ارایه الگوریتمی جدید جهت کاهش ابعاد سیگنال مغزی

امروزه با پیشرفت تکنولوژی جهت ثبت و ضبط سیگنال های مغزی (EEG) electroencephalogram از تجهیزاتی استفاده می شود که تعداد کانال های آنها رو به فزونی است. افزایش تعداد کانالها از یک سو موجب بالا رفتن حجم محاسباتی جهت طبقه بندی الگوهای سیگنال مغزی شده و از سوی دیگر شانس نویز پذیری و یا کاهیدن ارزش اطلاعاتی کانالها را افزایش داده است. لذا در طراحی طبقه بندی کننده ها سیگنال مغزی از تکنیک های کاهش بعد استفاده می شود. در این مقاله برای اولین بار الگوریتمی برای کاهش ابعاد داده ها به روش (CSP) Common spatial pattern ارائه شده است که نسبت به روش های مشابه قبلی دارای کارایی بیشتری است. دادگان سیگنال EEG پس از پیش پردازش توسط الگوریتم های CSP کاهش بعد داده شده و پس از استخراج مشخصه فرکانسی ، طبقه بندی به روش Support Vector Machine (SVM) بر روی آنها انجام گردیده است. نتایج به دست آمده از طبقه بندی کننده احساسات نشان داد که این روش به خوبی حداقل 50 درصد از حجم داده ها را کاهیده است در حالیکه اولا در مقایسه با روش های قبلی از سرعت و پایداری بیشتری برخوردار بوده و ثانیا صحت نتایج بازشناسی الگو های احساسی را افزایش داده است.

Keywords:

طبقه بندی کننده , احساسات , سیگنال مغزی