la capa oculta y 1 salida. El número
de nodos de la capa oculta se varía desde 2 hasta 20 para seleccionar el óptimo. Una vez
creada la red mediante la función correspondiente del paquete Netlab se realiza la
optimización de los pesos de la red a partir de los datos de entrenamiento. Netlab ofrece
varias posibilidades en cuanto a algoritmos de propagación hacia atrás para la
optimización de pesos [25] . Entre dichos métodos están el descenso del gradiente, el
gradiente conjugado, el gradiente conjugado escalado y el método cuasi-Newton. De
todos ellos se escoge el denominado gradiente conjugado escalado con 100 iteraciones
ya que empíricamente obtiene mejores resultados que el resto. A continuación, se
introducen en la red entrenada los datos de prueba y se obtiene como salida la
probabilidad a posteriori . ( )( )|P L ta
INFORME FINAL DE RESULTADOS – 29
Informe Final de Resultados – DOMO - BCI 18/2008
2.3.5.2. Funciones de base radial
En el caso de redes RBF, la activación de los nodos ocultos se determina mediante
la distancia entre el vector de entrada y un vector prototipo. De esta forma, cada nodo
oculto computa la función base gaussiana jφ de los datos de entrada y, a continuación,
se realiza el producto escalar de las salidas. Dichas salidas se introducen en la función
logistic para obtener según las siguientes expresiones: ( )( |P L ta )
( )( ) ( ) ( )( )0
|M
j jj
P L t g t tω φ=
⎛ ⎞= ⎜ ⎟
⎝ ⎠∑a a (27)
( )( ) ( ) ( )( )
2
2exp2
jj
j
t tt
tφ
σ
⎛ ⎞−⎜ ⎟= −⎜ ⎟⎝ ⎠
a μa (28)
donde es el vector de características, ( )ta ( )j tω es el peso que une el nodo oculto j con
la salida y, jμ y jσ son el centro y la anchura de la función base jφ , respectivamente.
Un aspecto importante en las redes RBF es la distinción entre los roles de la
primera y la segunda capa de pesos, es decir, entre los parámetros que gobiernan las
funciones base y los pesos de la capa de salida. De esta forma, el entrenamiento se lleva
a cabo en dos fases:
i) Primera fase. Cálculo de los parámetros de las funciones base. Los centros se
establecen a partir de un modelo de mezclas gaussianas (Gausian Mixture Model,
GMM) con covarianzas circulares empleando el algoritmo de máxima expectación
(Expectation Maximization, EM) con un máximo de 100 iteraciones. Para la
inicialización de estos se emplea el algoritmo k-medias. Por otro lado, las anchuras de
las funciones base gaussianas se establecen mediante la máxima distancia cuadrática
entre centros.
ii) Segunda fase. Cálculo de los pesos de la capa de salida. Al igual que en el caso
de regresión logística se emplea el algoritmo IRLS para el cálculo de los pesos de
salida.
El conjunto de herramientas Netlab genera redes RBF con función de activación de
la capa de salida lineal. Por ello, para implementar este algoritmo de entrenamiento en
las 2 fases anteriores se crea, en primer lugar y para cada instante de tiempo, una red
RBF con 4 entradas, 1 salida y k funciones base. A continuación, se entrena la red con el
INFORME FINAL DE RESULTADOS – 30
Informe Final de Resultados – DOMO - BCI 18/2008
conjunto de datos etiquetados para calcular los centros y las anchuras de las funciones
base (primera fase de entrenamiento). Seguidamente, se crea un modelo lineal
generalizado con k entradas y 1 salida con función de activación logistic. Dicho modelo
se entrena mediante los datos de salida de la primera capa de la red RBF, ,
utilizando el algoritmo IRLS (segunda fase de entrenamiento). Por último, se asignan
los pesos del modelo lineal generalizado calculados mediante IRLS a los pesos de la
capa de salida de la red RBF.
( )( )j tφ a
Para la fase de prueba se introducen los datos de dicho conjunto en la red generada
y, dado que la salida de la red es lineal, se emplea la función logistic para mapear los
resultados en el intervalo ( . De esta forma se obtiene la probabilidad a posteriori
.
)
0,1
( )( )|P L ta
2.3.6. Modelo de mezclas gaussianas
El modelo de mezclas es un caso particular de f.d.p. formado por una combinación
lineal de funciones base, donde el número My de funciones base se considera como un
parámetro del modelo y suele ser mucho menor que el número de puntos N [28] . De
esta forma, se puede describir el modelo de densidad ( )( )|p t ya como una
combinación lineal de las densidades componentes ( )( )|p t ja ,
( )( ) ( )( ) ( )1
| |yM
j
p t y p t j P j=
= ∑a a (29)
donde los coeficientes son las probabilidades a priori de que los datos hayan sido
generados por la componente j de la mezcla.
( )P j
Del conjunto general de modelos de mezclas, el presente trabajo se centra en el
estudio de modelos de mezclas gaussianas en el que las densidades componentes se
corresponden con funciones de densidad gaussianas de la forma:
( )( )( )
( )( ) ( )( )11/22
1 1| exp22
T
j j j
j
p t j t tπ
−⎛ ⎞= − −⎜ ⎟⎝ ⎠
a a μ Σ a μΣ
− (30)
En muchas aplicaciones las densidades componentes ( )( )|p t ja se consideran
pertenecientes a una familia paramétrica [31]. De esta forma, dichas densidades pueden
escribirse como
( )( )| ; jp t ja θ , donde es el vector de los parámetros desconocidos jθ
INFORME FINAL DE RESULTADOS – 31
Informe Final de Resultados – DOMO - BCI 18/2008
de la componente j de la mezcla, es decir, jμ y para el caso de GMM. Teniendo en
cuenta este enfoque la ecuación (29) se puede reescribir como:
jΣ
; |( )( ) ( )( ) ( )1
;yM
jj
p t p j=
= ∑a Ψ θt P ja (31)
donde es un vector que contiene todos los parámetros desconocidos de la mezcla: ( )tΨ
( ) ( ) 1, ,Ψ θ( )1 ,..., 1 ...,yy MP P M= −
...,
θ (32)
El conjunto de datos de entrenamiento de partida está formado por 70 pruebas de
cada clase y en cada instante de tiempo. Dicho número es muy pequeño para modelar un
GMM (sobre todo en modelos formados por un gran número de gaussianas). Por tanto,
se va a generar el GMM de cada clase mediante segmentos temporales de 0.5 s de
longitud y solapados 0.25 s. De esta forma, a cada segmento le corresponde un conjunto
de parámetros con ( )( ), ,j j P jμ Σ 1, yj M= , siendo yM el número de gaussianas
componentes de la clase y. Además, como los instantes de tiempo en los que se solapan
2 segmentos están descritos por 2 triadas de parámetros, se realiza la media entre ambas
para obtener unos parámetros únicos por segmento.
Existen varios métodos para determinar el conjunto de parámetros de un GMM a
partir de un conjunto de datos. El más utilizado en la literatura y, por tanto, el utilizado
en este proyecto es el estimador de máxima verosimilitud (Maximum Likelihood
Estimator, MLE). Dicho estimador se basa en maximizar la probabilidad logarítmica
negativa, lo que equivale a minimizar la siguiente función de error:
( ) ( )( ) ( )( ) ( )1
ln ln ; | ;N N M
n nj
n n jE L p t p t j P j
= = =1 1ln
⎧ ⎫= − = − = − ⎨ ⎬
⎩ ⎭∑Ψ a ψ a θ∑ ∑ (33)
2.3.7. Resultados
A lo largo de este apartado se recogen los resultados obtenidos por los métodos de
clasificación de características estudiados. Se ha tomado como referencia el método
ganador de la competición BCI 2003 (conjunto de datos III) [13] . Para cada algoritmo
se varían distintos parámetros característicos con el objetivo de encontrar la
implementación óptima. Del mismo modo, dado que las características a clasificar están
acompañadas de ruido estadístico (outliers), se realiza el estudio de cada algoritmo con
distintos porcentajes de recorte mediante el estimador Fast-MCD. En primer lugar se
ejecutan los algoritmos sin recorte y se varían los parámetros del mismo. A
INFORME FINAL DE RESULTADOS – 32
Informe Final de Resultados – DOMO - BCI 18/2008
continuación, fijados los parámetros óptimos del algoritmo, se vuelve a ejecutar con los
distintos porcentajes de recorte para comparar los resultados.
En la Tabla 3 se muestran los resultados obtenidos tanto por el método de
referencia como por la mejor implementación de cada método propuesto en este
proyecto. En el caso particular del clasificador LDA, los test aplicados no confirmaron
la normalidad de los datos, por lo que fue descartado del estudio. La Figura 3 ilustra la
evolución a lo largo del tiempo de la tasa de error (negro) y la MI (azul), para el
clasificador ganador de la competición y para el que alcanzó la MI máxima de todos los
propuestos en este trabajo de investigación. Dicho clasificador óptimo se corresponde
con una red RBF formada por 9 nodos en la capa oculta y recorte del 40% de los datos.
De esta forma, se consigue aumentar la MI máxima en un 12.28% respecto al
clasificador de referencia de la competición BCI 2003. Además, la red RBF es el
método que menor tasa de error alcanza (9.50%), mientras que los tiempos de
clasificación son similares en todos los casos. Por otro lado, los porcentajes de recorte
GANADOR K-NN REGRESIÓN LOGÍSTICA
REDES NEURONALES GMM
MLP RBF
VARIABLES - k=76 - Nodos ocultos 5
Nodos ocultos 9
ML=3 MR=2
RECORTE [%] 30 40 30 30 40 40 ERROR MÍNIMO
[%] 10.7143 10.7143 11.5893 9.5000 11.9524 10.0000
MI MÁXIMA [BITS] 0.6680 0.6134 0.6743 0.6805 0.6849 0.6405
TIEMPO DE CLASIFICACIÓN
[S] 7.6172 7.5547 7.6406 7.6484 7.6172 7.4141
Tabla 3. Comparativa de resultados para los distintos clasificadores
Figura 3. MI (azul) y tasa de error (negro), para el clasificador ganador de la competición (línea fina) y
para la red RFB óptima (línea gruesa)
INFORME FINAL DE RESULTADOS – 33
Informe Final de Resultados – DOMO - BCI 18/2008
óptimos varían entre el 30% y 40% según los clasificadores. Hay que tener en cuenta
que los resultados mostrados en la Tabla 3 se corresponden con las combinaciones de
parámetros que maximizan la MI en cada clasificador. Este mismo criterio fue el
utilizado para evaluar los algoritmos en la competición BCI 2003. Por ello, si se
desearan obtener tasas de error menores o mejores tiempos de clasificación habría que
enfocar el estudio para optimizar los parámetros de cada clasificador en función de
dichos resultados.
2.4. Desarrollo software de algoritmos
Para llevar a cabo la implementación de la aplicación propuesta en el proyecto
DOMO-BCI se va a emplear el sistema de propósito general BCI2000 [10] junto con
una aplicación propia desarrollada en lenguaje C++. Este sistema contiene un módulo
de procesado de señal que, en primer lugar, extrae unas determinadas características de
las señales adquiridas por el módulo fuente y, posteriormente, traduce dichas
características en comandos de control que se envían al módulo de aplicación. El final
de la tarea 1 del proyecto DOMO-BCI consiste en implementar en el módulo de
procesado de señal de BCI2000 los métodos que mejores resultados han obtenido en la
fase de evaluación previa. Aunque esta etapa incluiría la evaluación de diferentes
clasificadores, se recomienda emplear el clasificador lineal que ya se encuentra
incorporado en el sistema BCI2000 [32]. Esto se debe a que dada la naturaleza de los
sistemas BCI se requieren métodos de clasificación sencillos, fáciles de implementar,
calibrar y adaptar al usuario: llevaría bastante tiempo implementar correctamente un
clasificador más complejo (redes neuronales, modelos de mezclas, etc.) y sería difícil
mejorar notablemente el rendimiento en tiempo real del clasificador existente. Por ello,
para el desarrollo de la aplicación propuesta en el proyecto DOMO-BCI se ha tomado la
decisión de emplear el clasificador lineal existente en BCI2000 e implementar varios
métodos diferentes de extracción de características. En concreto se van a implementar
los cuatro métodos del estudio realizado anteriormente, que han sido capaces de mejorar
el valor de MI de la competición: modelos autorregresivos, potencia en las bandas µ y
β, transformada wavelet continua empleando wavelets de Morlet complejas y filtro
adaptado. Para su implementación se ha hecho uso de los bloques ARFilter, FFTFilter,
FIRFilter y MATLABFilter predefinidos en BCI2000. Se han hecho las modificaciones
y ajustes pertinentes en el código fuente de las mismas para obtener los métodos de
INFORME FINAL DE RESULTADOS – 34
Informe Final de Resultados – DOMO - BCI 18/2008
extracción de características con la implementación deseada. A continuación se describe
brevemente cada uno de los métodos desarrollados.
• AR1: modelo AR cuyos coeficientes se estiman a partir del algoritmo de Burg o
método de máxima entropía (Maximum Entropy Method, MEM). Para ello se
emplean segmentos de 64 muestras (0.5 s a una frecuencia de muestreo de 128
Hz). La característica que se emplea es la amplitud espectral (obtenida a partir
de la PSD estimada por el modelo AR) correspondiente a la banda de
frecuencias donde se haya encontrado una mayor actividad del ritmo µ en una
sesión inicial. Para este método se toma el rango de frecuencias entre 0 y 30 Hz
para situar los centros de las muestras de la amplitud espectral, cubriendo cada
una un ancho espectral de 3 Hz.
• AR2: En este caso se emplean dos amplitudes espectrales correspondientes a las
bandas de frecuencias donde se haya encontrado una mayor actividad de los
ritmos µ y β en la sesión inicial. Se toma el rango de frecuencias entre 0 y 30 Hz
para situar los centros de las muestras de la amplitud espectral, cubriendo cada
una un ancho espectral de 1 Hz.
• FFT: Este método se ha descrito ya previamente. En él se emplea una STFT,
calculada con el algoritmo de la FFT, con una ventana de Hamming de 128
puntos (1 s). De esta forma cada muestra de la STFT cubre un ancho espectral de
1 Hz. Como características se emplean dos potencias correspondientes a la
banda frecuencial donde se haya encontrado una mayor actividad del ritmo µ.
• CMW: Se parte de dos wavelets complejas de Morlet escaladas teniendo en
cuenta las frecuencias donde se haya encontrado una mayor actividad de los
ritmos µ y β en la sesión inicial. Posteriormente, se realiza la transformada
wavelet continua de un segmento de la señal EEG de 64 muestras (0.5 s) con
cada una de las wavelets creadas. Se emplean como características las dos
amplitudes instantáneas de las transformadas wavelet.
• MF: en primer lugar se realiza un estudio de las señales de EEG para determinar
cuál es la frecuencia fundamental en la que aparece el ritmo µ mediante un
análisis offline. A partir de un conjunto de intentos similares a los del conjunto
de datos III de la Competición BCI 2003 se extrae el ritmo µ característico del
usuario. Se obtienen dos plantillas de 32 muestras (0.25 s) para el ritmo µ, una
INFORME FINAL DE RESULTADOS – 35
Informe Final de Resultados – DOMO - BCI 18/2008
real, empleando funciones coseno, y otra imaginaria, empleando funciones seno.
Se usan como características las amplitudes rms obtenidas al convolucionar
simultáneamente un segmento de 8 muestras de la señal EEG con cada uno de
los filtros adaptados obtenidos previamente.
Para medir la precisión de cada uno de estos métodos se ha modificado un módulo
de BCI2000 cuyo objetivo consiste en desplazar un cursor en forma de bola hacia la
izquierda o la derecha para seleccionar los botones que aparecen en los extremos
laterales de la pantalla. Solo uno de los botones se muestra como objetivo en cada
realización. En la Figura 4 se muestran varias capturas de pantalla de dicha aplicación.
En este estudio ha participado un único sujeto: una mujer sana de 26 años, que ha
realizado las distintas sesiones necesarias para evaluar el funcionamiento de los
métodos propuestos. Dicho sujeto realiza 10 pruebas de 20 intentos cada una, 10 de
cada lado, para cada uno de los métodos propuestos. Al comienzo de cada intento
aparece un objetivo a la derecha o a la izquierda de la pantalla y el usuario tiene 4 s para
mover el cursor hacia dicho objetivo, considerándose un acierto cuando este es
alcanzado. La precisión se mide como el porcentaje de aciertos respecto al número total
de intentos. Los resultados se muestran en la Tabla 4 y en la Figura 5.
A la vista de estos resultados el método con el que se consigue una mayor precisión
es el AR1, es decir, un modelo AR con anchura espectral de 3 Hz entre muestras y
tomando como característica la correspondiente al ritmo µ. A continuación se sitúa el
modelo AR2, lo que indica que los modelos AR son los más adecuados para controlar el
sistema BCI.
Figura 4. Capturas de pantalla de la aplicación diseñada para medir la precisión de los distintos métodos de extracción implementados en BCI2000
INFORME FINAL DE RESULTADOS – 36
Informe Final de Resultados – DOMO - BCI 18/2008
PRECISIÓN (%) Media Máxima Mínima
AR1 92.08 100.00 83.33 AR2 90.18 100.00 72.22 FFT 88.89 83.10 73.68
CMW 82.50 94.44 63.64 MF 81.07 93.75
El método FFT consigue una precisión media y mínima superior a la de los
métodos CMW y MF. Sin embargo, la precisión máxima obtenida con este método es la
menor respecto al resto de métodos.
Cualitativamente, desde el punto de vista del usuario, los métodos con los que ha
resultado más sencillo controlar el movimiento de la bola han sido AR1, AR2 y CMW.
Figura 5. Representación gráfica de los valores de precisión media, máxima y mínima obtenidos por los diferentes métodos implementados en BCI2000
Tabla 4. Valores medio, máximo y mínimo de precisión obtenidos por cada método de extracción de características implementado en BCI2000
58.82
INFORME FINAL DE RESULTADOS – 37
Informe Final de Resultados – DOMO - BCI 18/2008
3. Estudio de la interacción entre dispositivos domóticos y sistemas BCI.
Este capítulo se corresponde con la Tarea 2 del proyecto DOMO-BCI, consistente
en la realización de un estudio de los dispositivos domóticos que pueden integrarse en
una vivienda, así como de los diferentes estándares y protocolos de control que emplean
dichos dispositivos. Una vez identificados los diferentes tipos de dispositivos y
protocolos de control, se procederá al desarrollo del módulo que reciba la intención del
usuario identificada por el sistema BCI y lo traduzca en las señales de control requeridas
por el dispositivo domótico.
3.1. Estudio de los diferentes servicios prestados por los dispositivos domóticos que pueden estar presentes en la vivienda
A lo largo de esta primera subtarea se ha llevado a cabo un estudio de los
dispositivos domóticos que se pueden integrar en una vivienda, así como la función
desempeñada por los mismos.
Las actividades domésticas tales como preparar comidas, realizar los quehaceres de
la casa o la adquisición de bienes y servicios desde la misma, son aspectos que la
tecnología domótica puede facilitar a las personas dependientes. Además, permite
controlar y automatizar el funcionamiento de puertas, luces, persianas, etc.
Desde un punto de vista técnico, un sistema domótico se divide en:
Controlador: sistema informático que proporciona la inteligencia, gestiona y
controla el funcionamiento de toda la red de sensores y actuadores.
Sensores: pequeños dispositivos electrónicos que monitorizan un determinado
parámetro del entorno domótico y lo transmiten al sistema controlador.
Actuadores: son elementos activos que permiten al sistema controlador actuar
sobre el entorno, encendiendo y apagando luces, alarmas, electrodomésticos
inteligentes, etc.
Los principales sensores o dispositivos domóticos que pueden instalarse en una
vivienda para facilitar la vida de las personas en general, y de las personas dependientes
o con discapacidad en particular, son los siguientes:
INFORME FINAL DE RESULTADOS – 38
Informe Final de Resultados – DOMO - BCI 18/2008
Sensores de presencia: detectan la presencia de una persona dentro de una
estancia. Pueden ser empleados para: detectar intrusos y hacer sonar una alarma,
encender o apagar las luces de una habitación, abrir o cerrar una puerta, etc.
Sensores de humos: sirve para detectar la presencia de humo en el aire y emitir
una señal acústica avisando del peligro de incendio.
Sensores de detección de fugas de agua y gas, se emplean para emitir una alarma
cuando se detectan niveles de humedad o gas elevados.
Sensores de iluminación: miden el nivel de iluminación de una habitación y se
emplean para regular la altura de las persianas, la intensidad de las luces, etc.
Sensores de infrarrojos (IR) o radiofrecuencia (RF): reciben señales a partir de
mandos a distancia IR o RF y ejecutan diferentes acciones. Por ejemplo, sirven
para controlar dispositivos como televisores, reproductores de vídeo y DVD,
equipos de música, etc. También pueden emplearse para activar o desactivar
enchufes y con ello encender y apagar todo tipo de dispositivos, como lámparas
o electrodomésticos. Pueden usarse también para regular la intensidad de las
luces, subir o bajar las persianas, etc.
Termostatos: regulan la temperatura de una vivienda y se encargan de activar la
calefacción o el aire acondicionado cuando es necesario.
Para regular el funcionamiento de los dispositivos mencionados pueden emplearse
tanto mandos a distancia (IR o RF) como comandos de voz o paneles de control, táctiles
o de teclado, instalados en el hogar. Incluso, estos dispositivos pueden activarse desde
fuera del hogar mediante el uso de teléfonos móviles o internet.
En el caso de las personas dependientes o con discapacidad pueden instalarse
también dispositivos como camas eléctricas, grúas, detectores de caída o alarmas de
teleasistencia, que faciliten su vida y la de sus cuidadores. Además, podrían instalarse
también sensores de telemonitorización de señales biológicas que controlen, por
ejemplo, la actividad ECG de un paciente sin necesidad de que este se traslade a un
hospital [33].
Por otro lado, el empleo de interfaces adaptadas para el acceso a internet favorecerá
la realización de actividades de ocio, el acceso a la información y la realización de
compras desde casa.
INFORME FINAL DE RESULTADOS – 39
Informe Final de Resultados – DOMO - BCI 18/2008
3.2. Estudio de los diferentes protocolos y estándares de control domótico
3.2.1. Protocolos de control domótico
En este apartado se presenta un pequeño estudio de los protocolos de control
domótico más utilizados actualmente. A continuación se describe cada uno de ellos:
X.10
Se trata de un protocolo de comunicaciones para el control remoto de dispositivos
eléctricos. Utiliza las líneas de baja tensión (220 ó 110V) para transmitir datos a
muy baja velocidad (60 bps en EEUU y 50 bps en Europa) y costes muy bajos. Al
usar las líneas eléctricas de la vivienda, no es necesario tender nuevos cables para
conectar dispositivos, lo cual supone una gran ventaja [34].
El protocolo X.10 fue desarrollado entre 1976 y 1978 por Pico Electronics of
Glenrothes, una empresa escocesa. Fue el primer protocolo domótico en aparecer y,
debido a su madurez y a la tecnología empleada, los productos X.10 tienen un
precio muy competitivo. Además, no es propietario, es decir, cualquier fabricante
puede producir dispositivos X.10 y ofrecerlos en su catálogo.
Las señales de control de X.10 se basan en la transmisión de ráfagas de pulsos de
RF (120 KHz) que representan información digital. Estos pulsos se sincronizan en
el cruce por cero de la señal de red (50 ó 60 Hz). Un ‘1’ binario del mensaje se
representa por un pulso de 120 KHz durante 1 ms, en el paso por cero de la señal de
red, y el ‘0’ binario se representa por la ausencia de ese pulso de 120 KHz.
Un mensaje completo en X.10 está compuesto por el código de comienzo (1110),
seguido por un código que identifica la casa y un código de control. Este código de
control está formado por cinco bits de los cuales el último bit, llamado sufijo,
determina si los cuatro bits anteriores indican una dirección de unidad (sufijo=’0’)
o un código de comando (sufijo=’1’).
Para que el sistema gane fiabilidad el diseño del protocolo establece que cada
mensaje se debe transmitir dos veces. Además, cada par de mensajes de
información ha de estar precedido por seis pasos por cero de la señal de red. En
total es necesario un tiempo de 0.94 s para transmitir una orden completa.
INFORME FINAL DE RESULTADOS – 40
Informe Final de Resultados – DOMO - BCI 18/2008
Existe un protocolo más moderno (1999) llamado UPB (Universal Powerline Bus)
que también utiliza la línea eléctrica como medio de transmisión. Este protocolo
trata de obtener una señal más fuerte e inmune al ruido eléctrico consiguiendo una
mejor tasa de transmisión y una alta fiabilidad (hasta un 99%).
KNX (Konnex)
En abril de 1999 nueve compañías europeas establecieron una nueva asociación
industrial, Konnex, para trabajar en el desarrollo de un nuevo estándar resultante de
la convergencia de otros tres: BatiBUS, EIB (European Installation Bus) y EHS
(European Home Systems) [35]. El estándar KNX se basa en la tecnología EIB, que
consiste en un bus de datos, y expande su funcionalidad añadiendo nuevos medios
físicos a dicho estándar y los modos de configuración de BatiBUS y EHS [34].
Aunque puede utilizar distintos medios físicos: par trenzado, línea eléctrica,
cableado Ethernet o radiofrecuencia, lo más habitual es que las instalaciones KNX
utilicen cableado propio de par trenzado [36]. Con este estándar se pueden controlar
hasta 14.400 dispositivos en una misma instalación.
LonWorks
La empresa Echelon [37] presentó la tecnología LonWorks en el año 1992. Se trata
de un protocolo diseñado para cubrir los requisitos de la mayoría de las
aplicaciones de control: edificios de oficinas, hoteles, transporte, industrias,
monitorización de contadores de energía, vivienda, etc. El protocolo LonWorks se
encuentra homologado por las distintas normas europeas (EN-14908), de Estados
Unidos (EIA-709-1) y de China (GB/Z20177-2006), así como por el estándar
europeo de electrodomésticos (CEDEC AIS). Es un sistema abierto a cualquier
fabricante que quiera usar esta tecnología sin depender de sistemas propietarios, lo
que permite reducir los costes y aumentar la flexibilidad de la aplicación de control
distribuida [35]. Aunque Echelon fue el promotor de la tecnología, en la actualidad
la asociación que toma las decisiones sobre normalización y certificación es
LonMark Internacional [38]. Esta asociación, formada por los distintos fabricantes
que utilizan la tecnología LonWorks se encarga de definir los perfiles necesarios
para que los equipos sean completamente interoperables entre varios fabricantes.
Al igual que KNX, LonWorks puede utilizar una gran variedad de medios de
transmisión: aire, par trenzado, coaxial, fibra, o red eléctrica. Requiere la
INFORME FINAL DE RESULTADOS – 41
Informe Final de Resultados – DOMO - BCI 18/2008
instalación de nodos a lo largo de la red que gestionan los distintos sensores y
actuadores. La instalación y configuración de estos nodos debe ser realizada por
profesionales utilizando las herramientas informáticas apropiadas.
LonWorks es una tecnología muy robusta y fiable por lo que está especialmente
indicada para la automatización industrial, ámbito del que procede.
Dupline
La empresa Carlo Gavazzi ofrece el bus de instalación Dupline como la solución
idónea para las nuevas exigencias generadas por la creciente automatización de
viviendas y edificios [39]. Es un sistema descentralizado que ofrece nuevas
funcionalidades para reducir el consumo de energía y ampliar el confort y la
seguridad: control de la iluminación, temperatura, persianas, sistema de alarma
contra incendios, supervisión del control de energía, agua, gas, ventanas, puertas,
etc.
El sistema puede transmitir señales digitales y analógicas a kilómetros de distancia,
por medio de un cable de 2 hilos. Todos los módulos de una instalación se conectan
al mismo cable de 2 hilos que se usa para intercambiar señales entre los módulos y
entre un controlador central y los módulos. Dupline se usa generalmente como
sistema remoto de E/S, creando un enlace entre los dispositivos de campo como
sensores, contactores, válvulas, pulsadores, etc. y un controlador central, que puede
ser un PLC, un ordenador o el controlador Dupline. Las señales Dupline pueden
transmitirse no sólo por hilo de cobre, sino también por cable de fibra óptica, por
radiomódem, por líneas telefónicas o por módem GSM.
C-Bus (CEBus, Consumer Electronic Bus)
Es un protocolo de comunicaciones propietario creado por la empresa Clipsal
Integrated Systems [40]. C-Bus se emplea en el control de recintos domóticos así
como en sistemas de control de iluminación de edificios comerciales. A diferencia
del protocolo X.10 que emplea una señal superpuesta a la de la red eléctrica, C-Bus
usa un cable dedicado de bajo voltaje o una red inalámbrica de dos vías para enviar
los comandos y las señales de control, mejorando la fiabilidad de la transmisión. La
longitud máxima de cable es de 1 Km aunque podría ampliarse usando puentes de
red (network bridges).
INFORME FINAL DE RESULTADOS – 42
Informe Final de Resultados – DOMO - BCI 18/2008
3.2.2. Pasarelas residenciales (Residential Gateway)
Para poder acceder desde el exterior a la red domótica de una casa será necesario
disponer de una pasarela residencial. Una pasarela residencial se define como un
dispositivo que conecta las infraestructuras de telecomunicaciones (datos, control,
automatización, etc.) del hogar digital a una red pública de datos, como por ejemplo
Internet. Normalmente combina las funciones de los siguientes dispositivos: router, hub,
módem, cortafuegos, servidor de aplicaciones de entretenimiento (vídeo / audio bajo
demanda), VoIP y telecontrol [34]. Por tanto, es una interfaz de terminación de red
flexible, normalizada e inteligente, que recibe señales de las distintas redes de acceso y
las transfiere a las redes internas y viceversa, realizando funciones de puente de manera
transparente para el usuario. La pasarela residencial debe tener unas características
determinadas: interoperabilidad con distintos dispositivos no determinados a priori; ser
abierta y evolucionable; y estar dotada de funciones para la gestión de la seguridad [35].
Para que una pasarela residencial tenga cierto éxito o alcance una implantación
masiva, debe soportar servicios útiles, que aporten valor, confort y tranquilidad a los
clientes. Para ello las pasarelas residenciales deben tener las siguientes características
[35]:
Instalación sencilla. La instalación debe ser sencilla y la configuración rápida y
asequible (mejor si es Plug & Play, es decir, conectar y listo). Igualmente, la
asignación y especificación de las funciones que puede hacer cada dispositivo
domótico o electrodoméstico debería ser automática.
Telecarga de software. El proveedor de servicios, o directamente el usuario bajo
supervisión del proveedor, debería ser capaz de actualizar o telecargar nuevos
servicios, además de configurarlos remotamente.
Soporte para redes. Las pasarelas residenciales deberían tener interfaces que
permitan conectar redes de datos de banda ancha con tecnologías como la
tradicional Ethernet o con las nuevas tecnologías inalámbricas. Por otro lado
sería interesante que tuvieran interfaces para redes de control de banda estrecha
(red domótica) que permitan implementar funciones de telecontrol y ahorro
energético.
INFORME FINAL DE RESULTADOS – 43
Informe Final de Resultados – DOMO - BCI 18/2008
Seguridad. La seguridad es una cuestión fundamental en la concepción de una
pasarela residencial, ya que es el medio de acceso al hogar a través de la red.
Dentro de este campo se contemplan dos aspectos fundamentales:
Seguridad de acceso. Se puede subdividir en dos niveles, ambos necesarios
para garantizar la seguridad de los servicios: seguridad de acceso a la
pasarela, que contiene las aplicaciones, y seguridad de acceso a nivel de
servicio. Así pues, la pasarela deberá disponer de un cortafuegos (firewall)
que sólo permita establecer conexiones hacia el hogar a aquellas entidades
autorizadas. Al mismo tiempo deberá permitir que desde dentro de la casa se
tenga salida hacia la red, por ejemplo para conectarse a Internet. Por último,
los servicios instalados en la pasarela deberán contemplar mecanismos de
autenticación y autorización de acceso al servicio.
Seguridad de la información que se transmite a través de la red. Se
contemplan dos niveles suplementarios: pasarela y servicio. Conviene que la
pasarela disponga de un mecanismo de encriptación de la información que se
transmite. Para ello se recomienda utilizar IPSEC para la creación de redes
privadas virtuales (VPN, Virtual Private Network) entre la pasarela y los
proveedores de servicio. De esta manera toda la información transmitida entre
estas entidades va protegida con independencia del servicio que la genere. Si
se decide tener en cuenta la seguridad de transmisión de la información a
nivel de servicio, no es necesario la creación de VPNs entre entidades, sino
que es la aplicación la que se debe encargar de contemplar dicha seguridad
usando mecanismos como HTTPS, etc.
Capacidad para soportar múltiples servicios. Con suficiente memoria, capacidad
de procesamiento y un sistema operativo robusto y multitarea, las pasarelas
residenciales deberán ser capaces de ejecutar múltiples aplicaciones
concurrentemente, donde cada una de ellas se corresponderá con un e-service
diferente. La conexión de banda ancha será compartida entre todos estos
servicios con la multiplexación de datos, ya sea a nivel IP o nivel de
aplicaciones.
Monitorización usando páginas Web. Ya sea de forma local o de forma remota,
el usuario debe poder acceder a la pasarela residencial para cambiar su
INFORME FINAL DE RESULTADOS – 44
Informe Final de Resultados – DOMO - BCI 18/2008
configuración, borrar aplicaciones (servicios) o supervisar su estado. Para ello
las pasarelas tendrán que tener integrados pequeños servidores HTTP o WAP.
Las pasarelas residenciales podrían clasificarse en estos dos tipos [35]:
Pasarelas residenciales de Banda Ancha. Son routers/hubs o módems ADSL o de
cable que actúan como pasarelas en sí mismas, adaptando entre los datos de la
red interna de la vivienda y la conexión de banda ancha de Internet. Suelen tener
interfaces Ethernet, USB, acceso inalámbrico o HomePNA (aprovechando la
instalación de telefonía de la vivienda). Este tipo de pasarelas está en auge
gracias al aumento del teletrabajo y las pequeñas oficinas de profesionales
liberales (SOHO, Small Office / Home Office).
Pasarelas residenciales Multiservicios. Proporcionan varias interfaces para redes
de datos y control con diferentes tecnologías, además de ser más complejas y
potentes. Son capaces de ejecutar diferentes aplicaciones (servicios) con
requisitos de tiempo real (para VoIP o streaming de vídeo para Pay-per-View).
También puede ejecutar servicios orientados a las SOHOs como el acceso único
a Internet para varios ordenadores.
Las pasarelas residenciales tendrán interfaces que les permitirán intercambiar
información con cualquier equipo, dispositivo o electrodoméstico que tenga
conectividad para redes de datos o de control. Además, tendrá que ser programada para
distribuir apropiadamente los paquetes entrantes de datos hacia cada equipo dentro de la
vivienda. Igualmente empaquetará la información generada por cada uno para
distribuirla internamente o enviarla al proveedor de servicios correspondiente.
Por último mencionar que en 1999 un conjunto de empresas multinacionales
fundaron una asociación llamada OSGi (Open Services Gateway initiative), que ofrece
un foro de desarrollo y debate para definir especificaciones abiertas con el objetivo de
crear un estándar software para el desarrollo de plataformas sobre las que distribuir
servicios de forma remota. OSGi es una colección de APIs (Application Protocol
Interface) basados en Java que permiten el desarrollo de servicios independientemente
de la plataforma. Estas APIs permiten la compartición de los servicios, el manejo de
datos, recursos y dispositivos, el acceso de clientes y la seguridad. Además,
complementa otras iniciativas como JINI, Plug & Play o Universal Plug & Play, de
forma que todas ellas pueden integrarse o referenciarse desde OSGi.
INFORME FINAL DE RESULTADOS – 45
Informe Final de Resultados – DOMO - BCI 18/2008
A continuación se presentan varios fabricantes de pasarelas comerciales:
Internet Home Management Systems (Xanboo). Permite a distintos proveedores
ofrecer una serie de servicios al hogar como control de seguridad, control de
energía, diagnóstico y control de dispositivos, asistencia sanitaria a distancia,
etc.
Connector 2000 (Coactive Networks). Está especialmente diseñada para
implementar servicios vía Internet de telemetría y telecontrol, sobre dispositivos
y electrodomésticos de las viviendas.
Libertus (NetProyectos). Proporciona a los usuarios servicios destinados a la
gestión digital del hogar unificando todos los sistemas de los distintos
fabricantes, de forma que permite instalar cualquier tipo de red domótica.
Iberdomo (Madrileña de Gestión Informática). Conecta las infraestructuras de
telecomunicaciones (datos, control, automatización,…) de la vivienda a una red
pública de datos, como Internet. Ofrece, por tanto, servicios de comunicaciones,
entretenimiento, seguridad, control domótico, etc.
HogarDigital (Comfortia). Permite la intercomunicación de diferentes protocolos
domóticos, al tiempo que agrupa en un solo dispositivo las demás redes del
hogar (datos, voz, TV, audio y seguridad). Así, se consigue una gestión eficiente
tanto localmente, como remotamente, de todos los aparatos del hogar.
3.3. Estudio de otros protocolos de control: infrarrojos (IR) y radiofrecuencia (RF)
3.3.1. Control mediante infrarrojos (IR)
Hay multitud de dispositivos electrónicos controlados por mandos o radiocontroles
de forma remota. Existen mandos universales que combinan diversos controles en uno
solo. Este tipo de mandos suelen emplear un interruptor para seleccionar el aparato
controlado. El primer mando de control remoto universal fue desarrollado por William
Russell a mediados de los años ochenta. A este diseño inicial se le fueron concediendo
patentes. El paso posterior a los mandos a distancia son los paneles de control
doméstico. Estos sistemas permiten controlar otros aparatos eléctricos como cámaras de
seguridad e interruptores de luz, entre otros [42].
INFORME FINAL DE RESULTADOS – 46
Informe Final de Resultados – DOMO - BCI 18/2008
La mayor parte de los mandos a distancia para aparatos domésticos emplean diodos
de emisión cercana a infrarrojo (cuyas longitudes de onda van desde unos 700 nm hasta
1 mm). Se trata de una luz invisible para el ojo humano que, sin embargo, transporta
señales que pueden ser detectadas por el aparato. Los mandos a distancia de un solo
canal permiten enviar una única señal portadora. Para controles remoto multicanal se
emplean diferentes técnicas de modulación y demodulación, principalmente digitales.
Las aplicaciones de los controles remotos son entre otras: industriales, videojuegos,
espaciales, domótica, etc.
Los mandos de control remoto o mandos a distancia disponen de unos botones que
tienen en su parte posterior un material que conduce la electricidad. Cuando se presiona
el botón, dicho material hace contacto con la plaqueta y cierra un circuito que
corresponde al botón. Existe un pequeño circuito integrado que reconoce la señal y va a
ser el encargado de determinar qué botón fue presionado (en base a esa información
dará una orden a un cristal para que genere un impulso eléctrico). Ese impulso se
transmite a un LED que lo envía convertido en radiación de tipo infrarrojo. El receptor
puede reconocer el botón pulsado midiendo la frecuencia de la radiación emitida [43].
El código RC-5 de Philips es uno de los protocolos más empleados. Esto se debe
principalmente a la amplia disponibilidad de controles remotos baratos que se basan en
él. Dentro de RC-5 hay comandos predefinidos para distintos dispositivos, lo cual
aporta una mayor compatibilidad al emplearlo con muchos equipos de los hogares.
Algunas de las características fundamentales de este protocolo son las siguientes [44]:
- Dirección de 5 bits y comando de 6 bits (7 bits de comando para RC-5X).
- Codificación de doble fase o bi-fase (Bi-phase, también llamada código
Manchester).
- Tiempo de bit constante de 1,778 ms (64 ciclos de 36 kHz).
- Frecuencia de portadora de 36 kHz.
El protocolo está basado en una modulación Manchester de doble fase sobre una
portadora de 36 kHz. En esta codificación, todos los bits tienen la misma longitud, de
1,778 ms. La mitad del bit es un tren de pulsos de la portadora de 36 kHz, y en la otra
mitad la señal está plana. El cero lógico es representado por un tren de pulsos en la
primera mitad del tiempo que corresponde al bit. El uno lógico es representado por un
tren de pulsos en la segunda mitad de este tiempo. La relación entre pulso y pausa en la
portadora de 36 kHz es de 1/3 o 1/4, lo cual reduce el consumo de energía [44].
INFORME FINAL DE RESULTADOS – 47
Informe Final de Resultados – DOMO - BCI 18/2008
En la Figura 6 se puede observar un típico tren de pulsos en un mensaje RC-5. En
este ejemplo se transmite la dirección $05 y el comando $35. Los dos primeros bits son
los de inicio, que deben ser dos "1" lógicos. El protocolo RC-5 extendido (RC-5x) tiene
un solo bit de inicio. El bit que es llamado "S2" en el protocolo estándar RC-5 se
transforma en el RC-5x en un sexto bit de comando, lo que da un total de 7 bits para los
comandos. El tercer bit del protocolo RC-5, marcado como "T" en la Figura 6, es el bit
de conmutación. Este bit es invertido cada vez que se libera una tecla en el control
remoto y se la presiona de nuevo. El bit que sigue es el primero de la dirección del
dispositivo receptor de infrarrojos [44].
Un mensaje en RC-5 consiste de un total de 14 bits, que sumados dan una duración
total del mensaje de 25 ms. A veces puede parecer que un mensaje es más corto debido
a que la primera parte del bit de inicio S1 es inactiva. Y si el último bit del mensaje es
un "0" lógico, la última mitad del último bit del mensaje también es de tipo inactivo.
Mientras se mantenga presionada la tecla, el mensaje se repite cada 114 ms. El bit de
conmutación mantendrá el mismo nivel lógico durante la repetición de un mensaje. Esto
se hace así para que el programa de interpretación del receptor pueda detectar esta
autorrepetición y no la confunda con sucesivas pulsaciones de una tecla.
El protocolo de infrarrojos se utiliza habitualmente en el hogar para el control de
dispositivos como: televisores, vídeos, reproductores de DVD, cadenas de música, etc.
Sin embargo, presenta algunas limitaciones. Por un lado, es muy direccional por lo que
el mando a distancia ha de situarse apuntando al dispositivo que se desea controlar. Por
otro lado, no deben existir objetos entre el mando y el dispositivo, por lo que no
atraviesa las pareces y su alcance se ve limitado en ese sentido.
3.3.2. Control mediante radiofrecuencia
Algunas aplicaciones en el hogar, requieren que el control de los módulos de
Figura 6. Tren de pulsos en un mensaje RC-5 [42]
INFORME FINAL DE RESULTADOS – 48
Informe Final de Resultados – DOMO - BCI 18/2008
activación se efectúe de forma manual con algún elemento que no tenga que estar
conectado a la red eléctrica, como en el caso de X-10. Para solventar este problema se
emplean mandos a distancia por radiofrecuencia. Habitualmente, la frecuencia en la que
trabajan este tipo de mandos es de 433,92 MHz, aunque también es frecuente emplear
866 MHz. La ventaja de este tipo de control frente a los infrarrojos es que en este caso
las señales sí que puede atravesar obstáculos y su alcance es de aproximadamente 25m
[45].
La diferencia fundamental entre infrarrojos y radiofrecuencia es que en el primer
caso se transmiten señales de luz (no visible, infrarroja), mientras que en el segundo se
transmiten ondas de radio. Estas ondas se corresponden con un comando asociado al
botón que se ha pulsado y es el receptor RF del dispositivo correspondiente el
encargado de detectar dicha señal y decodificarla. El único problema que presentan es
que existen muchas señales de radio a diferentes frecuencias en el ambiente: teléfonos
móviles, redes inalámbricas, señales bluetooth, etc. Para distinguirlas el emisor RF
emplea una frecuencia específica en las señales que transmite y además incorpora un
código de dirección digital. Esto permite que el receptor RF sepa cuándo tiene que
responder a una señal y cuándo no.
Hoy en día el uso de transmisores y receptores RF está muy extendido.
Habitualmente, se emplean para el control de motores de persianas, subir/bajar la puerta
de un garaje, controlar el encendido/apagado de luces o enchufes, en mandos
radiocontrol de coches o aviones de juguete, etc.
Además, existe la posibilidad de emplear señales de RF para aumentar el alcance de
los dispositivos IR y controlar desde una habitación un dispositivo que está ubicado en
otra. Para ello se emplea un conversor IR/RF que transmite el código IR mediante una
señal RF a otro conversor RF/IR instalado en la habitación donde se encuentra el
dispositivo. Este último conversor transmite el código IR que ha recibido mediante la
señal RF al dispositivo IR correspondiente. De forma que se supera la limitación de
alcance que presentan las señales IR.
Otro tipo de señales de radiofrecuencia que se pueden emplear para el control de
dispositivos son las señales Bluetooth. Aunque el alcance de las mismas no es muy
elevado sí que se están fabricando dispositivos que permiten controlar un ordenador
mediante un mando a distancia que emplea señales Bluetooth.
INFORME FINAL DE RESULTADOS – 49
Informe Final de Resultados – DOMO - BCI 18/2008
3.4. Estudio de la interfaz entre el equipo BCI y el dispositivo de control domótico
El objetivo de esta subtarea consiste en llevar a cabo la acción seleccionada por el
usuario del sistema BCI mediante el accionamiento de un dispositivo domótico. Por lo
tanto, la actuación sobre el dispositivo domótico se realizará de diferentes formas según
esté conectado el dispositivo. Es decir, en el caso de un dispositivo que se accione
mediante infrarrojos será necesario disponer de un emisor IR en el ordenador y será la
propia aplicación BCI la que envíe, a través de dicho emisor, las instrucciones al
dispositivo. En el caso de los elementos activados mediante radiofrecuencia RF, será
necesario un emisor que trabaje a la misma frecuencia que el receptor colocado en el
dispositivo sobre el que se va a actuar.
Una forma más genérica de actuar sobre todos los dispositivos domóticos que
existen en el hogar es a través de la pasarela residencial. Previamente, se ha mencionado
que las pasarelas residenciales conectan las diferentes redes existentes en una casa con
una red pública de datos como Internet. De esta forma, ejecutando la aplicación BCI
desde un ordenador con conexión a Internet es posible conectar con la pasarela del
hogar y enviarle las diferentes órdenes seleccionadas por el usuario.
4. Estudio de aplicaciones reales: control de los dispositivos domóticos de una vivienda accesible
En el presente capítulo se expone el trabajo realizado durante la Tarea 3 del
proyecto DOMO-BCI. Dicha tarea se divide en tres etapas principales: la identificación
de las necesidades de las personas dependientes con grave discapacidad, la traducción
de dichas necesidades en funciones específicas de la aplicación BCI y el desarrollo de
un sistema integral de control domótico mediante BCI en una vivienda accesible.
4.1. Identificación de las necesidades del usuario final: personas dependientes con grave discapacidad
La realización de esta primera subtarea se ha llevado a cabo en colaboración con el
Centro de Referencia Estatal (CRE) para la Atención a Personas con Grave
Discapacidad y para la Promoción de la Autonomía Personal y Atención a la
Dependencia de San Andrés del Rabanedo (León).
INFORME FINAL DE RESULTADOS – 50
Informe Final de Resultados – DOMO - BCI 18/2008
En el presente proyecto se propuso desarrollar una aplicación BCI para el control
de varios dispositivos domóticos presentes en el demostrador de vivienda domótica
situado en las instalaciones del CRE de San Andrés del Rabanedo. Sin embargo, la
implantación de dicho demostrador se encuentra en fase de estudio por lo que fue
necesario buscar otras alternativas. La primera opción consistía en realizar un control
domótico simulado, es decir, mediante imágenes de una vivienda se visualiza cuándo el
usuario apaga o enciende la luz, o abre o cierra la puerta, etc. La segunda opción
consistía en emplear un dispositivo IR como interfaz entre nuestra aplicación de control
y diferentes dispositivos reales de una vivienda. Es decir, aplicar el control mediante
BCI para encender o apagar un televisor, cambiar de canal, reproducir un DVD, poner
música, etc. Esta segunda opción fue la escogida por el CRE, dado que permitía
comprobar más directamente el control que realiza el usuario sobre los distintos
dispositivos, ya que estos se encienden o se apagan directamente y no mediante
simulación.
Los diferentes tipos de servicios domóticos que hacen referencia a las necesidades
de las personas dependientes se indican a continuación:
Confort.
Control del ambiente.
- Control de iluminación, calefacción y climatización.
- Control de ventanas, persianas, cortinas, etc.
Higiene.
Movilidad.
- Automatización del hogar.
· Control de los enchufes.
· Control de electrodomésticos inteligentes.
· Control de accesos a las dependencias.
- Robótica.
· Camas eléctricas.
· Grúas.
INFORME FINAL DE RESULTADOS – 51
Informe Final de Resultados – DOMO - BCI 18/2008
· Elevadores.
Comunicación, accesibilidad y entretenimiento.
Interfaces adaptados.
Servicios de videoconferencia y videoteléfono.
Correo electrónico.
Control inteligente del televisor, reproductor de DVD, equipo de música, etc.
Acceso a Internet.
- Servicios de Telecompra y Telebanca.
- Servicios de Teletrabajo y Teleformación.
Seguridad.
Gestión de alarmas técnicas.
- Detectores de gas, agua, humo, incendio, corte del suministro eléctrico, etc.
Gestión de alarmas de intrusión.
- Cámaras de videovigilancia.
- Detectores de presencia IR.
- Detectores electromagnéticos de apertura y cierre de ventanas, puertas, etc.
- Control de acceso.
Gestión de alarmas médicas.
- Teleasistencia.
- Alarmas personales y telemonitorización.
· Detectores de caída.
· Detectores de presencia en cama.
· Sensores biomédicos.
· Control de errantes y detectores de patrones de comportamiento.
· Recordatorios.
- Prevención.
INFORME FINAL DE RESULTADOS – 52
Informe Final de Resultados – DOMO - BCI 18/2008
4.2. Traducción de las necesidades identificadas en funciones del sistema de control BCI
A partir de las necesidades identificadas en el apartado anterior se han escogido
como dispositivos domóticos sobre los que actuará el sistema BCI un televisor, un
reproductor de DVD, un equipo de música y las luces de una estancia. Por lo tanto, se
atienden las necesidades de confort y entretenimiento de las personas dependientes. Los
dispositivos mencionados se controlan, habitualmente, mediante mandos a distancia que
envían diferentes comandos de infrarrojos. Para dar respuesta a las necesidades
identificadas previamente, las características funcionales que debe presentar la
aplicación BCI son las siguientes:
- El número de funciones posible no debe ser grande puesto que dificultaría
bastante el control de la aplicación por lo que es necesario agrupar las funciones
lo máximo posible y descartar las que proporcionen menor utilidad al usuario.
- El diseño de la aplicación debe ser claro y sencillo, de forma que se presente
sólo la información básica para la comprensión de la misma, utilizando texto e
iconos de tamaño grande para permitir el acceso a la aplicación a aquellos
usuarios que tengan algún problema de visión.
Según esto, se seleccionaron las siguientes funciones en los dispositivos elegidos:
- Televisor:
- Encendido y apagado
- Cambio de canal, hacia arriba
- Cambio de canal, hacia abajo
- Subir el volumen
- Bajar el volumen
- Reproductor de DVD:
- Encendido y apagado
- Reproducir una película
- Pausar una película
- Avanzar al siguiente archivo del DVD
INFORME FINAL DE RESULTADOS – 53
Informe Final de Resultados – DOMO - BCI 18/2008
- Retroceder al archivo anterior del DVD
- Equipo de música:
- Encendido y apagado
- Pasar de la función radio a la función CD y viceversa
- Avanzar a la siguiente pista del CD
- Subir el volumen
- Bajar el volumen
- Luces de una habitación:
- Encendido y apagado
- Cambio de color de la luz
- Aumento de la intensidad de la luz
- Disminución de la intensidad de la luz
4.3. Desarrollo de un sistema integral para el control de dispositivos domóticos mediante BCI en una vivienda accesible
El presente apartado describe el proceso que se ha llevado a cabo para el desarrollo
de una aplicación domótica que cumpla los requisitos que se han definido previamente.
