| 運動想像腦電圖（Motor Imagery Electroencephalography, MI-EEG）在基於腦機介面（Brain Computer Interface, BCI）的控制相關系統中，分類不同的想像腦電訊號將是關鍵的問題。然而，在現有的MI-EEG分類器，如支援向量機(Support Vector Machine, SVM)、線性判別分析(Linear Discriminant Analysis, LDA)和反向傳播網路(Backpropagation, BP)，並沒有能夠充分利用時間序列訊號的時間頻率特徵，因此得到的分類結果不是很理想。本系統使用四種EEG信號進行分類，分別是想像右手動作、左手動作、眨眼動作以及無想像動作。本文首先利用g.SAHARAsys系統結合Emotiv EPOC IC擷取腦波訊號，並以無線方式接收並傳輸到Nvidia Jetson TK1系統。根據國際10-20系統，我們使用C3、C4及Cz等三個電極點來截取腦波訊號，接著以離散小波轉換(Discrete Wavelet Transform, DWT)提取運動想像腦波的時間頻率特徵。最後透過基於時間遞歸神經網路(Recurrent Neural Network , RNN)的長短期記憶神經網路(Long Short-Term Memory, LSTM)產生一種新穎的識別方法。本篇為了增加神經網路訓練時的樣本數量，加入了公開的數據集，並將實驗進行多次迭代後的結果與現有的方法相比，比對後發現本方法具有相對較高的分類準確度。這有助於LSTM在MI-EEG分類進一步的研究及應用。 |
