طبقه بندی خطی یک روش بهبود یافته در تسک تصور حرکتی مبتنی بر الگوی فضایی مشترک بانک فیلتر

در رابط مغز کامپیوتر (Brain Computer Interface) مبتنی بر تصور حرکتی (Motor Imagery)، با استفاده از الگوریتم الگوی فضایی مشترک (Common Spatial Pattern) که به نوعی فیلتر مکانی انجام میدهد، میتوان از الکتروانسفالوگرام (Electroencephalogram) الگوهای متمایزی را استخراج کرد و داده ها را به فضای جدیدی نگاشت داد تا تفکیک و کلاس بندی آنها راحتتر شود. با این حال، عملکرد این فیلتر مکانی به باند فرکانسی مورد استفاده در سیگنال مغزی بستگی دارد. بنابراین، معمولا یک باند فرکانسی مشخص (معمولا رنج فرکانسی بین ۸ تا ۳۰ هرتز) برای الگوی فضایی مشترک تنظیم میشود. اما انتخاب تنها یک باند فرکانسی، یکی از مشکلهای این الگوریتم میباشد. برای رفع این مشکل، این مقاله یک الگوی فضایی مشترک بانک فیلتر (Filter Bank Common Spatial Pattern) جدید را برای استخراج ویژگیها پیشنهاد میکند. پس از اینکه سیگنالهای مغزی به چندین زیرباند فرکانسی متعدد تقسیم شوند، محلی سازی منبع (Source Localization) به منظور تفکیک اطلاعات هر الکترود انجام شده و ویژگیها با استفاده از الگوریتم الگوی فضایی مشترک، از هر یک از این زیرباندها استخراج میشوند. سپس الگوریتم -Tتست (T-test) برای انتخاب ویژگیهای متمایزکننده استفاده میشود. در نهایت داده های آموزش و آزمایش با روش اعتبارسنجی متقابل -Kفولد (K-fold Cross Validation)، ارزیابی میشوند و ویژگیها با استفاده از الگوریتم ماشین بردار پشتیبان (Support Vector Machine) طبقهبندی میشوند . نتایج نشان میدهد که الگوریتم پیشنهادی، با دقت ۹۰/۵۷درصد، عملکردنسبتا بهتری را در مقایسه با رویکردهای مشابه ارائه میدهد.

Keywords:

رابط مغز کامپیوتر , تصور حرکتی , الگوی فضایی مشترک بانک فیلتر