بهینه سازی جستجوی خزندگان برای انتخاب ویژگی سیگنال های EEG مبتنی بر SSVEPبرای کاربردهای واسط مغز و کامپیوتر

این مطالعه یک الگوریتم پنج مرحله ای طبقه بندی پتانسیل برانگیخته بینایی حالت پایدار مبتنی بر آنال یز زمانی و فرکانسی سیگنالالکتروانسفالوگرام ارائه می شود. در گام اول سیگنال الکتروانسفالوگرام سطحی جمع آوری می شود. بدین منظور از پایگاه داده ی ۴۰ کلاسه بودهو از نوع BCI Speller است و تعداد نمونه ها ۳۵ نفر فرد سالم و نحوهی کدگذاری ۴۰ محرک بینایی است. طیف سیگنال های تحریک این داده از۸ هرتز تا ۱۵.۸ هرتز با فاصله ۰.۲ هرتز است. در گام دوم الگوریتم پیشنهادی پیش پردازش داده های ثبت شده پیاده سازی م ی شود. بدین منظوراز فیلتر گذاری مناسب در حوزه ی فرکانس استفاده می شود. در گام سوم پردازش داده های الکتروانسفالوگرام کاهش نویز شده انجام می شود.بدین منظور ریتم میو و بتای سیگنال الکتروانسفالوگرام که به ترتیب در محدوده ی ۱۲ - ۸ هرتز و ۳۰ - ۱۳ هرتز در ناحیه ی قشر حسی حرکتینشات می گیرد استخراج می شود. در گام چهارم از سیگنال حاصل از بازسازی تبدیل موجک ، ویژ گی های مناسب آماری و حوزه ی زمان فرکانسو آنتروپی استخراج می شود.در گام پنجم از الگوریتم جستجوی خزندگان به منظور انتخاب ویژ گی های بهینه بهره گیری شد و طبقه بندی ویژ گیهای حاصل با به کار گیری ساختار های طبقه بند ی ماشین بردار پشتی بان و نزدیک ترین همسایه ی وزن دار استفاده شد. بهترین نتایج حاصل ازشبیه سازی ، برای ماشین بردار پشت یبان با صحتی حدود ۸۳.۸ درصد به دست آمد

Keywords:

واسط مغز و کامپیوتر , تبدیل موجک , پتانسیل برانگیخته بینایی حالت پایدار , ماشین بردار پشتیبان , الگوریتم جستجوی خزندگان