نگار خیراندیش - دانشگاه سمنان، دانشکده مهندسی برق و کامپیوتر
علی مالکی - دانشگاه سمنان، دانشکده مهندسی برق و کامپیوتر

الگوهای فضایی مشترکCSP یکی از رایجترین الگوریتمهای استخراج ویژگی برای سیستمهای واسط مغز-کامپیوترBCIمیباشد. با وجود کاربرد گستردهCSP و عملکرد مناسب آن در طبقهبندی الکتروانسفالوگرام ثبت شده در هنگام تصور حرکتهای مختلف، حساسیت بالای این روش به نویز و همچنین فرایادگیری باعث شده است که در بسیاری از موارد دقت طبقهبندی به میزان قابل توجهی کاهش یابد. برای برطرف کردن این مشکلات، میتوان با افزودن چند ترم تنظیم به فرایند آموزشCSP این روش را بهبود بخشید. به این روشها الگوهای فضایی مشترک تنظیمشدهRCSP گفته میشود که پیش از این برای طبقهبندی سیگنالهای مغزی دو کلاسه مورد استفاده قرار گرفتهاند. هدف از این مقاله، بهکارگیری چهار روشRCSP مختلف برای طبقهبندی سیگنالهای مغزی 4 کلاسه میباشد. در نهایت عملکرد این پنج الگوریتم (شامل CSP اصلی و چهارRCSP روی پایگاه دادگان مسابقاتBCI شامل سیگنالهای مغزی 12 فرد سالم در حال تصور چهار حرکت دست راست دست چپ، پا و زبان، با هم مقایسه شد. نتایج به دست آمده نشان داد که بهترین روش تنظیم فیلترهای فضایی میتواند میانگین دقت طبقهبندی را تا حدود 1% افزایش دهد. همچنین این روشهای تنظیمشده عملکرد سوژه به سوژه بهتری نسبت به الگوریتم اصلی دارند

الکتروانسفالوگرام، الگوهای فضایی مشترکCSP ، الگوهای فضایی مشترک تنظیمشدهRCSP ، سیستمهای واسط مغز-کامپیوترBCI ، عملکرد سوژه به سوژه