Como primer paso para el desarrollo de una aplicación que permita controlar los
dispositivos domóticos mencionados, se ha tomado como punto de partida la aplicación
CursorTask del sistema BCI2000 [46]. Ésta se ha modificado convenientemente para
adaptarse a las necesidades de nuestra interfaz. En la nueva aplicación, ambos objetivos
van a ser visibles (uno a la derecha y otro a la izquierda), de forma que moviendo un
cursor en forma de esfera se seleccionará uno u otro en función de la intención del
usuario. A cada uno de dichos objetivos se le asigna una acción diferente para
interactuar con el menú de funcionalidades que ofrecerá nuestra aplicación: seleccionar
el dispositivo con el que vamos a actuar y la función concreta que se quiere realizar con
el mismo. Se ha decidido que si el cursor alcanza el objetivo derecho se selecciona el
siguiente botón del menú (estado ResultCode = 1) y si se alcanza el objetivo izquierdo
se ejecuta la función que está seleccionada en el menú en ese momento (estado
ResultCode = 2). Si durante 8 s no se logra alcanzar ningún objetivo (estado ResultCode
INFORME FINAL DE RESULTADOS – 54
Informe Final de Resultados – DOMO - BCI 18/2008
= 0), el intento se considera como inválido o nulo y no se realiza ninguna acción
(simplemente, comienza un nuevo intento). En la Tabla 5 se muestran todos los estados
del sistema y sus posibles evoluciones en cada intento válido.
En el programa se ha introducido un nuevo estado del sistema BCI2000,
denominado DomoState, que será utilizado en la comunicación entre el BCI2000 y la
interfaz gráfica. El valor asignado a este estado se modifica tras la finalización de cada
intento, siguiendo las indicaciones de la Tabla 5, y depende del valor que tenía al
comenzar el propio intento. Además, se mantiene una variable global: gDomoState, que
almacena el valor del nuevo estado DomoState.
Para el envío de los comandos de infrarrojos se ha empleado el emisor de
infrarrojos RedRat (RedRat Ltd, UK) que se conecta al ordenador mediante un puerto
USB. Dicho dispositivo es capaz de aprender las señales emitidas por los diferentes
botones de los mandos de infrarrojos de los diferentes dispositivos que controla la
aplicación, de forma que todos ellos se almacenan en una base de datos de comandos
IR. Para emitir el comando correspondiente se escoge la señal de la base de datos que el
dispositivo tiene que emitir y esta señal es transmitida al dispositivo. El emisor RedRat
ha de estar orientado hacia los dispositivos que se van a controlar para que estos reciban
las señales correctamente.
Se han realizado modificaciones adicionales en la aplicación CursorTask para
permitir que cada cursor tenga un color y/o una textura diferente (en los ficheros
CursorFeedbackTask.cpp y FeedbackScene3d.cpp).
El interfaz de BCI2000 proporciona un enlace bidireccional para intercambiar
información con procesos externos ejecutados en la misma máquina, o en otra
perteneciente a una red local [46]. Mediante este enlace existe un acceso de lectura y
escritura a la información incluida en el vector de estado de BCI2000 y a la señal de
control empleada. Una aplicación externa podría leer el estado de ResultCode para
acceder al resultado de la clasificación, configurar el estado de TargetCode para
controlar una tarea del usuario o tener acceso a la señal de control calculada en el
módulo de procesado de señal para manejar un dispositivo de salida externo. Además,
múltiples instancias de BCI2000 ejecutándose en diversas máquinas podrían compartir
información de secuenciamiento y control, permitiendo el trabajo con aplicaciones
interactivas (ej. juegos).
INFORME FINAL DE RESULTADOS – 55
Informe Final de Resultados – DOMO - BCI 18/2008
INFORME FINAL DE RESULTADOS – 56
Estado inicial (DomoState)
Descripción ResultCode (menú: botón seleccionado) (1-dcha, 2-izda)
Estado final(DomoState) Acción
0 Menú principal: TV 1 1 - 2 4 -
1 Menú principal: Música 1 2 - 2 10 -
2 Menú principal: DVD 1 3 - 2 16 -
3 Menú principal: Luces 1 0 - 2 22 -
4 TV: on/off 1 5 - 2 4 tvSAMSUNG-power
5 TV: P+ 1 6 - 2 5 tvSAMSUNG-pmas
6 TV: P- 1 7 - 2 6 tvSAMSUNG-pmenos
7 TV: vol+ 1 8 - 2 7 tvSAMSUNG-volmas
8 TV: vol- 1 9 - 2 8 tvSAMSUNG-volmenos
9 TV: menú principal 1 4 - 2 1 -
10 Música: on/off 1 11 - 2 10 microcadenaLG-power
11 Música: radio/cd 1 12 - 2 11 microcadenaLG-funcion
12 Música: siguiente 1 13 - 2 12 microcadenaLG-siguiente
13 Música: vol+ 1 14 - 2 13 microcadenaLG-volmas
14 Música: vol- 1 15 - 2 14 microcadenaLG-volmenos
15 Música: menú principal 1 10 - 2 2 -
16 DVD: on/off 1 17 - 2 16 dvdLG-power
17 DVD: play 1 18 - 2 17 dvdLG-play
18 DVD: pause 1 19 - 2 18 dvdLG-pause 1 20 - 19 DVD: siguiente 2 19 dvdLG-siguiente
20 DVD: anterior 1 21 - 2 20 dvdLG-anterior
21 DVD: menú principal 1 16 - 2 3 -
22 Luces: on/off 1 23 - 2 22 bombillaLED-on/off
23 Luces: color 1 24 - 2 23 bombillaLED-rojo/azul/verde
24 Luces: aumentar brillo 1 25 - 2 24 bombillaLED-brillomas
25 Luces: disminuir brillo 1 26 - 2 25 bombillaLED-brillomenos
26 Luces: menú principal 1 22 - 2 0 -
Tabla 5. Estados de la aplicación y su posible evolución en cada intento válido
Informe Final de Resultados – DOMO - BCI 18/2008
El diseño de la interfaz con la aplicación externa ha de ser sencillo, con una
interferencia mínima en la temporización de la señal a través del sistema BCI2000. Para
conseguir esto, BCI2000 emplea un protocolo de comunicaciones no orientado a
conexión, UDP (User Datagram Protocol) en lugar de TCP. A consecuencia de escoger
este protocolo, existe el riesgo de posibles pérdidas, o un mal reordenamiento de los
mensajes. Por ello, para mantener la probabilidad de fallo lo más baja posible y sus
consecuencias lo más locales posibles, se han diseñado mensajes cortos y codificados
redundantemente para su lectura por una persona. La naturaleza de UDP implica que no
hay un cliente o un servidor en el sentido que se aplica a las conexiones TCP. Por tanto,
para una comunicación bidireccional entre la máquina A, en la que se ejecuta BCI2000,
y B, en la que se ejecuta la aplicación externa, se necesitan dos puertos UDP:
- Un puerto en la máquina B en el que BCI2000 escribe mensajes hacia la
aplicación externa.
- Un puerto en la máquina A en el que la aplicación externa escribe sus mensajes
hacia BCI2000.
En la mayoría de los casos, las dos aplicaciones se ejecutarán en la misma máquina,
como en el caso de este proyecto, por lo que ambos puertos son locales pero deben ser
distintos. En la aplicación desarrollada en este proyecto solamente se emplea un puerto
UDP: la aplicación externa (interfaz gráfica) lee los mensajes que envía BCI2000 a
través de este puerto. Para que esta comunicación sea efectiva hay que configurar las
dos aplicaciones:
- BCI2000. Cuando se configura el sistema BCI hay que indicar en la pestaña
Connector una dirección para el puerto de salida de los mensajes UDP. En este
proyecto, en el parámetro ConnectorOutputAddress se debe indicar: localhost:
20320, tal y como se muestra en la Figura 7.
- Interfaz gráfica. Cuando se crea una aplicación externa, es preciso incluir en
proyecto de la aplicación los ficheros TCPStream.h y TCPStream.cpp,
distribuidos con BCI2000. En estos ficheros se encuentran los objetos necesarios
para establecer la comunicación con BCI2000 y poder leer los mensajes
recibidos. Principalmente, se emplean dos objetos que permiten leer los datos en
el puerto UDP empleado:
INFORME FINAL DE RESULTADOS – 57
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 7. Configuración de los parámetros del bloque Connector de BCI2000
• recSocket: Socket para recibir los datos en el puerto 20320.
• recConnection: Permite establecer, comprobar y finalizar la conexión del
socket.
Por cada bloque de datos procesado por el sistema BCI2000, se envían dos tipos de
información hacia la aplicación externa, siendo también posible su recepción en el
sentido inverso: los estados de BCI2000 y la señal de control. El envío de datos ocurre
inmediatamente después de que el bloque de la aplicación procese los datos (bloque
ConnectorOutput); en el caso en que BCI2000 recibiera datos, la recepción se
produciría justo antes del bloque de la aplicación (bloque ConnectorInput). Esto asegura
que un cambio producido por las selecciones del usuario esté disponible
inmediatamente para adaptar el comportamiento de la aplicación. En la Figura 8 se
presenta un diagrama de bloques en el que se indica el orden de los bloques Connector
dentro del módulo de la aplicación.
Los mensajes enviados por el protocolo App Connector consisten en un nombre y
un valor, separados por un espacio en blanco y finalizados con un carácter de salto de
línea (‘\n’ == 0x0a). Los nombres pueden identificar:
INFORME FINAL DE RESULTADOS – 58
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 8. Diagrama de bloques del módulo de aplicación de BCI2000
- Los estados de BCI2000 seguidos por un valor entero en formato ASCII
decimal.
Ejemplo: ResultCode 2\n
- Los elementos de la señal en la forma Señal (<canal>, <elemento>), seguido por
un valor en coma flotante en formato ASCII decimal.
Ejemplo: Signal (1,0) 1e-2\n
El protocolo AppConnector permite emplear cualquier lenguaje de programación o
compilador para desarrollar la aplicación externa que reciba los mensajes enviados por
BCI2000. En este proyecto, la interfaz gráfica que servirá de apoyo a la aplicación de
control domótico se ha desarrollado en C++ empleando el programa Borland® C++
Builder™ 6.0. También se pueden emplear otros lenguajes como Java o C#.
4.3.1. Descripción de la interfaz de usuario
En la Figura 9 se muestra la pantalla principal de la interfaz de usuario, denominada
DomoInterface.exe. En la parte inferior izquierda de la pantalla se muestran dos
rectángulos en rojo y azul y un círculo verde. Esta parte de la aplicación funciona de la
siguiente manera: en la interfaz se ha incluido un temporizador TTimer, que permite
realizar diversas acciones una vez transcurrido un determinado período de tiempo. En
este proyecto, este tiempo se ha configurado a 75 ms en la propiedad Interval del
temporizador (hay que recordar que el BCI2000 produce una salida cada 62.5 ms). Una
vez transcurrido ese tiempo, se leen los datos obtenidos en la conexión existente entre la
interfaz y BCI2000 a través del puerto localhost: 20320. Dependiendo del estado del
sistema BCI2000 se han implementado diversas acciones:
INFORME FINAL DE RESULTADOS – 59
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 9. Ventana principal de la interfaz de usuario de la aplicación DomoInterface.exe
- No visualizar el cursor si en la ventana BCI2000 no hay realimentación
(Feedback =0) y no aparece ningún objetivo en la pantalla (TargetCode = 0).
- Colorear el cursor y el objetivo alcanzado de amarillo (ResultCode > 0) o que
permanezcan con sus colores originales en caso de que el cursor no alcance
ninguno de los dos objetivos.
- Movimiento del cursor hacia los objetivos. Para ello, se lee el estado de
CursorPosX y se realiza una transformación lineal para adaptar los valores de
este estado al rango de movimientos del cursor en la interfaz.
- Visualización del estado del sistema en el panel derecho de la interfaz.
Dependiendo del estado DomoState se muestran una serie de imágenes, botones
y cuadros de texto en dicho panel. Además, controla los cuadros de texto
mostrados encima y debajo de los objetivos de la parte izquierda de la interfaz.
En la parte derecha de la interfaz se muestra un menú con varios botones colocados
en círculo que permiten acceder a los diferentes dispositivos domóticos y a las
principales funciones de cada uno de ellos. Cada dispositivo lleva un submenú asociado
con diferentes opciones, repartidas como máximo en 6 botones para que no sea muy
costoso llegar hasta los últimos. Cuando un botón está seleccionado esto se indica
mediante un marco rojo alrededor del mismo. En las Figuras 10 y 11 se muestran dichos
submenús.
INFORME FINAL DE RESULTADOS – 60
Informe Final de Resultados – DOMO - BCI 18/2008
Durante el funcionamiento de la aplicación, el usuario, mediante la imaginación de
movimientos de la mano derecha o izquierda, desplazará el cursor hacia la derecha o la
izquierda para seleccionar una de las dos barras presentadas. Cuando lleva el cursor
hasta la barra azul, se selecciona una nueva acción, es decir, se selecciona el siguiente
botón. Por ejemplo, dentro del submenú luces, si se encontraba seleccionado el botón
“on/off” se pasaría a seleccionar el botón “cambiar color”. Por tanto, la selección de las
diferentes funciones se realiza mediante un movimiento circular en el sentido de las
agujas del reloj. En el caso de que el usuario llevara el cursor hasta la barra roja, se
ejecutaría la acción que esté seleccionada en ese momento. Esta acción puede estar
relacionada con el control de un dispositivo, como bajar el volumen de la televisión, o
con el acceso a un submenú o la vuelta al menú principal.
Figura 10. Ventana principal de la aplicación dentro del submenú televisión
Figura 11. Submenús correspondientes a los dispositivos reproductor de DVD, equipo de música y luces
INFORME FINAL DE RESULTADOS – 61
Informe Final de Resultados – DOMO - BCI 18/2008
5. Aplicación del sistema a los usuarios del CRE de Discapacidad y Dependencia de San Andrés de Rabanedo (León). Descripción del equipamiento y de las pruebas realizadas.
5.1. Descripción de las pruebas realizadas
La finalidad de este proyecto consiste en desarrollar una aplicación de control de
dispositivos domóticos que pueda ser manejada por un usuario dependiente mediante la
señal de EEG. Para conseguir que un usuario controle adecuadamente la aplicación es
necesario dedicar un tiempo a realizar tareas de aprendizaje y entrenamiento. En los
siguientes apartados se describe tanto el grupo de usuarios que han participado en el
proyecto, como el montaje empleado para el registro EEG y las diferentes tareas que se
realizaron a lo largo de las sesiones de pruebas.
5.1.1. Usuarios participantes en el proyecto
Los usuarios que han participado en este proyecto son usuarios del CRE para la
Atención a las Personas con Grave Discapacidad y para la promoción de la Autonomía
Personal y Atención a la Dependencia de San Andrés del Rabanedo (León) dependiente
del IMSERSO. En total, han participado cinco usuarios del centro con diferentes grados
de discapacidad, tanto física como cognitiva.
En la Tabla 6 se recogen los datos relativos a edad, sexo y discapacidad que
presentan los usuarios que han participado en el estudio.
El proceso que se ha llevado a cabo con estos usuarios del CRE de Discapacidad y
Usuario Edad Sexo Descripción discapacidad física y cognitiva Malformación de Arnold-Chiari. U002 57 H Dificultad en procesos de planificación y funciones frontales. Ataxia degenerativa del adulto. U003 43 M Dificultades en el sistema atencional y en área frontal.
Parálisis cerebral espástica. U004 51 M Dificultades en consolidación mnésica, dificultades en planificación mostrando
perseverancia en respuestas y poca flexibilidad cognitiva. Tetraplejia espástica perinatal.
U005 44 H Dificultades en consolidación mnésica y planificación de estrategias de resolución de problemas.
Traumatismo cráneoencefálico, tetraparesia de predominio derecho. U006 40 M Deterioro cognitivo leve en todos los procesos mnésicos, flexibilidad cognitiva
comprometida, dificultades en estrategias de planificación y secuenciación.
Tabla 6. Datos de los usuarios del CRE participantes en el proyecto DOMO-BCI, donde el sexo de los usuarios se representa por H: hombre y M: mujer
INFORME FINAL DE RESULTADOS – 62
Informe Final de Resultados – DOMO - BCI 18/2008
Dependencia ha consistido en tres tipos de tareas: aprendizaje, entrenamiento y
aplicación.
5.1.2. Montaje para el registro del EEG
El montaje que se ha empleado para registrar la señal EEG de los usuarios es un
montaje estándar recomendado por los diseñadores del sistema BCI2000. En dicho
montaje se recogen un total de 8 canales, que se pueden observar en la Figura 12. Los
tres canales principales se recogen sobre la zona motora del córtex y son los canales C3,
Cz y C4, que se emplearán para el control de la aplicación. Además, se recogen también
dos canales de la zona frontal: F3 y F4, dos canales de las zonas temporales: T7 y T8, y
un canal de la zona parietal: Pz. Estos cinco canales se emplean para realizar un filtrado
espacial de los tres canales principales, como se muestra en la Figura 13. El objetivo del
filtrado espacial es aumentar la SNR, mejorando la señal de control y/o reduciendo el
nivel de ruido [47].
