الگوی فضایی مشترک همبستگی زمانی مکانی برای طبقه بندی سیگنال های EEG تک ثبت ناشی از تصور حرکت چندکلاسه در سیستم های واسط مغز-رایانه
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,534
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICTCK02_023
Index date: 29 October 2016
الگوی فضایی مشترک همبستگی زمانی مکانی برای طبقه بندی سیگنال های EEG تک ثبت ناشی از تصور حرکت چندکلاسه در سیستم های واسط مغز-رایانه abstract
در سالهای اخیر تحقیقات بسیاری دربارهی تشخیص فعالیت های ذهنی در سیستم های واسط مغز-رایانه (BCI) ارائهشده است. در این سیستم ها به کمک سیگنال های مغزی، ارتباط بین شخص و وسایل جانبی برقرار می گردد. الگوریتمالگوی فضایی مشترک (CSP) یکی از مؤثرترین روش ها در BCI مبتنی بر تصور حرکتی است. هدف این روش یافتن فیلترهایی است که پس از اعمال آنها بر روی سیگنال های مغزی بتوان بیشترین اختلاف از لحاظ واریانس را برای دوکلاس مختلف ایجاد نمود. این روش ساختار محلی نقاط زمانی را درنظر نمی گیرد به همین جهت تخمین ماتریسکواریانس نسبت به نویز حساس است. این مشکل توسط الگوهای فضایی مشترک همبستگی زمانی مکانی (LTCCSP) برای تشخیص تصور حرکت مسائل دوکلاسه برطرف شده است. در این مقاله از این روش استفاده و با تکنیک OVR به مسائل چهارکلاسه تعمیم داده شده است. از آنجایی که عملکرد این الگوریتم وابسته به انتخاب باند فرکانسی بهینه برای هر فرد است، روشی جهت حل این مشکل نیز ارائه شده است. در این تحقیق از مجموعه 2a پایگاه داده رقابت چهارم BCI که شامل سیگنال 9EEG نفر درطی تصور حرکت دست چپ، دست راست، پاو زبان می باشد، استفاده شده است. نتایج نشان میدهد که الگوریتم پیشنهادی نسبت به روش CSP عملکرد بهتری دارد.
الگوی فضایی مشترک همبستگی زمانی مکانی برای طبقه بندی سیگنال های EEG تک ثبت ناشی از تصور حرکت چندکلاسه در سیستم های واسط مغز-رایانه Keywords:
الگوی فضایی مشترک همبستگی زمانی مکانی برای طبقه بندی سیگنال های EEG تک ثبت ناشی از تصور حرکت چندکلاسه در سیستم های واسط مغز-رایانه authors
هدی مجدی
گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مهدی آذرنوش
گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :