ConclusionsIn this study, we applie

Conclusions

In this study, we applied STFT to decompose single-channel

EEG signal into the time-frequency domain to construct multi-
channel information. Based on these reconstructed data, we used

CSP combined with a SVM to obtain equivalent high classification

accuracies from both the sensorimotor and forehead areas, which

suggests that motor imagery can be detected with a single channel

not only from the traditional sensorimotor area but also from the

forehead area.

ผลลัพธ์ (ไทย) 1:

บทสรุปในการศึกษานี้ เราใช้ STFT เน่าสลายช่องเดียวสัญญาณ EEG ในโดเมนความถี่เวลาสร้างหลายข้อมูลช่องสัญญาณ ตามข้อมูลเบ็ทสึเหล่านี้ เราใช้CSP รวมกับ SVM เพื่อขอรับการจัดประเภทสูงเทียบเท่าความแม่นจากทั้ง sensorimotor และหน้าผากพื้นที่ ที่แนะนำว่า ภาพมอเตอร์สามารถตรวจจับได้เพียงช่องเดียวไม่เพียงจากพื้นที่ sensorimotor ดั้งเดิมแต่จากการบริเวณหน้าผาก

ผลลัพธ์ (ไทย) 2:

สรุปผลการวิจัยในการศึกษาครั้งนี้เรานำมาใช้ในการย่อยสลาย STFT ช่องทางเดียวสัญญาณ EEG ในโดเมนเวลาความถี่ที่จะสร้างหลายข้อมูลช่อง บนพื้นฐานของข้อมูลที่สร้างขึ้นใหม่เหล่านี้เราใช้ซีเอสพีร่วมกับ SVM เพื่อให้ได้เทียบเท่าจำแนกสูงความถูกต้องจากทั้ง sensorimotor และหน้าผากพื้นที่ซึ่งแสดงให้เห็นว่าภาพมอเตอร์สามารถตรวจพบได้ด้วยช่องทางเดียวไม่เพียง แต่จากพื้นที่ sensorimotor แบบดั้งเดิม แต่ยังมาจากบริเวณหน้าผาก

ผลลัพธ์ (ไทย) 3:

สรุปในการศึกษาครั้งนี้ได้ใช้ stft เน่าช่องเดี่ยวสัญญาณ EEG ในเวลาที่จะสร้างหลายโดเมนข้อมูลช่อง ตามเหล่านี้ได้สร้างแบบจำลองข้อมูลที่เราใช้CSP ร่วมกับ SVM ได้รับการจำแนกสูงเทียบเท่าความถูกต้องจากทั้ง sensorimotor และหน้าผาก พื้นที่ ซึ่งพบว่าสามารถตรวจพบได้ด้วยมอเตอร์แบบช่องทางเดียวไม่เพียง แต่จากพื้นที่ sensorimotor แบบดั้งเดิม แต่ยังจากบริเวณหน้าผาก