Y como puedes ver, similar al gráfico, no tenemos realmente como los datos son bastante extraños, así que no podemos hacer mucho con eso. Entonces, la pregunta es cómo medimos las cosas de manera más precisa. Para medir de manera más precisa, utilizaremos un filtro de paso de banda. Así que eliminamos las frecuencias, como en el gráfico, eliminamos estas y obtenemos solo los picos.
Ahora, luego necesitamos dividir todo esto en épocas, que básicamente es un marco de tiempo porque queremos tener una referencia temporal, si en un período de tiempo específico hay un pico, probablemente eso sea un parpadeo, ¿verdad? Entonces dividimos esto en épocas y también necesitamos pasar esto por la Transformada Rápida de Fourier. Eso significa que tomamos los datos que obtenemos en microvoltios y queremos convertirlos al dominio de frecuencia, por lo que utilizamos la Transformada Rápida de Fourier y convertimos eso al dominio de frecuencia, por lo que vemos diferentes frecuencias a partir de los datos en bruto que obtenemos.
Ahora podemos reconocer diferentes ondas cerebrales en función de estas frecuencias y la diferenciación es gamma, beta, alfa, theta y delta, y cada una de ellas es diferente para nuestro estado mental. Por ejemplo, en delta, es el sueño, la pérdida de conciencia corporal, la reparación, y así sucesivamente. Gamma es la percepción elevada, el aprendizaje, la resolución de problemas, las tareas, el procesamiento de calidad. Como puedes ver, no son muy distintivas, es un rango amplio. Beta es generalmente estar despierto, y alfa es relajación. Puedo medir el estado alfa y ver si estoy relajado. Así que podemos reaccionar a los picos de las ondas cerebrales, y también podemos alimentar estos datos al aprendizaje automático.
Pero antes de hacer cosas increíbles con el aprendizaje automático, quiero mostrarte algo. Quiero suscribirme al enfoque. Y básicamente me dará las lecturas de las ondas alfa. Además, quiero suscribirme a los parpadeos. Para diferenciar el parpadeo, obtengo las lecturas. Las filtro. Obtengo la lectura solo para el electrodo sobre mi ojo izquierdo. Obtengo el máximo de eso, como el pico. Luego uso RXOperatorSwitchMap para diferenciar el pico. Realmente no me importa el resto de los datos, solo el pico. Si hay un pico, eso es algo que devolveré. Cómo se ve. También necesito eliminar este. Vamos a conectarlo de nuevo. Y lo que veremos. Si parpadeo, puedes ver aquí que estoy parpadeando.
Comments