5.1.3. Tareas de aprendizaje
Las tareas de aprendizaje se realizan durante las primeras sesiones y al inicio de
cada sesión. Durante las mismas se muestra al usuario un estímulo que consiste en una
palabra en el centro de la pantalla. Cada estímulo permanece durante 3 s
aproximadamente y entre estímulos la pantalla permanece en blanco durante un tiempo
entre 2 y 2.5 s. Se realizan dos tipos de tareas:
- Izquierda y Derecha: se muestran aleatoriamente estas dos palabras al usuario
Figura 12. Montaje de 8 canales para el registro de la señal EEG
INFORME FINAL DE RESULTADOS – 63
Informe Final de Resultados – DOMO - BCI 18/2008
para que imagine movimientos de la mano izquierda o de la mano derecha,
respectivamente.
- Pies y Derecha: en este caso el usuario imagina movimiento de los pies o de la
mano derecha, respectivamente.
En la Figura 14 se muestra la fotografía de uno de los usuarios participantes en el
estudio realizando una tarea de aprendizaje durante las primeras sesiones.
Cada tarea consta de 20 estímulos, 10 de cada una de las dos clases presentadas al
usuario. Esta tarea se realiza unas 8 veces (4 para izquierda y derecha y 4 para pies y
mano derecha) en las sesiones iniciales y su número de repeticiones se va reduciendo en
las siguientes sesiones en función de los avances del usuario. Es decir, que una vez que
el usuario va aprendiendo a imaginar las tareas correctamente y se observan
características de control estables se reducen las repeticiones de estas tareas y se limitan
Figura 13. Esquema del filtrado espacial que se realiza para cada uno de los tres canales principales:
C3, Cz y C4
Figura 14. Usuaria del CRE de Discapacidad y Dependencia realizando una tarea de aprendizaje
durante las sesiones iniciales
INFORME FINAL DE RESULTADOS – 64
Informe Final de Resultados – DOMO - BCI 18/2008
a una o dos y del tipo con el que mejor trabaje cada sujeto (izquierda y derecha o pies y
mano derecha).
Tras la realización de estas tareas se lleva a cabo un análisis offline de las señales
EEG registradas en la sesión en función del tipo de movimiento imaginado. El objetivo
consiste en encontrar características espectrales relacionadas con los ritmos
sensoriomotores μ y β que permitan discriminar los dos tipos de movimiento y, por
tanto, puedan emplearse para el control de la aplicación. En la Figura 15 se muestran
varias capturas del análisis offline realizado para un usuario en una sesión de
aprendizaje. En la primera imagen se observa qué canales muestran mayor actividad y a
qué frecuencias. La segunda captura muestra el espectro y la característica r2 de los tres
canales principales: C3, Cz y C4. La característica r2 es una medida estadística que nos
indica cómo de diferentes son las componentes espectrales del EEG cuando se imaginan
movimientos de la mano derecha respecto a los de la mano izquierda. Este valor varía
entre 0 y 1, y es mayor cuanto más diferentes son los espectros asociados a cada tipo de
imágenes motoras. A partir de valores de r2 superiores a 0.15 puede empezarse a
controlar un cursor en 1D con una precisión razonable. Por último, la tercera captura de
la Figura 15 muestra la topografía de la actividad de todos los canales a una frecuencia
determinada.
5.1.4. Tareas de entrenamiento
Una vez que se ha identificado para cada usuario la característica óptima para el
control de la aplicación se realizan tareas de entrenamiento. Estas tareas se configuran a
partir del canal y la frecuencia donde se ha encontrado la característica de control más
estable. Las tareas consisten en mover una bola desde el centro de la pantalla hacia el
lado en el que aparece una barra, con la intención de alcanzar dicho objetivo. Para
mover la bola hacia el lado derecho el usuario imagina movimientos de la mano
Figura 15. Capturas del análisis offline de las tareas de aprendizaje.
INFORME FINAL DE RESULTADOS – 65
Informe Final de Resultados – DOMO - BCI 18/2008
derecha, mientras que para mover la bola hacia el lado izquierdo habrá usuarios que
imaginen movimientos de la mano izquierda y otros que imaginen el movimiento de los
pies (en función de cuál sea la característica que se ha escogido para controlar la
aplicación). En la Figura 16 se pueden observar diferentes capturas correspondientes a
esta tarea. Una vez que la precisión obtenida por el usuario (número de aciertos frente a
número total de intentos) es aceptable, al menos 12 aciertos sobre 20 (60%), se
comienza a trabajar con la aplicación real.
5.1.5. Tareas de aplicación
Dado que todos los usuarios que han participado en el proyecto no tenían ningún
conocimiento previo de los sistemas BCI y que, además, presentaban algún tipo de
problema cognitivo, se optó por planificar tres secuencias de comandos sencillas, que
pueden realizarse en 5 ó 7 movimientos si se ejecutan correctamente. A continuación se
describe cada una de ellas.
Secuencia A. Encender la cadena de música y pasar de la función CD a la radio
Esta secuencia implica realizar como mínimo 5 movimientos del cursor: dos
movimientos hacia la derecha para navegar por el menú y tres movimientos a la
izquierda para ejecutar acciones. Los puntos intermedios por los que se pasa son:
A.1. Selección del botón menú música (Acción: seleccionar, Objetivo: barra
derecha)
A.2. Entrada en el menú música (Acción: ejecutar, Objetivo: barra izquierda)
A.3. Encendido de la cadena de música (Acción: ejecutar, Objetivo: barra
izquierda)
A.4. Selección del botón función radio/CD (Acción: seleccionar, Objetivo: barra
derecha)
Figura 16. Capturas de pantalla de la aplicación diseñada para medir la precisión de los distintos
métodos de extracción implementados en BCI2000
INFORME FINAL DE RESULTADOS – 66
Informe Final de Resultados – DOMO - BCI 18/2008
A.5. Cambiar de la función CD a la radio (Acción: ejecutar, Objetivo: barra
izquierda)
Secuencia B. Encender la televisión, cambiar de canal hacia abajo y subir el
volumen
Esta secuencia implica realizar al menos siete acciones o movimientos del cursor.
Los puntos intermedios que se van alcanzando son:
B.1. Entrada en el menú televisión (Acción: ejecutar, Objetivo: barra izquierda)
B.2. Encendido de la televisión (Acción: ejecutar, Objetivo: barra izquierda)
B.3. Selección del botón subir canal (Acción: seleccionar, Objetivo: barra derecha)
B.4. Selección del botón bajar canal (Acción: seleccionar, Objetivo: barra derecha)
B.5. Cambio de canal hacia abajo (Acción: ejecutar, Objetivo: barra izquierda)
B.6. Selección del botón subir volumen (Acción: seleccionar, Objetivo: barra
derecha)
B.7. Subir el volumen (Acción: ejecutar, Objetivo: barra izquierda)
Secuencia C. Encender las luces y cambiar su color
Esta secuencia puede realizarse mediante siete acciones. Los puntos intermedios
que se van alcanzando son:
C.1. Selección del botón menú música (Acción: seleccionar, Objetivo: barra
derecha)
C.2. Selección del botón menú DVD (Acción: seleccionar, Objetivo: barra derecha)
C.3. Selección del botón menú luces (Acción: seleccionar, Objetivo: barra derecha)
C.4. Entrada en el menú luces (Acción: ejecutar, Objetivo: barra izquierda)
C.5. Encendido de la bombilla (Acción: ejecutar, Objetivo: barra izquierda)
C.6. Selección del botón cambio de color (Acción: seleccionar, Objetivo: barra
derecha)
C.7. Cambio del color de la bombilla (Acción: ejecutar, Objetivo: barra izquierda)
En la Figura 17 se muestra la estancia en la que se realizaron las pruebas. En la
imagen se pueden ver: los dispositivos a controlar (televisión, DVD, cadena de música y
INFORME FINAL DE RESULTADOS – 67
Informe Final de Resultados – DOMO - BCI 18/2008
lámpara), el equipo BCI (amplificador, gorro, geles), el ordenador portátil en el que se
ejecuta la aplicación domótica, el dispositivo emisor de infrarrojos conectado al mismo
y el monitor en el que se le muestra al usuario la ventana de la aplicación.
Por último, en la Figura 18 se muestra una fotografía de uno de los participantes del
proyecto controlando la aplicación domótica mediante BCI.
Figura 17. Equipo BCI y dispositivos controlados por el mismo en las instalaciones del CRE
Figura 18. Uno de los usuarios del CRE usando la aplicación domótica para verla televisión
INFORME FINAL DE RESULTADOS – 68
Informe Final de Resultados – DOMO - BCI 18/2008
6. Resultados
Este apartado presenta los resultados obtenidos tras las pruebas realizadas por los
usuarios del CRE de San Andrés con la aplicación BCI domótica. Es necesario
mencionar que no todos los usuarios participantes en el proyecto consiguieron un
control aceptable del cursor durante las semanas en que se realizaron las pruebas.
6.1. Usuario U002
Este usuario ha sido uno de los dos que han conseguido llegar a controlar con
mayor precisión la aplicación domótica. Tras las sesiones iniciales de aprendizaje y
entrenamiento se observó una característica que permanecía constante sesión tras
sesión. Se trataba de un pico de r2 de valor 0.3 en torno a 9-10 Hz en el canal C3. En las
Figuras 19 y 20 se muestran los resultados obtenidos tras el análisis offline de una de
estas sesiones donde se observa claramente la característica de control mencionada.
Dado que esta característica permaneció estable sesión tras sesión, este usuario fue uno
de los que llegó a realizar pruebas con la aplicación domótica. Como ya se ha
mencionado anteriormente, estas pruebas se dividieron en tres secuencias sencillas para
comprobar la capacidad de los usuarios controlando la aplicación.
En la Tabla 7 se muestran los resultados obtenidos por este usuario tras realizar
varias pruebas con cada una de las secuencias propuestas. En la primera columna se
indican los puntos de control que debe alcanzar el usuario en cada secuencia. A
Figura 19. El análisis espectral de las sesiones de U002 revela una característica muy pronunciada
en torno a 10 Hz en el canal 4, que se corresponde con el canal C3
INFORME FINAL DE RESULTADOS – 69
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 20. U002: Representación del espectro de los tres canales principales donde se aprecia un pico
de 0,3 en r2 en el canal C3 a 10 Hz
continuación se muestra el número de veces que el usuario terminó la prueba en cada
punto de control, así como el tanto por ciento de veces en que esto sucedió respecto al
total de las pruebas realizadas. A continuación se muestra el tiempo total empleado en la
realización de dichas pruebas así como el tiempo medio de duración de cada prueba. Por
último, se indica el número de intentos promedio realizados para alcanzar el punto de
control correspondiente.
Analizando en primer lugar los resultados para la secuencia A, se observa que en un
47% de las pruebas el usuario U002 consigue alcanzar el punto de control final, es
decir, completa la secuencia planteada. Para lo cual emplea, de media,
aproximadamente 1 minuto de tiempo y seis intentos (frente a cinco intentos, que es el
número mínimo en que puede realizarse dicha secuencia). Se observa también, que un
27% de las veces el usuario se queda en el punto de control A.2, mientras que un 13%
alcanza el punto A.3 o directamente no llega a alcanzar el primer punto de control.
Además, si se analiza el número medio de intentos y el tiempo medio de cada
prueba y se comparan en función del punto de control alcanzado, se observa que cuánto
menor es el punto alcanzado mayor es el número de intentos y el tiempo empleado. Hay
que tener en cuenta que se considera un fallo cuando el usuario elige “ejecutar” en lugar
de “seleccionar” y, por tanto, ejecuta una acción que no se había pedido en la secuencia
INFORME FINAL DE RESULTADOS – 70
Informe Final de Resultados – DOMO - BCI 18/2008
correspondiente. Sin embargo, no se considera un fallo cuando el usuario elige
“seleccionar” en vez de “ejecutar”, es decir, se salta el botón que tenía que ejecutar y
selecciona el siguiente. Por lo tanto, el hecho de que el número de intentos y el tiempo
medio sea mayor para puntos de control menores es debido, en general, a que el usuario
se salta el botón correspondiente y tiene que tratar de dar toda la vuelta al menú para
volver al botón deseado. Sin embargo, como esto requiere de muchos intentos más la
mayor parte de las veces no se consigue completar porque se comete un fallo antes de
alcanzar de nuevo el botón deseado.
Secuencia A Punto de control
alcanzado Total pruebas Tiempo total Tiempo medio por prueba
Número de intentos promedio (ideal=5)
A.0 2 (13%) 0m 25s 0m 13s 1 A.1 0 (0%) 0m 00s 0m 00s 0 (1) A.2 4 (27%) 5m 11s 1m 18s 7,75 (2) A.3 2 (13%) 2m 09s 1m 05s 6,50 (3) A.4 0 (0%) 0m 00s 0m 00s 0 (4) A.5 7 (47%) 6m 59s 0m 60s 6 (5)
TOTAL 15 14m 44s 0m 59s -
Secuencia B Punto de control
alcanzado Total pruebas Tiempo total Tiempo medio por prueba
Número de intentos promedio (ideal=7)
B.0 5 (19%) 1m 08s 0m 14s 1,20 B.1 5 (19%) 3m 37s 0m 43s 4,60 (1) B.2 6 (22%) 3m 29s 0m 35s 3,33 (2) B.3 2 (7%) 2m 05s 1m 03s 5,50 (3) B.4 1 (4%) 1m 50s 1m 50s 12 (4) B.5 0 (0%) 0m 00s 0m 00s 0 (5) B.6 1 (4%) 1m 32s 1m 32s 15 (6) B.7 7 (26%) 8m 22s 1m 12s 8,29 (7)
TOTAL 27 22m 03s 0m 49s -
Secuencia C Punto de control
alcanzado Total pruebas Tiempo total Tiempo medio por prueba
Número de intentos promedio (ideal=7)
C.0 4 (19%) 2m 59s 5m 36s 1 C.1 4 (19%) 2m 08s 5m 36s 2,75 (1) C.2 3 (14%) 3m 23s 7m 27s 3,33 (2) C.3 1 (5%) 1m 09s 22m 22s 10 (3) C.4 2 (10%) 2m 12s 11m 11s 7 (4) C.5 0 (0%) 0m 00s 0m 00s 0 (5) C.6 0 (0%) 0m 00s 0m 00s 0 (6) C.7 7 (33%) 10m 31s 3m 12s 9,14 (7)
TOTAL 21 22m 22s 6m 23s -
Tabla 7. Resultados obtenidos por el usuario U002 durante las sesiones de control de la aplicación domótica para cada una de las tres secuencias planteadas
INFORME FINAL DE RESULTADOS – 71
Informe Final de Resultados – DOMO - BCI 18/2008
En el caso de las secuencias B y C se observa que el porcentaje de pruebas en las
que se alcanzó el punto final propuesto es del 26% y 33%, respectivamente. Este
descenso respecto a la secuencia A se debe a que estas secuencias son más largas y
requieren de la realización de un número mayor de intentos sin cometer fallos.
Para ambas secuencias, B y C, se puede observar que el número de intentos y
tiempo medio por prueba es siempre menor cuando se logra terminar la secuencia que
cuando se alcanzan puntos intermedios. Esto es debido, como ya se mencionó antes, a la
penalización que supone elegir “seleccionar” en lugar de “ejecutar”.
Los resultados sugieren que el usuario ha sido capaz de controlar la aplicación y
llegar hasta los puntos prefijados con éxito. Sin embargo, no siempre ha conseguido
completar las secuencias. Hay que tener en cuenta que estas tareas requieren de mucha
concentración durante cada prueba y esto no siempre es posible debido a los problemas
cognitivos que presentan los usuarios.
6.2. Usuario U003
El usuario U003 realizó varias sesiones de aprendizaje y entrenamiento. Tras dos
semanas realizando dichas sesiones no se consiguió ningún avance significativo ya que
el análisis offline revelaba características muy diferentes entre las distintas sesiones.
Dentro de una misma sesión se encontraron tareas en las que aparecía una característica
de control en C3 en torno a 8 Hz mientras que en el resto de tareas esa característica
desaparecía por completo. En otras sesiones la característica aparecía en C3 a 16 Hz
pero no se mantenía estable. Una muestra del análisis offline donde se aprecia la
diferencia obtenida entre unas sesiones y otras se representa en la Figura 21.
Figura 21. El análisis offline de las sesiones del usuario U003 no muestra ninguna característica estable a lo largo de las mismas
INFORME FINAL DE RESULTADOS – 72
Informe Final de Resultados – DOMO - BCI 18/2008
Hubiera resultado interesante disponer de más tiempo para haber realizado más
sesiones de aprendizaje con este usuario y haber tratado de conseguir una característica
de control más estable. En cuanto a la diferencia de rendimiento respecto al usuario
U002 podría ser debido a que los problemas cognitivos que ambos tienen son diferentes
y no afectan de igual manera a todas las áreas. Por ejemplo, en cuanto al área de
atención sostenida, el usuario U003 se encuentra por debajo del usuario U002, lo que
explicaría que el usuario U003 haya tenido menos éxito en la realización de las pruebas
planteadas.
