روش بهبود یافته تحلیل همبستگی متعارف برای بازشناسی فرکانس پتانسیل برانگیخته بینایی حالت ماندگار
Publish place: Journal Of Modeling in Engineering، Vol: 16، Issue: 55
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 240
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-16-55_016
تاریخ نمایه سازی: 21 اسفند 1399
Abstract:
روش تحلیل همبستگی متعارف (CCA)، یکی از پرکاربردترین روشهای بازشناسی فرکانس در سیستمهای واسط مغز-کامپیوتر مبتنی بر پتانسیل برانگیخته بینایی حالت ماندگار (SSVEP) است. اگرچه روش CCA در اغلب موارد با نتایج خوبی همراه است، اما اگر میان فرکانسهای تحریک رابطه هارمونیک برقرار باشد، این روش با چالش مواجه خواهد شد. در این مقاله، روش CCA بهبود یافته پیشنهاد شده است که با اضافه نمودن یک مرحلهی پسپردازش در روش CCA، این چالش را تا حدودی رفع مینماید. بدین منظور، تحریک بینایی در محدوده 6 تا 16 با گام فرکانسی 5/0 هرتز با استفاده از جعبهابزار psychophysics متلب ایجاد گردید. ثبت سیگنال SSVEP از ده سوژه و تنها از الکترود Oz انجام شد. طبق روش پیشنهادی، پس از اعمال CCA و تعیین فرکانس متناظر با بیشینه همبستگی، اختلاف میزان همبستگی حاصل از این فرکانس و همبستگی حاصل از هارمونیک متناظر، محاسبه میگردد. سپس با مقایسه مقدار بدست آمده با مقدار آستانه، بازشناسی فرکانس صورت میپذیرد. مقدار آستانه بر اساس دادههای هر سوژه بهصورت آفلاین تعیین میشود. میانگین صحت بازشناسی روش CCA استاندارد با انتخاب دو هارمونیک در ایجاد سیگنال مرجع(2=N)، بهازای پنجره زمانی هشت ثانیه، %74 بوده که با روش پیشنهادی به %81 رسید. به طور متناظر، بهازای پنجره زمانی چهار ثانیه نیز صحت از %78 به %83 افزایش یافت. روش پیشنهادی با کاهش خطای بازشناسی هارمونیک توانسته است برای گستره وسیع فرکانسی، صحت بازشناسی را نسبت به روش CCA استاندارد بهبود بخشد.
Keywords:
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :