بهاره صدرموسوی - آزمایشگاه سیستمهای واسط مغز کامپیوتر، مرکز فناوری عصبی ایران، دانشگاه علم و صنعت ایران
عباس عرفانیان امیدوار

تشخیص حضور 300Pدر سیگنالهای مغزی یک چالش اصلی در سیستمهای واسط مغز کامپیوترBCI) میباشد. یکی از پارامترهای مؤثر در افزایش سرعت و دقت این نوع سیستمها، انتخاب ویژگی مناسب میباشد. بدین منظور در این مقاله از ترکیب یک فیلتر مبتنی بر زیرفضاو موجکWavelet)به عنوان ویژگی استفاده شده است. در روش فیلتر مبتنی بر زیرفضا، سیگنال نویزی به دو زیرفضای سیگنال و زیرفضای نویز تجزیه میشود. فیلتر بهگونهای طراحی میشود که نسبت سیگنال هدف (سیگنال مغزی دارای 300Pبه غیرهدف (سیگنال مغزی بدونP300 را با حذف مؤلفههای زیرفضای نویز و حفظ مؤلفههای زیرفضای سیگنال، بیشینه کند. پس از عبور سیگنال از فیلتر زیر فضا، تبدیلموجک گرفته شده و به عنوان ویژگی به طبقهبندی کننده داده میشود. برای طبقهبندی ویژگیها، از ماشین بردار پشتیبانSVM) استفاده شدهاست. جهت ارزیابی، آزمایشات مختلفی بهصورت برونخط بر روی سه شخص سالم با نمایش یک ماتریس9×5انجام گرفته است. نتایج نشان می-دهند که میتوان بطور متوسط با دقت96/02%P300 و با دقت 88/07درصد حرف را تشخیص داد.

شبکههای عصبی احتمالی، فیلتر فضایی، ماشین بردار پشتیبان، موجک، واسط مغز کامپیوتر