6.3. Usuario U004
Tras varias sesiones iniciales de aprendizaje y entrenamiento se observó una
característica que permanecía estable prácticamente durante todas las sesiones. Se
trataba de un pico de r2 de valor en torno a 0.15-0.2 a 20 Hz en el electrodo Cz. En el
caso particular de este usuario la mejor discriminación de las tareas se produce
imaginando movimientos de los pies y de la mano derecha. Es por ello, que la zona en
la que aparece la característica de control para este usuario se encuentra entre los dos
hemisferios, es decir, en la zona donde está el electrodo Cz, que es donde se localiza el
área motora del córtex relacionada con los pies [46].
En las Figuras 22 y 23 pueden observarse varias imágenes del análisis offline en las
que se aprecia dicha característica. Esta característica de control se mantuvo estable
durante las primeras sesiones de entrenamiento y aplicación. Sin embargo, durante las
Figura 22. El análisis espectral de las sesiones de U004 revela una característica muy pronunciada en torno a 20 Hz en el canal 5, que se corresponde con el canal Cz
INFORME FINAL DE RESULTADOS – 73
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 23. U004: Representación del espectro de los tres canales principales donde se aprecia un pico
de aprox. 0,15 en r2 en el canal Cz a 20 Hz
últimas sesiones hubo ocasiones en las que el usuario no fue capaz de controlar con
precisión el sistema ya que no siempre estaba presente esta característica, lo que
comprometió la precisión final.
Los resultados que ha obtenido el usuario U004 durante las sesiones de aplicación
para cada una de las secuencias planteadas pueden observarse en la Tabla 8. Si se
analizan en primer lugar los resultados obtenidos para la secuencia A se observa que el
usuario U004 ha sido capaz de completar los cinco pasos de la secuencia un 27% de las
veces. Para ello, emplea una media de 10,67 intentos y 1 min 51 s de tiempo, casi el
doble que en el caso del usuario U002 para la misma secuencia.
Además, se observa que en un porcentaje considerado de pruebas (36%) el usuario
sólo es capaz de alcanzar el primer punto de control, A.1.
En el caso de la secuencia B, los resultados son más prometedores. En primer lugar,
el usuario consiguió realizar la secuencia completa un 31% de las veces, empleando una
media de 9,2 intentos y 1 min 28 s de tiempo. En este caso sí que se supera el resultado
del usuario U002 ya que éste completó esta secuencia un 26% de las veces. Además,
durante el resto de pruebas la mayor parte de las veces el usuario U004 alcanzó los
puntos B.3 (un 25%), B.5 (13%) o B.6 (13%). Por lo que en pocas pruebas el usuario se
quedó en los primeros puntos de control.
INFORME FINAL DE RESULTADOS – 74
Informe Final de Resultados – DOMO - BCI 18/2008
Secuencia A Punto de control
alcanzado Total pruebas Tiempo total Tiempo medio por prueba
Número de intentos promedio (ideal=5)
A.0 2 (18%) 0m 42s 0m 21s 3,50 A.1 4 (36%) 4m 24s 1m 06s 7 (1) A.2 1 (9%) 0m 45s 0m 45s 4 (2) A.3 1 (9%) 1m 14s 1m 14s 6 (3) A.4 0 (0%) 0m 00s 0m 00s 0 (4) A.5 3 (27%) 5m 32s 1m 51s 10,67 (5)
TOTAL 11 12m 37s 1m 09s -
Secuencia B Punto de control
alcanzado Total pruebas Tiempo total Tiempo medio por prueba
Número de intentos promedio (ideal=7)
B.0 1 (6%) 0m 16s 0m 16s 2 B.1 1 (6%) 0m 35s 0m 35s 4 (1) B.2 1 (6%) 0m 53s 0m 53s 5 (2) B.3 4 (25%) 4m 04s 1m 01s 5,75 (3) B.4 0 (0%) 0m 00s 0m 00s 0 (4) B.5 2 (13%) 2m 03s 1m 02s 6,50 (5) B.6 2 (13%) 4m 03s 2m 02s 12,50 (6) B.7 5 (31%) 7m 19s 1m 28s 9,20 (7)
TOTAL 16 19m 13s 1m 12s -
Secuencia C Punto de control
alcanzado Total pruebas Tiempo total Tiempo medio por prueba
Número de intentos promedio (ideal=7)
C.0 0 (0%) 0m 00s 0m 00s 0 C.1 0 (0%) 0m 00s 0m 00s 0 (1) C.2 1 (9%) 0m 38s 12m 03s 3 (2) C.3 8 (73%) 8m 46s 1m 30s 6,25 (3) C.4 1 (9%) 0m 51s 12m 03s 5 (4) C.5 0 (0%) 0m 00s 0m 00s 0 (5) C.6 1 (9%) 1m 48s 12m 03s 12 (6) C.7 0 (0%) 0m 00s 0m 00s 0 (7)
TOTAL 11 12m 03s 4m 23s -
Tabla 8. Resultados obtenidos por el usuario U004 durante las sesiones de control de la aplicación
domótica para cada una de las tres secuencias planteadas
A diferencia de la secuencia B, el usuario no consiguió finalizar la secuencia C por
completo durante ninguna de las pruebas realizadas. La mayoría de las veces, un 73%,
el usuario se quedó en el punto C.3 mientras que en el resto de pruebas se alcanzaron los
puntos C.2 (9%), C.4 (9%) y C.6 (9%). Sin embargo, en ninguna prueba el usuario se
quedó en los primeros puntos C.0 o C.1. Al igual que para la secuencia A, en este caso
el usuario U002 obtiene mejores resultados.
INFORME FINAL DE RESULTADOS – 75
Informe Final de Resultados – DOMO - BCI 18/2008
En general, los resultados sugieren que el usuario U004 ha sido capaz de controlar
la aplicación para alcanzar los puntos prefijados, aunque en bastantes ocasiones no ha
sido capaz de finalizar las secuencias por completo. En el caso de este usuario la
precisión se vio afectada por la aparición y desaparición de la característica de control
en las distintas sesiones, relacionadas sobre todo con el nivel de concentración y
atención sostenida del usuario.
6.4. Usuario U005
La participación de este usuario en las pruebas se limitó a una sola sesión ya que,
por motivos personales, estuvo fuera del centro durante los siguientes días de
realización de las pruebas. Debido a esto, no es posible sacar conclusiones sobre su
capacidad para el control del sistema BCI. Sin embargo, se puede hacer algún
comentario sobre la única sesión en que participó este usuario tras la realización de un
análisis offline del mismo.
Lo primero que se observa en este usuario es que presenta problemas de
espasticidad, lo que provoca movimientos musculares involuntarios que suponen un
artefacto que se superpone a la señal EEG registrada.
Durante esta sesión inicial se realizaron 4 tareas de aprendizaje con izquierda y
derecha, y 5 tareas de entrenamiento. En cuanto al aprendizaje, se han analizado las 3
tareas en las que el usuario presentó menos movimientos involuntarios. Estos análisis
muestran un pico de 0.12 de magnitud en la característica r2 del canal C4 a la frecuencia
de 26 Hz. Este valor podría ser adecuado para comenzar a controlar el movimiento del
cursor, por lo que se configuraron las tareas de entrenamiento con estos parámetros. Sin
embargo, el análisis de las tareas de entrenamiento muestra que ese pico que se emplea
para el control no se mantiene y, además, no se detectan otros picos que puedan
emplearse para el control del cursor. Esto se puede apreciar en la Figura 24, donde se
presenta una imagen del análisis offline realizado tras la sesión de entrenamiento.
Además, el análisis de estas primeras sesiones de aprendizaje y entrenamiento muestra
la presencia de artefactos que probablemente se deben a los movimientos involuntarios
del usuario, ya que durante este tipo de tarea el usuario parecía más nervioso
posiblemente debido al feedback (movimiento del cursor) y que se apreciaba en el
incremento de dichos movimientos involuntarios.
INFORME FINAL DE RESULTADOS – 76
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 24. El análisis offline de la sesión realizada por el usuario U005 no muestra ninguna
característica que se mantenga estable a lo largo del tiempo y permita controlar adecuadamente un cursor
6.5. Usuario U006
El caso de este usuario es bastante similar al del usuario U003. Tras varias sesiones
de aprendizaje y entrenamiento durante las primeras semanas de pruebas no se
consiguió ningún avance significativo. El análisis offline de estas sesiones no revelaba
características de control estables, ya que incluso durante cada tarea de la misma sesión
la actividad cerebral se centraba en distintas zonas y a distintas frecuencias. La razón
más probable para esto es que el usuario no conseguía mantener la atención y
concentración suficiente debido, posiblemente, al problema cognitivo que presenta. En
la Figura 25 se pueden observar los valores obtenidos tras el análisis offline de algunas
sesiones.
Al igual que en el caso del usuario U003, hubiera resultado interesante la
realización de más pruebas para comprobar sí con un entrenamiento más intensivo se
podría haber conseguido que el usuario controlase con un poco más de precisión el
movimiento del cursor. Puesto que el tiempo de realización de las pruebas era limitado,
se contaba con cinco usuarios y el tiempo de colocación del gorro y los electrodos es
considerable, no ha sido posible realizar más pruebas con los usuarios U003 y U006.
INFORME FINAL DE RESULTADOS – 77
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 25. El análisis offline de las sesiones del usuario U006 no muestra ninguna característica estable a lo largo de las mismas
6.6. Evaluación de la utilidad, manejabilidad y grado de satisfacción del usuario final
Durante la realización de las pruebas se hicieron varias preguntas a los usuarios
para conocer diferentes aspectos, no sólo relacionados con su visión de la aplicación,
sino también sobre su disposición y estado de ánimo.
En general, las respuestas a estas preguntas fueron muy similares por parte de todos
los usuarios y a lo largo de las distintas sesiones. En cuanto a las cuestiones planteadas
antes de comenzar la sesión, todos los usuarios se mostraban animados, dispuestos a
participar en el estudio durante el tiempo que fuera necesario y, además, reconocían
sentirse cómodos trabajando con ordenadores. Respecto a las cuestiones realizadas tras
las actividades de cada sesión, los usuarios se mostraron de acuerdo en que la duración
de las sesiones no se hacía excesivamente larga, que las tareas eran fáciles de
comprender, que estaban animados por seguir participando en el estudio y que con más
práctica mejorarían sus resultados. Las diferencias se observaron entre los diferentes
tipos de sesiones: las de aprendizaje fueron consideradas fáciles por todos los usuarios;
las de entrenamiento se consideraban algo más complicadas, puesto que no siempre
conseguían controlar adecuadamente el movimiento del cursor; y las de aplicación
fueron consideradas las más difíciles.
Además, una vez finalizadas las pruebas con los usuarios, independientemente del
nivel de control alcanzado, se realizó un cuestionario final sobre la valoración general
de la aplicación utilizada y su participación en el estudio. En la Tabla 9 se muestra un
INFORME FINAL DE RESULTADOS – 78
Informe Final de Resultados – DOMO - BCI 18/2008
resumen de las respuestas proporcionadas por los usuarios. Los cuestionaros empleados
se muestran en el Anexo I.
Cuestiones planteadas U002 U003 U004 U006 Complejidad diseño aplicac. entrenamiento Sencilla Sencilla Sencilla Sencilla Dificultad control aplicac. entrenamiento Fácil Muy difícil Fácil Media Valora nivel alcanzado tras entrenamiento Alto Medio Medio/Alto Medio
¿Esperaba alcanzar ese nivel? No, esperaba peor nivel
No, esperaba peor nivel
No, esperaba mejor nivel
No, esperaba peor nivel
Dificultad control aplicación domótica Media Muy alta Baja Muy alta Valora nivel alcanzado tras aplic. domótica Medio - Bajo -
¿Esperaba alcanzar ese nivel? No, esperaba peor nivel - No, esperaba
mejor nivel -
¿La aplicación puede mejorar la calidad de vida de las personas dependientes?
Sí, algunos aspectos
Sí, algunos aspectos
Sí, algunos aspectos
Sí, algunos aspectos
¿Sería útil aplicarlo a otros dispositivos domóticos? Muy útil Útil Muy útil Útil
¿A cuáles? Timbre, persianas
Persiana, puerta, cajones, armarios
Climatización, persianas, puertas,
ordenador
Timbre, persianas, ventanas
¿A qué otros ámbitos se podría aplicar? Ninguna idea Puertas Llamadas emergencia
Puertas (bares, bancos…)
Silla de ruedas
¿Cuál es el mayor problema con el que se ha encontrado durante las pruebas?
Colocación del gorro: muy engorrosa
Se necesita mucha
concentración y más sesiones
En la aplic. domótica la
bola no siempre se
mueve hacia donde quiero
Hay que concentrarse mucho, duele la cabeza y la
bola no obedece
Mejoras sistema de adquisición EEG
Tiempo colocación
gorro, geles, comprobación impedancias
Menor tiempo comprobación impedancias
Colocación del gorro más
sencilla, geles, comprobación impedancias
Usar menos electrodos y que abarquen áreas mayores
Mejoras entrenamiento con la bola Que me haga más caso la
bola Ninguna
Que me haga más caso la
bola Ninguna
Mejora menús aplicación domótica Ninguna Ninguna Opciones de control del teletexto
Un botón para cada canal tv o
emisora
Duración sesiones Adecuada No, mejor más largas Adecuada No, mejor más
largas
Duración total de las pruebas Hubiera sido necesario más
tiempo
Hubiera sido necesario más
tiempo
Hubiera sido necesario más
tiempo
Hubiera sido necesario más
tiempo
¿Estaría dispuesto a realizar más pruebas? Sí, para
mejorar nivel manejo
Sí, para mejorar nivel
manejo
Sí, para mejorar nivel
manejo
Sí, para mejorar nivel
manejo
¿Participaría de nuevo en proyecto similar? Sí, ha sido muy interesante
Sí, ha sido muy interesante
Sí, ha sido muy interesante
Sí, ha sido muy interesante
Tabla 9. Respuestas de los usuarios a las cuestiones planteadas tras la finalización de las pruebas
INFORME FINAL DE RESULTADOS – 79
Informe Final de Resultados – DOMO - BCI 18/2008
Las respuestas proporcionadas por los propios usuarios muestran que el diseño de
las tareas y la aplicación les resulta sencilla de comprender. Sin embargo, a la hora de
valorar el nivel de control que ha alcanzado cada uno de ellos realizando las tareas,
observamos que los usuarios que no pasaron de la sesión de entrenamiento consideran
que su nivel de control es medio; mientras que los que pasaron a utilizar la aplicación
consideran que tienen un nivel alto en las sesiones de entrenamiento y un nivel
medio/bajo en las sesiones de aplicación.
En cuanto al tiempo de duración de las sesiones, los usuarios U002 y U004
consideran que era el adecuado. En el caso de los usuarios U003 y U006 lo ven
insuficiente ya que piensan que con más intentos durante la sesión habrían podido
conseguir mejorar su nivel de control del movimiento del cursor. En lo que se refiere a
la duración total de las pruebas, todos los usuarios coinciden en que habría sido
necesario disponer de más semanas para haber realizado más sesiones y así haber
mejorado sus resultados.
También se han realizado preguntas en cuanto a posibles mejoras del sistema y la
aplicación BCI. Todos opinan que el proceso de adquisición de la señal dura demasiado
tiempo y requiere de una persona especializada para colocar bien el gorro y comprobar
las impedancias de los electrodos. Proponen la búsqueda de otro tipo de gorros o
electrodos que haga más sencilla esta etapa. En cuanto a la aplicación en sí, las mejoras
van dirigidas al control de la bola, donde algunos usuarios desearían sentir un mayor
control sobre el movimiento de la misma (curiosamente, estos comentarios
corresponden a los usuarios que mayor control obtuvieron).
Respecto a otros dispositivos que podrían controlarse, las principales sugerencias
fueron: timbre, persianas, puertas, ventanas, climatización y control del ordenador.
Fuera del hogar se sugieren aplicaciones de apertura y cierre de puertas en bares o
bancos, llamadas de emergencia o control del movimiento de las sillas de ruedas.
Por último, todos ellos coinciden en que estarían dispuestos a continuar realizando
más pruebas como las anteriores con el objetivo de mejorar sus resultados. Además,
según sus respuestas, la experiencia fue muy interesante y volverían a participar sin
duda en otro proyecto de características similares.
INFORME FINAL DE RESULTADOS – 80
Informe Final de Resultados – DOMO - BCI 18/2008
6.7. Difusión de resultados
Este apartado recoge la difusión de los resultados y conclusiones alcanzados en el
proyecto de investigación. En primer lugar se ha realizado una comunicación para el
Congreso Anual de la Sociedad Española de Ingeniería Biomédica, que es el congreso
nacional de mayor prestigio en el ámbito de la Ingeniería Biomédica:
1) R. Corralejo, R. Hornero, D. Álvarez. “Desarrollo de una aplicación domótica
controlada por Brain Computer Interface (BCI),” Actas del XXVII Congreso Anual
de la Sociedad Española de Ingeniería Biomédica (CASEIB 2009), pp. 577–580,
ISBN: 978-84-608-0990-6, Cádiz, España, 2009.
