بررسی اثر الگوهای مختلف دیداری بر عملکرد سیستم BCI مبتنی بر SSVEP و انتخاب الگوی بهینه جهت کنترل بازوی رباتیک

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,069

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ELECTRICA03_047

تاریخ نمایه سازی: 5 اردیبهشت 1396

Abstract:

واسط مغز رایانه (BCI) فن آوری نوینی است که مسیر ارتباطی جدیدی جهت تعامل مغز با محیط ایجاد می کند و به بازیابی عملکرد افراد دچار اختلال عصبی، عضلانی کمک می کند. سیستم BCI با پردازش سیگنال مغزی به خواسته فرد پی برده و دستور کنترلی لازم را صادر می کند. اخیرا در بین سیستم های BCI، سیستم مبتنی بر پتانسیل برانگیخته بینایی حالت دایمی (SSVEP)، به دلیل مزایایی همچون نرخ انتقال اطلاعات بالا، تعداد الکترود کم و زمان آموزش کوتاه بیشتر مورد توجه قرار گرفته است. به طور کلی SSVEP پاسخ پیوسته قشر بینایی مغز به تحریک متناوب دیداری است. بخش تحریک SSVEP، یک تابلو شامل چند LED است که هر یک با فرکانس خاصی چشمک می زنند و متناظر با فرمان خاصی هستند و کاربر با خیره شدن به هر یک از آنها، فرمان مطلوب خود را صادر می کند. در این مقاله با اعمال تحریک های دیداری مختلف و ثبت سیگنال EEG و به کمک روش تحلیل همبستگی کانونی (CCA)، عملکرد سیستم BCI برای الگوهای مختلف تحریک ارزیابی و الگوی بهینه تحریک جهت کنترل یک بازوی رباتیک مشخص می گردد. پیاده سازی عملی سیستم در حالت بهینه دقت 87% و اجرای حدود 20 فرمان در دقیقه را نشان می دهد.

Keywords:

واسط مغز رایانه , پتانسیل برانگیخته بینایی حالت دایمی , تحلیل همبستگی کانونی , بازوی رباتیک

Authors

سیدمحمد مهدی صافی

مربی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد دزفول

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 :
  • S. Gao, Y. Wang, X. Gao and B. Hong, "Visual ...
  • B. He, Neural Engineering, New York, Springer, 2013. ...
  • S. Sanei and J. Chambers, EEG Signal Processing, England, John ...
  • R. Fazel Rezai, Brain Computer Interface Systems, Recent Progress and ...
  • Z. Lin, C. Zhang, W. Wu and X. Gao, "Frequency ...
  • J. Castillo, S. Miller, E. Caicedo, and T. Bastos. "Feature ...
  • Y. Zhang, J. Jin, X. Qing, B. Wang, and X. ...
  • نمایش کامل مراجع