حمید رضا کاهنی - گروه برق کنترل دانشگاه آزاد اسلامی واحد گناباد گناباد ایران
مجتبی روحانی - گروه برق کنترل دانشگاه آزاد اسلامی واحد گناباد گناباد ایران
مهدی عبدالصالحی - گروه برق دانشگاه آزاد اسلامی واحد اسلامشهر اسلامشهر ایران

کرنل باترورث در پیش پردازش سیگنال های حوزه زمان- فرکانس مانند یک فیلتر پایین گذر با باند گذر صاف و ناحیه گذرباریک متغیر عمل می کند و باعث کاهش اعوجاج جملات اصلی و جملات متقابل کم فرکانس می گردد. در این مطالعه از کرنل باترورث جهت فیلتر سیگنال های نوار مغزی (EEG) در پنج باند فرکانسی شامل دلتا، تتا، آلفا، بتا و گاما استفاده شد و 9 ویژگی استخراج گردید. همچنین از تبدیل ویولت به منظور استخراج ویژگی ها استفاده و ویژگی های بهینه بدست آمده از هر دو حالت با الگوریتم ژنتیک، استخراج شدند. این ویژگی ها بعنوان داده های ورودی شبکه برای طبقه بندی و جداسازی سیگنال های دارای مولفه بکار رفت. در نهایت هنگامی که از ویژگی های آماری طیف درجه بالا به همراه ضرایب ویولت به صورت توام استفاده شد صحت تفکیک بالاتری نسبت به بررسی تک تک ویژگی ها حاصل شد.

الگوریتم ژنتیک، مولفه P300، ویولت، کرنل باترورث