Además, a lo largo de la realización del proyecto se ha participado en varias
jornadas relacionadas con la discapacidad. La primera de ellas ha sido la II Jornada
Técnica para la Atención a Personas con Grave Discapacidad y para la Promoción de la
Autonomía Personal y Atención a la Dependencia, donde se realizó la ponencia
inaugural:
2) R. Hornero y R. Corralejo. “Aplicaciones de los sistemas BCI para la atención a
personas con grave discapacidad”. Ponencia inaugural de la “II Jornada Técnica
para la Atención a Personas con Grave Discapacidad y para la Promoción de la
Autonomía Personal y Atención a la Dependencia”. Organizada por el Centro de
Referencia Estatal para la Atención a Personas con Grave Discapacidad y para la
Promoción de la Autonomía Personal y Atención a la Dependencia de San Andrés
del Rabanedo (León). León, 6 noviembre de 2009.
Por último, se ha participado en el IV Congreso Nacional sobre Universidad y
Discapacidad, organizado por la Universidad de León:
3) R. Corralejo, R. Hornero, y D. Álvarez. “Desarrollo de una aplicación domótica
controlada mediante Brain Computer Interface (BCI)”. Póster y demostración
práctica presentados en el IV Congreso Nacional sobre Universidad y
Discapacidad. León, 11 y 12 de noviembre de 2009.
Por último, es necesario mencionar que este proyecto ha tenido una gran
repercusión a nivel de medios de comunicación. Han sido varias las publicaciones
aparecidas en periódicos tanto impresos como digitales. En las Figuras 26 y 27 se
muestran dos recortes de algunas publicaciones aparecidas al respecto. También se
INFORME FINAL DE RESULTADOS – 81
Informe Final de Resultados – DOMO - BCI 18/2008
indican, a continuación, varios enlaces a los artículos digitales más importantes que
aparecieron sobre el desarrollo del proyecto: http://www.elmundo.es/elmundo/2009/10/04/castillayleon/1254653980.html http://noticias.terra.es/espana/2009/1004/actualidad/el-cre-prueba-un-sistema-para-realizar-tareas-domoticas-a-traves-
de-la-mente.aspx http://www.hoytecnologia.com/noticias/tecnologia-discapacidad/132833 http://www.que.es/ultimas-noticias/sociedad/200910041405-cre-prueba-sistema-realizar-tareas.html http://www.adn.es/tecnologia/20091004/NWS-0207-CRE-domoticas-realizar-sistema-traves.html http://www.diariodeleon.es/noticias/noticia.asp?pkid=481647 http://www.eitb.com/noticias/tecnologia/detalle/259539/enciende-luz-salon-mente/ http://www.fundacionuniversia.net/actualidad/noticias/detalleNoticias-292.do http://www.cocemfe.es/noticias/vernoticia.php?id=6086 http://www.leonoticias.com/frontend/leonoticias/Del-Cerebro-A-La-Television-vn38891-vst306 http://www.diariodeleon.es/noticias/noticia.asp?pkid=488087 http://www.abc.es/20091107/castilla-leon-castilla-leon/aplicacion-pionera-permite-encender-20091107.html http://www.dicyt.com/exportNews.php?newsId=15478&siteId=NOV
Además, el centro territorial de TVE de Castilla y León se desplazó hasta el CRE
de San Andrés del Rabanedo para realizar un pequeño reportaje sobre el proyecto
DOMO-BCI y las pruebas que se realizaron en el centro. El reportaje fue emitido
durante el mes de noviembre en el informativo territorial de Castilla y León de La 1 y
en diciembre en el programa “España en comunidad” de La 2.
En el Anexo III se incluyen las publicaciones realizadas durante esta etapa de
difusión de resultados, así como los principales artículos digitales publicados al
respecto.
Figura 26. Noticia publicada en el periódico EL MUNDO de León el 5 de octubre de 2009 al respecto de
las pruebas del proyecto DOMO-BCI realizadas en el CRE de San Andrés
INFORME FINAL DE RESULTADOS – 82
Informe Final de Resultados – DOMO - BCI 18/2008
Figura 27. Noticia publicada en el periódico DIARIO DE LEÓN el 8 de noviembre de 2009 al respecto
de las pruebas del proyecto DOMO-BCI realizadas en el CRE de San Andrés
INFORME FINAL DE RESULTADOS – 83
Informe Final de Resultados – DOMO - BCI 18/2008
7. Discusión y conclusiones
7.1. Estudio de métodos de extracción y clasificación de características aplicados a sistemas BCI
Durante esta primera tarea se llevó a cabo un estudio de los sistemas BCI, en
concreto, de los métodos de procesado de la señal EEG utilizados en la fase de
extracción y clasificación de características. Estos sistemas permiten mejorar tanto la
calidad de vida de los pacientes como los servicios prestados por sus cuidadores.
En este proyecto, se consideró el EEG como la mejor solución para registrar la
actividad cerebral por tratarse de un método no invasivo, de bajo coste y portátil.
Además, se trabajó con los ritmos sensoriomotores ya que son los más adecuados para
realizar una aplicación basada en el control del movimiento de un cursor. De entre todos
los conjuntos de datos ofrecidos en las competiciones BCI, se escogió el que más
similitud presentaba con la aplicación que se pretendía desarrollar en el proyecto, éste
formaba parte de la competición BCI 2003. El análisis de métodos de procesado de
señal comenzó con un estudio exhaustivo de los algoritmos de extracción y clasificación
ganadores de la competición BCI 2003. De esta forma, el análisis de los distintos
métodos de extracción se realizó empleando el clasificador de Bayes, ganador de la
competición, mientras que la comparación de clasificadores se llevó a cabo a partir de
las características wavelets extraídas según el método ganador. Para evaluar los
diferentes métodos del estudio se mantuvo el mismo criterio de la competición BCI, es
decir, el valor máximo de la MI, ya que tiene en cuenta no sólo la clase estimada sino la
probabilidad de que dicha estimación sea correcta.
Con cada método de extracción de características se emplearon diferentes
longitudes de segmento para encontrar el valor óptimo y se estudiaron los resultados
con tasas de salida de 7.81 ms y 62.5 ms. Además, se analizó la importancia de eliminar
el ruido estadístico presente en las características wavelets antes de la clasificación y se
estudió el algoritmo Fast-MCD como método de recorte de outliers. A diferencia de
otros métodos de recorte que se basan en el cálculo de distancias respecto a una media
calculada con todos los puntos (datos y outliers), el Fast-MCD se centra en la
dispersión de distintos subconjuntos de datos, con lo que las distancias se calculan sin
tener en cuenta los outliers.
INFORME FINAL DE RESULTADOS – 84
Informe Final de Resultados – DOMO - BCI 18/2008
Tras el estudio se analizaron los resultados obtenidos, comparando los distintos
métodos entre sí y valorando la mejora que suponían respecto al método de referencia
ganador de la competición. Entre los métodos de extracción de características
destacaron los parámetros espectrales y el filtro adaptado. El primero consiguió una MI
máxima de 0.66 bit, lo que supuso un aumento del 8.10% respecto a la obtenida por el
método de referencia. Por otro lado, el segundo consiguió una mejora del 2.43%. La
ventaja es que empleaba muy poco tiempo en el procesado de las señales y conseguía el
mejor resultado respecto al tiempo de clasificación. En cuanto a los métodos de
reconocimiento de patrones, el clasificador óptimo fue la red neuronal RBF con 9 nodos
ocultos y recorte del 40% de los datos. Con ella se obtuvo una MI máxima de 0.685 bit,
alcanzándose una mejora del 12.28%. Además, dicho método reducía la tasa de error,
aunque aumentaba ligeramente el tiempo de clasificación.
Por último, se implementaron en BCI2000 cuatro de los métodos de extracción de
características del estudio y se desarrolló una aplicación de control de un cursor hacia la
izquierda y la derecha. A partir de dicha aplicación se analizó la precisión obtenida en
tiempo real por un usuario con cada uno de los métodos. Ésta aplicación de movimiento
del cursor fue integrada en la aplicación final para manejar una interfaz de control de
dispositivos domóticos mediante los distintos métodos de extracción de características.
7.2. Estudio de la interacción entre dispositivos domóticos y sistemas BCI
La segunda tarea del proyecto DOMO-BCI consistió, en primer lugar, en la
realización de un estudio sobre los diferentes tipos de dispositivos domóticos presentes
en una vivienda. Se analizó cómo estos dispositivos son de utilidad en diferentes
aspectos del hogar: climatización, persianas, puertas, electrodomésticos, enchufes,
camas, luces, comunicación, alarmas, etc. y cómo se estructuraba un sistema domótico.
Durante la segunda parte de esta tarea se estudiaron diferentes protocolos y
estándares de control domótico, así como otros protocolos de control: infrarrojos y
radiofrecuencia. Se seleccionó un sistema de infrarrojos por su sencillez, bajos coste,
alto conocimiento de su tecnología y por estar muy extendido su uso para controlar
diferentes dispositivos presentes en el hogar. Finalmente, se realizó un pequeño análisis
de la forma en que la aplicación BCI controlaría los dispositivos finales en función del
protocolo escogido.
INFORME FINAL DE RESULTADOS – 85
Informe Final de Resultados – DOMO - BCI 18/2008
7.3. Estudio de aplicaciones reales: control de los dispositivos domóticos de una vivienda accesible
El primer paso consistió en identificar las necesidades del usuario final, es decir, de
las personas dependientes con grave discapacidad. En concreto, de los usuarios del CRE
de Discapacidad y Dependencia de San Andrés del Rabanedo (León). Tras varias
reuniones y visitas al centro se optó por el control de dispositivos mediante infrarrojos,
lo que permitiría controlar televisiones, reproductores de vídeo y DVD así como
cualquier dispositivo que funcionara con un mando de infrarrojos. En concreto, se
escogieron cuatro dispositivos que se consideraron los más prácticos para los usuarios y
que serían controlados mediante el sistema BCI: un televisor, un equipo de música, un
reproductor de DVD y una bombilla multicolor. De esta forma, los servicios ofrecidos
por la aplicación domótica gestionarían las principales necesidades de los usuarios en
cuanto a confort y entrenamiento. Además, se tuvo en cuenta que la aplicación tenía que
ser clara y sencilla para facilitar la comprensión de la misma por parte de los usuarios y
favorecer así su manejabilidad.
Una vez establecido el protocolo de control y los dispositivos a controlar se diseñó
la aplicación BCI empleando el sistema de propósito general BCI2000. La interfaz de
usuario de la aplicación se dividió en dos partes o frames. En la parte de la derecha
aparece un menú formado por diferentes botones que muestran con imágenes y con
texto la función de cada botón. Para desplazarse por dicho menú el usuario ha de
centrarse en el frame izquierdo de la interfaz, donde mediante el control horizontal de
un cursor, el usuario decide si avanza al siguiente botón del menú o escoge que se
realice la función del botón seleccionado actualmente. El avance al siguiente botón del
menú se realiza siempre en sentido horario. De esta forma el usuario de la aplicación es
capaz de navegar por los menús de la aplicación a partir de la imaginación de dos tareas
motoras, controlando voluntariamente los dispositivos propuestos.
7.4. Aplicación del sistema a los usuarios del CRE de discapacidad y dependencia de San Andrés del Rabanedo (León)
Una vez desarrollada la aplicación BCI, ésta fue probada por varios usuarios del
CRE de Discapacidad y Dependencia. En concreto, participaron cinco usuarios del
centro con diferentes discapacidades físicas graves que son, por tanto, usuarios
potenciales de los sistemas BCI. Estos usuarios también presentaban problemas
INFORME FINAL DE RESULTADOS – 86
Informe Final de Resultados – DOMO - BCI 18/2008
cognitivos que durante el proyecto se vio que influían bastante en la capacidad de
control de la aplicación BCI.
Puesto que ninguno de los usuarios había trabajado antes con sistemas BCI fueron
necesarias varias etapas de aprendizaje y entrenamiento que se realizaron durante las
primeras semanas. Finalmente, los usuarios que presentaban una buena capacidad de
concentración y control del movimiento del cursor fueron los que hicieron pruebas con
la propia aplicación domótica. Las precisiones obtenidas por dichos usuarios trabajando
con la aplicación BCI no fueron demasiado elevadas. Probablemente esto se debiera a
que el tiempo dedicado a la realización de las pruebas fue limitado y se necesita
bastante entrenamiento y práctica para conseguir un buen control de la aplicación. En el
caso del resto de usuarios, ninguno realizó pruebas con la aplicación ya que durante las
pruebas de aprendizaje y de entrenamiento no consiguieron alcanzar un control
aceptable del movimiento del cursor. Estos resultados se vieron, por tanto, influenciados
principalmente por los propios problemas cognitivos de los usuarios que no facilitan
una atención continuada del usuario a la aplicación. Por eso, en futuros estudios se
propondrá un cambio en el perfil de los usuarios, es decir, se tratará de probar la
aplicación con usuarios con grave discapacidad físicas pero con el menor grado de
problemas cognitivos posible.
Una vez finalizadas las pruebas, los usuarios respondieron a un cuestionario sobre
la utilidad, manejabilidad y apreciaciones personales respecto a la aplicación domótica y
a los sistemas BCI en general. Todos ellos coincidieron en que el diseño de la
aplicación es claro y su funcionamiento fácil de comprender. Además, tanto los que
obtuvieron un mejor control de la misma como el resto estuvieron de acuerdo en la idea
de que sus resultados mejorarían si hubiera tiempo disponible para realizar más pruebas.
Por último, todos los usuarios coincidieron en la importancia y utilidad de estos
sistemas para mejorar la calidad de vida e independencia de las personas con grave
discapacidad y, además, manifestaron su disposición para continuar participando en este
proyecto o en proyectos similares si fuera necesario.
Los resultados obtenidos en este proyecto pueden calificarse como aceptables
teniendo en cuenta que se trata de un primer acercamiento de los sistemas BCI a los
usuarios potenciales. Por otro lado, se espera que con mayor tiempo, estudios y trabajo
la mayoría de los usuarios puedan llegar a controlar la aplicación de forma precisa.
INFORME FINAL DE RESULTADOS – 87
Informe Final de Resultados – DOMO - BCI 18/2008
Referencias [1] J.R. Wolpaw, N. Birbaumer, W.J. Heetderks, D.J. McFarland, P.H. Peckham, G. Schalk,
E. Donchin, L.A. Quatrano, C.J. Robinson, y T.M. Vaughan, “Brain–Computer Interface
Technology: A Review of the First International Meeting,” IEEE Trans. Rehab. Eng., vol.
8, pp. 164–173, Junio 2000.
[2] J. J. Vidal, “Real-time detection of brain events in EEG,” Proc. IEEE, vol. 65, pp. 633–
664, Mayo 1977.
[3] A. Kübler, V. K. Mushahwar, L. R. Hochberg, y J. P. Donoghue, “BCI Meeting 2005–
Workshop on Clinical Issues and Applications,” IEEE Trans. Rehab. Eng., vol. 14, no.2,
pp.131–134, Junio 2006.
[4] J.R. Wolpaw, G.E. Loeb, B.Z. Allison, E. Donchin, O.F. do Nascimento, W.J. Heetderks,
F. Nijboer, W.G. Shain, y J.N. Turner, “BCI Meeting 2005–Workshop on Signals and
Recording Methods,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 14, pp. 138–141,
Junio 2006.
[5] J. R. Wolpaw, N. Birbaumer, D. J. McFarland, G. Pfurtscheller, y T. M. Vaughan,
“Brain–computer interfaces for communication and control,” Clin. Neurophysiol., vol.
113, pp. 767–791, 2002.
[6] Y. Wang, R. Wang, X. Gao, B. Hong, y S. Gao, “A Practical VEP–Based Brain-
Computer Interface,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 14, pp. 234–240, Junio
2006.
[7] O. Friman, I. Volosyak, y A. Gräser, “Multiple Channel Detection of Steady–State Visual
Evoked Potentials for Brain-Computer Interfaces,” IEEE Trans. Biomed. Eng., vol. 54,
pp. 742–750, Abril 2007.
[8] E. Donchin, K.M. Spencer, y R. Wijesinghe, “The Mental Prosthesis: Assessing the
Speed of a P300–Based Brain–Computer Interface,” IEEE Trans. Rehab. Eng., vol. 8, pp.
174–179, Junio 2000.
[9] J. A. Pineda, B. Z. Allison, y A. Vankov, “The effects of Self-Movement, Observation,
and Imagination on Rhythms and Readiness Potentials (RP’s): Toward a Brain–Computer
Interface (BCI),” IEEE Trans. Rehab. Eng., vol. 8, no. 2, pp. 219–222, Junio 2000.
[10] G. Schalk, D.J. McFarland, T. Hinterberger, N. Birbaumer, y J.R. Wolpaw, “BCI2000: A
General–Purpose Brain–Computer Interface (BCI) System,” IEEE Trans. Biomed. Eng.,
vol. 51, pp. 1034–1043, Junio 2004.
[11] B. Blankertz, “Página oficial de la III Competición BCI,” 2005, disponible:
http://ida.first.fraunhofer.de/projects/bci/competition_iii. Último acceso: 15 de Abril de
2009.
INFORME FINAL DE RESULTADOS – 88
Informe Final de Resultados – DOMO - BCI 18/2008
[12] G. Pfurtscheller y A. Schlögl, “Descripción del conjunto de datos III de la Competición
BCI 2003,” proporcionado por el Instituto de Ingeniería Biomédica de la Universidad
Tecnológica de Graz, Diciembre 2002, disponible:
http://ida.first.fraunhofer.de/projects/bci/competition_ii/Graz_description.doc. Último
acceso: 28 Abril de 2009.
