No abstract

No abstract

This paper addresses the problem of motion imagery classification from electroencephalogram signals which related with many difficulties such on human state, measurement accuracy, etc. Artificial neural networks are a good tool to solve such kind of problems. Electroencephalogram is time series signals therefore, a Gramian Angular Fields conversion has been applied to convert it into images. GAF conversion was used for classification EEG with Convolutional Neural Network (CNN). GAF images are represented as a Gramian matrix where each element is the trigonometric sum between different time intervals. Grayscale images were applied for recognition to reduce numbers of neural network parameters and increase calculation speed. Images from each measuring channel were connected into one multi-channel image. This article reveals the possible usage GAF conversion of EEG signals to motion imagery recognition, which is beneficial in the applied fields, such as implement it in brain-computer interface.

No abstract

Рассматривается система навигации пешехода, состоящая из двух бесплатформенных инерциальных навигационных систем, установленных на стопах. Для коррекции указанных систем используются условия нулевой скорости стопы в фазе опоры и ограниченности расстояния между стопами. В работе выясняются некоторые свойства расширенного фильтра Калмана, связанные с его состоятельностью. Показано, что состоятельность зависит от формы, в которой записываются уравнения в отклонениях.