بهبود طبقه بندی حرکات دست چپ و راست در سیستم های واسط مغز و کامپیوتر با استفاده از سه طبقه فیلترینگ و استخراج ویژگی در حوزه های زمان و موجک

پیش بینی حرکت اعضای بدن انسان با استفاده از سیگنال های EEG در سالهای اخیر بسیار مورد توجه قرار گرفته است. سیستم های واسط مغز و کامپیوتر، سیگنال های EEG را برای حالتهای مختلف ذهنی طبقه بندی می کنند. به این ترتیب می توان از فعالیتهای نورونی مغز برای برقراری ارتباط با محیط اطراف استفاده کرد. استفاده از چنین سیستمی امکان کنترل دستگاه های خارجی و اندام های مصنوعی را برای افراد فراهم می سازد و می تواند برقراری ارتباط را برای افراد معلول بهبود ببخشد. در این تحقیق از داده های یک مسابقه با موضوع واسطه های مغز و کامپیوتر برای طبقه بندی حرکات دست چپ و راست استفاده شده است. بدلیل اینکه سیگنال های EEG بشدت نویز پذیر می باشند، تعدیل نویز جهت استفاده بهتر از این سیگنال ها اهمیت زیادی دارد. در این مطالعه برای حذف نویز و نوفه های موجود در سیگنال EEG از الگوریتم حذف خودکار نوفه و فیلترهای مختلف جعبه ابزار نرم افزار متلب استفاده شده است. سپس باندهای فرکانسی بتای مرکزی و میو برای تحلیل پدیده های ERD و ERS جدا شده اند. نکته حائز اهمیت در این پژوهش استفاده از سه طبقه فیلترینگ پشت سر هم در جداسازی باندهای فرکانسی ذکر شده می باشد که منجر به بهبود نتایج حاصل از طبقه بندی شده است. در استخراج ویژگی های مورد نیاز، ویژگی توان لگاریتمی در حوزه زمان و ویژگی های میانگین، میانه، مد، انحراف معیار و واریانس سیگنال در حوزه موجک محاسبه شده اند. از طبقه بند ماشین بردار پشتیبان برای طبقه بندی ویژگی های استخراج شده استفاده شده است.

بهبود طبقه بندی حرکات دست چپ و راست در سیستم های واسط مغز و کامپیوتر با استفاده از سه طبقه فیلترینگ و استخراج ویژگی در حوزه های زمان و موجک Keywords:

واسط مغز و کامپیوتر , سیگنال EEG , طبقه بندی حرکات دست , استخراج ویژگی