[13] S. Lemm, C. Schäfer, y G. Curio, “BCI Competition 2003–Data Set III: Probabilistic
Modeling of Sensorimotor µ Rhythms for Classification of Imaginary Hand Movements,”
IEEE Trans. Biomed. Eng., vol. 51, no. 6, pp. 1077–1080, Junio 2004.
[14] R. Duda, P.Hart, y D. Stork, Pattern Classification, 2nd ed. New York: Wiley, 2001.
[15] B. Blankertz, K. R. Müller, G. Curio, T. M. Vaughan, G. Schalk, J. R. Wolpaw, A.
Schlögl, C. Neuper, G. Pfurtscheller, T. Hinterberger, M. Schröder, y N. Birbaumer, “The
BCI Competition 2003: Progress and Perspectives in Detection and Discrimination of
EEG Single Trials,” IEEE Trans. Biomed. Eng., vol. 51, no. 6, pp. 1044–1051, Junio
2004.
[16] J.R. Millán, F. Renkens, J. Mouriño, W. Gerstner, “Brain–Actuated Interaction,” Art.
Intel., vol. 159, pp. 241–259, Enero 2004.
[17] A.K. Jain, R.P. W. Duin, y J. Mao, “Statistical Pattern Recognition: A Review,” IEEE
Trans. Pattern Anal. Mach. Intell., vol. 22, no. 1, pp. 4–37, Enero 2000.
[18] R.K. Young, Wavelet Theory and Its Applications, Springer, 2003.
[19] N. Huan y R. Palaniappan, “Classification of Mental Tasks Using Fixed and Adaptive
Autoregressive Models of EEG Signals,” Proc. 2nd IEEE EMBS International
Conference on Neural Engineering, pp. 633–636, Marzo 2005.
[20] A. Schlögl, The Electroencephalogram and the Adaptive Autoregressive Model: Theory
and Applications, Shaker Verlag, 2000.
[21] A. Schlögl, C. Keinrath, R. Scherer, y G. Pfurtscheller, “Information transfer of an EEG–
based Brain Computer Interface,” Proc. 1st Int. IEEE EMBS Conf. Neural Eng., pp. 641–
644, Marzo 2003.
[22] D.J. Krusienski, G. Schalk, D.J. McFarland, y J.R. Wolpaw, “A µ-Rhythm Matched Filter
for Continuous Control of a Brain-Computer Interface,” IEEE Trans. on Biomed. Eng.,
vol. 54, no. 2, pp. 273–280, Febrero 2007.
[23] D.J. Krusienski, G. Schalk, D.J. McFarland, y J.R. Wolpaw, “Tracking of the mu rhythm
using an empirically derived matched filter,” Proc. 2nd Int. IEEE EMBS Conf. Neural
Eng., pp. 86–89, Marzo 2005.
[24] I.T. Nabney (Mayo 2008) Netlab Software, disponible:
http://www.ncrg.aston.ac.uk/netlab/. Último acceso: 20 de Abril de 2009.
[25] I.T. Nabney, Netlab. Algorithms for Pattern Recognition, Springer, 2002.
INFORME FINAL DE RESULTADOS – 89
Informe Final de Resultados – DOMO - BCI 18/2008
[26] P.J. Rousseeuw y K. Van Driessen, “A Fast Algorithm for the Minimum Covariance
Determinant Estimator,” Technometrics, vol. 41, pp. 212–223, Diciembre 1998.
[27] J. Hardin y D.M. Rocke, “Outlier detection in the multiple cluster setting using the
minimum covariance determinant estimator,” Computational Statistics and Data
Analysis, vol. 44, pp. 625–638, 2004.
[28] C.M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, 1995.
[29] C.J. Mecklin y D.J. Mundfrom (2003), “On Using Asymptotic Critical Values in Testing
for Multivariate Normality,” InterSat, disponible:
http://interstat.statjournals.net/YEAR/2003/articles/0301001.pdf. Último acceso: 10 de
Mayo de 2009.
[30] K. Gurney, An Introduction to Neural Networks, CRC Press, 1997.
[31] G. McLachlan y D. Peel, Finite Mixture Models, John Wiley and Sons, 2004.
[32] “BCI Research and BCI2000 Forum,” disponible:
http://www.bci2000.org/phpbb/viewtopic.php?t=25. Último acceso: 1 de Junio de 2009.
[33] W. Chen, Y. Ming-Feng, C. Kuang-Chiung, y L. Ren-Guey. “Real-time ECG
telemonitoring system design with mobile phone platform,” Measurement, vol. 41, pp.
463-470, 2008.
[34] José M. Huidobro y Ramón J. Millán. Domótica. Edificios Inteligentes. Colegio Oficial
de Ingenieros de Telecomunicación (COIT), 2004.
[35] Fundación Telefónica. Libro Blanco del Hogar Digital y las Infraestructuras Comunes de
Telecomunicaciones, 2003.
[36] Konnex Asociation, disponible: http://www.knx.org/. Último acceso: 10 de Junio de
2009.
[37] Echelon Corporation, disponible: http://www.echelon.com/. Último acceso: 10 de Junio
de 2009.
[38] LonMark International, disponible: http://www.lonmark.org/. Último acceso: 10 de Junio
de 2009.
[39] Carlo Gavazzi – Dupline, disponible: http://www.dupline.com/. Último acceso: 10 de
Junio de 2009.
[40] Clipsal Integrated Systems, disponible: http://www3.clipsal.com/cis/portal/. Último
acceso: 10 de Junio de 2009.
[41] Bticino España, disponible: http://www.bticino.com.es/. Último acceso: 10 de Junio de
2009.
[42] Carletti, J. “Comunicación por infrarrojos. Descripción y funcionamiento,” 2009,
disponible: http://robots-argentina.com.ar/Comunicacion_IR.htm. Último acceso: 26 de
Noviembre de 2009.
INFORME FINAL DE RESULTADOS – 90
Informe Final de Resultados – DOMO - BCI 18/2008
[43] Web sobre descripción de infrarrojo, disponible: http://users.telenet.be/davshomepage.
Último acceso: 26 de Noviembre 2009.
[44] Carletti, J. “Protocolo Philips RC-5 para control remoto,” 2009, disponible: http://robots-
argentina.com.ar/Comunicacion_protocolorc5.htm. Último acceso: 26 de Noviembre de
2009.
[45] Web sobre LSB S. L. “Introducción y Funcionamiento,” 2004, disponible:
http://www.lsb.es/imagenes/x10_introduccion.pdf. Último acceso: 26 de Noviembre de
2009.
[46] “Página principal de la Wiki de información y ayuda de BCI2000,” disponible:
http://www.bci2000.org/wiki/index.php/Main_Page. Último acceso: 2 de Junio de 2009.
[47] D. J. McFarland, L. M. McCane, S. V. David y J. R. Wolpaw, “Spatial filter selection for
EEG-based communication”, Electroenceph. Clin. Neurophysiol., vol. 103, pp.386-394,
Septiembre 1997.
INFORME FINAL DE RESULTADOS – 91
Informe Final de Resultados – DOMO - BCI 18/2008
Anexo I: Cuestionarios finales realizados a los usuarios sobre la valoración general de la aplicación utilizada y su participación en el estudio
I.1. Cuestionario realizado a los usuarios que realizaron sesiones de aprendizaje, entrenamiento y control de la aplicación domótica
Conteste a las siguientes cuestiones sobre diferentes aspectos del sistema de control de dispositivos domóticos mediante BCI:
1. Valore el nivel de complejidad del la aplicación para controlar el movimiento de una bola hacia la izquierda y la derecha:
a. Es extremadamente complejo b. Es muy complejo c. La complejidad es media d. Es sencilla e. Es muy sencilla
2. Valore el nivel de dificultad que ha supuesto controlar el movimiento de la bola: a. Es extremadamente difícil b. Es muy difícil c. La dificultad es media d. Es fácil de manejar e. Es muy fácil de manejar
3. Valore el nivel de manejo de la bola que ha alcanzado tras finalizar la fase de pruebas: a. Muy bajo b. Bajo c. Medio d. Alto e. Muy alto
4. Antes de realizar las pruebas, ¿esperaba alcanzar este nivel? a. No, esperaba manejarlo mejor b. No, esperaba manejarlo peor c. Sí
5. Valore el nivel de complejidad del sistema de control de dispositivos domóticos y electrónicos que ha estado probando:
a. Es extremadamente complejo b. Es muy complejo c. La dificultad es media d. Es fácil de manejar e. Es muy fácil de manejar
6. Valore el nivel de manejo del sistema (facilidad para controlar el dispositivo seleccionado: televisión, luces, etc.) que ha alcanzado tras finalizar la fase de pruebas:
a. Muy bajo b. Bajo c. Medio d. Alto e. Muy alto
7. Antes de realizar las pruebas, ¿esperaba alcanzar este nivel? a. No, esperaba manejarlo mejor
INFORME FINAL DE RESULTADOS – 92
Informe Final de Resultados – DOMO - BCI 18/2008
b. No, esperaba manejarlo peor c. Sí
8. ¿Cree que este sistema de control de dispositivos podría aumentar la autonomía e independencia de las personas dependientes?
a. Sí, podría mejorar mucho su calidad de vida b. Sí, Podría mejorar algunos aspectos de su calidad de vida c. Su utilidad no es muy elevada d. No mejoraría en nada su calidad de vida
9. ¿Cree que podría resultar útil emplear este sistema para el control de otros dispositivos domóticos (puertas, persianas, climatización, etc.) instalados en una vivienda?
a. Sería muy útil b. Podría ser útil para controlar algunos sistemas c. Su utilidad sería muy limitada d. No sería nada útil
10. ¿Qué otros elementos de una vivienda cree que sería útil controlar con este sistema? Enumérelos de mayor utilidad a menor utilidad.
11. ¿Para qué otras aplicaciones (fuera de la vivienda o entorno habitual) considera que podrían emplearse estos sistemas?
12. ¿Cuál es el mayor problema que se ha encontrado durante la realización de las pruebas?
13. ¿Qué elementos del sistema mejoraría para facilitar su utilización? A continuación proponemos algunas posibilidades:
a. El sistema de adquisición de la señal de EEG (gorro y electrodos) b. El sistema de elección izquierda/derecha (bola) c. El sistema de menús de la aplicación d. Otros (indicar cuáles)
14. ¿Considera que el tiempo de duración de cada prueba ha sido adecuado? a. Si, el tiempo era el adecuado b. No, hubiera necesitado más tiempo c. No, las pruebas se hacían demasiado largas
15. ¿Considera que la duración del conjunto de pruebas ha sido adecuado? a. Si, el tiempo ha sido el adecuado porque con más tiempo no habría mejorado
los resultados b. Sí, porque ya lo hago perfectamente c. No, hubiera sido necesario más tiempo
16. ¿Estaría dispuesto a continuar realizando nuevas pruebas durante más tiempo? a. Sí, para mejorar mi nivel de manejo del sistema b. Sí, aunque durante un tiempo limitado c. No lo sé, porque el esfuerzo necesario es muy grande d. No, porque ha sido extremadamente cansado
17. ¿Volvería a participar en un proyecto de características similares? a. Sí, ha resultado muy interesante b. Sí, aunque ha sido muy costoso c. No lo sé, porque el esfuerzo necesario ha sido grande d. No, porque ha sido extremadamente cansado
INFORME FINAL DE RESULTADOS – 93
Informe Final de Resultados – DOMO - BCI 18/2008
I.2. Cuestionario realizado a los usuarios que realizaron únicamente sesiones de aprendizaje y entrenamiento
Conteste a las siguientes cuestiones sobre diferentes aspectos del sistema de control de dispositivos domóticos mediante BCI:
1. Valore el nivel de complejidad del diseño de la aplicación para controlar el movimiento de una bola hacia la izquierda y la derecha:
a. Es extremadamente complejo b. Es muy complejo c. La complejidad es media d. Es una aplicación sencilla e. Es una aplicación muy sencilla
2. Valore el nivel de dificultad que ha supuesto controlar el movimiento de la bola: a. Es extremadamente difícil b. Es muy difícil c. La dificultad es media d. Es fácil de manejar e. Es muy fácil de manejar
3. Valore el nivel de manejo de la bola que ha alcanzado tras finalizar la fase de pruebas: a. Muy bajo b. Bajo c. Medio d. Alto e. Muy alto
4. Antes de realizar las pruebas, ¿esperaba alcanzar este nivel? a. No, esperaba manejarlo mejor b. No, esperaba manejarlo peor c. Sí
5. Valore el nivel de complejidad del sistema de control de dispositivos domóticos y electrónicos:
a. Es extremadamente complejo b. Es muy complejo c. La dificultad es media d. Es fácil de manejar e. Es muy fácil de manejar
6. ¿Cree que este sistema de control de dispositivos podría aumentar la autonomía e independencia de las personas dependientes?
a. Sí, podría mejorar mucho su calidad de vida b. Sí, Podría mejorar algunos aspectos de su calidad de vida c. Su utilidad no es muy elevada d. No mejoraría en nada su calidad de vida
7. ¿Cree que podría resultar útil emplear este sistema para el control de otros dispositivos domóticos (puertas, persianas, climatización, etc.) instalados en una vivienda?
a. Sería muy útil b. Podría ser útil para controlar algunos sistemas c. Su utilidad sería muy limitada d. No sería nada útil
8. ¿Qué otros elementos de una vivienda cree que sería útil controlar con este sistema? Enumérelos de mayor utilidad a menor utilidad.
9. ¿Para qué otras aplicaciones (fuera de la vivienda o entorno habitual) considera que podrían emplearse estos sistemas?
INFORME FINAL DE RESULTADOS – 94
Informe Final de Resultados – DOMO - BCI 18/2008
10. ¿Cuál es el mayor problema que se ha encontrado durante la realización de las pruebas?
11. ¿Qué elementos del sistema mejoraría para facilitar su utilización? A continuación proponemos algunas posibilidades:
a. El sistema de adquisición de la señal de EEG (gorro y electrodos) b. El sistema de elección izquierda/derecha (bola) c. El sistema de menús de la aplicación d. Otros (indicar cuáles)
12. ¿Considera que el tiempo de duración de cada prueba ha sido adecuado? a. Si, el tiempo era el adecuado b. No, hubiera necesitado más tiempo c. No, las pruebas se hacían demasiado largas
13. ¿Considera que la duración del conjunto de pruebas ha sido adecuado? a. Si, el tiempo ha sido el adecuado porque con más tiempo no habría mejorado
los resultados b. Sí, porque ya lo hago perfectamente c. No, hubiera sido necesario más tiempo
14. ¿Estaría dispuesto a continuar realizando nuevas pruebas durante más tiempo? a. Sí, para mejorar mi nivel de manejo del sistema b. Sí, aunque durante un tiempo limitado c. No lo sé, porque el esfuerzo necesario es muy grande d. No, porque ha sido extremadamente cansado
15. ¿Volvería a participar en un proyecto de características similares? a. Sí, ha resultado muy interesante b. Sí, aunque ha sido muy costoso c. No lo sé, porque el esfuerzo necesario ha sido grande d. No, porque ha sido extremadamente cansado
INFORME FINAL DE RESULTADOS – 95
Informe Final de Resultados – DOMO - BCI 18/2008
INFORME FINAL DE RESULTADOS – 96
Anexo II: Difusión de resultados
II.1. Publicaciones de carácter científico – R. Hornero y R. Corralejo. “Aplicaciones de los sistemas BCI para la atención a
personas con grave discapacidad”. Ponencia inaugural de la “II Jornada Técnica para la Atención a Personas con Grave Discapacidad y para la Promoción de la Autonomía Personal y Atención a la Dependencia”. Organizada por el Centro de Referencia Estatal para la Atención a Personas con Grave Discapacidad y para la Promoción de la Autonomía Personal y Atención a la Dependencia de San Andrés del Rabanedo (León). León, 6 noviembre de 2009.
– R. Corralejo, R. Hornero, y D. Álvarez. “Desarrollo de una aplicación domótica controlada mediante Brain Computer Interface (BCI)”. Póster y demostración práctica presentados en el IV Congreso Nacional sobre Universidad y Discapacidad. León, 11 y 12 de noviembre de 2009.
– R. Corralejo, R. Hornero, D. Álvarez. “Desarrollo de una aplicación domótica controlada por Brain Computer Interface (BCI),” Actas del XXVII Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2009), pp. 577–580, ISBN: 978-84-608-0990-6, Cádiz, España, 2009.
II.2. Repercusión del proyecto en los medios de comunicación – EL MUNDO Digital Castilla y León, “Cómo encender o apagar la tele con sólo
pensarlo”, 04-10-2009.
– Noticias TERRA, “El CRE prueba un sistema para realizar tareas domóticas a través de la mente”, 04-10-2009.
– HoyTecnología.com, “El CRE prueba un sistema para realizar tareas domóticas a través de la mente”, 4-10-2009.
– Que.es, “El CRE prueba un sistema para realizar tareas domóticas a través de la mente”, 4-10-2009.
– Adn.es, “El CRE prueba un sistema para realizar tareas domóticas a través de la mente”, 4-10-2009.
– Diario de León, “Usuarios del CRE prueban un sistema domótico de control de viviendas”, 05-10-2009.
– ABC, “Una aplicación pionera permite encender la televisión con la mente”, 07-11-2009.
– DiCYT, Agencia de Noticias para la Difusión de la Ciencia y la Tecnología, “Del cerebro a la tele”, 06-11-2009.