Les ondes cérébrales sont la mesure de l'activité électrique du cerveau.Ces ondes peuvent être utilisées dans les interfaces cerveau-machine. Notre but est dedévelopper une méthode assez rapide qui classifie les ondes cérébrales obtenues par lesdifférents paradigmes et compatibles avec ces interfaces.En raison de la forme complexe des signaux du cerveau, il est très difficile de projeterune interface en ligne. Parce que, le traitement est souvent performé en utilisant uneméthode de la moyenne qui nous permet de détecter les informations essentielles. Parcontre, créer une telle interface en ligne a besoin d?un traitement sans utiliser cetteméthode. C?est-à-dire qu?il faut les examiner l?un après l?autre.Trois types de données ont été obtenus par l?imagination du mouvement de la main, parle paradigme de Sternberg, et par regarder un caractère qui se situe dans un ensembleilluminé aléatoirement et affiché sur un écran.La même méthode a été appliquée pour chaque type de données. Premièrement, labande de fréquence qui sert à différencier les classes, a été déterminée. Ces bandes ontété obtenues par la décomposition d?ondelettes discrètes. Ensuite, la classification a étéréalisée par les classificateurs linéaires trainés avec l?information obtenue. Finalement,les résultats ont été comparés avec les résultats précédents.En conséquence, notre travail a montré que les coefficients d?ondelette peuvent êtreutilisés comme un dispositif de la classification pour différents signaux de cerveau, etque notre méthode peut être adaptée aux interfaces cerveau-machine avec sa capacité dela classification et sa vitesse.Mots clés : Ondelette, SVM, Interfaces Cerveau-Machine, Ondes cérébrales.

Beyin dalgaları, beynin elektriksel aktivitesini temsil eder. Bu dalgalar beyinsinyallerine dayalı oluşturulan Beyin-Bilgisayar ara yüzlerinde kullanılabilir. Amaç,farklı yöntemlerle elde edilmiş ve bu tip ara yüzlerde kullanılabilinecek beyindalgalarını sınıflandıracak hızlı ve yüksek hızlı bir metot geliştirmektir. Bunun içinçeşitli sinyal işleme ve sınıflandırma yöntemleri kullanılmıştır.Beyin dalgalarının kompleks yapıları nedeniyle, çevrimiçi yapıda çalışan bir beyinbilgisayararayüzü tanımlamak oldukça zordur. Çünkü, beyin dalgalarınınişlenmesinde, genellikle, sinyallerin önemli bilgi taşıyan noktalarının tespitine yarayanortalama metodu kullanılır. Diğer yandan, beyin-bilgisayar arayüzleri bu yöntemikullanan metodlarla uyumlu olamazlar. Dolayısı ile, yapılması gereken, ortalamametodu yerine her sınama parçasını tek tek incelemektir3 farklı veri tipinden, birincisi el hareketlerinin sadece düşünme ile gerçekleştirilmesi,ikincisi Sternberg paradigması, üçüncüsü ise ekranda gösterilen ve karışık şekildeyanıp sönen harf grubundan göz ile seçilen bir harfin üzerine konsantre olunması ileoluşturulmuşlardır.Her üç veri kümesine de aynı metot uygulanmıştır. Öncelikle, sınıfları birbirinden eniyi şekilde ayırt etmeye yarayacak frekans aralığı tespit edildi. Kesikli Waveletdönüşümü ile istenen frekans aralığını tutan bölgeler elde edildi. Buradan elde edilenbilgileri kullanarak eğitilen doğrusal sınıflandırıcılar yardımı ile sınıflandırmagerçekleştirildi. Son olarak, sonuçlar daha önceden yapılmış diğer çalışmalarınsonuçları ile karşılaştırıldı.Sonuç olarak, çalışmamız gösterdi ki Wavelet katsayıları, farklı tipteki beyin sinyalleriiçin bir sınıflandırıcı özellik olarak kullanılabilir ve tanımladığımız metot, hem hızı hemde yüksek yüzdeli sınıflandırma kapasitesi ile, beyin-bilgisayar arayüzlerindeuygulanabilir.Anahtar Sözcükler : Wavelet, SVM, Beyin-Bilgisayar Arayüzleri, Beyin dalgaları.