سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طراحی فیلتر دیجیتال سیگنال های الکتروانسفالوگرام در واسط مغز و کامپیوتر

Publish Year: 1397
Type: Conference paper
Language: Persian
View: 1,049

This Paper With 15 Page And PDF and WORD Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ECICONFE03_082

Index date: 24 June 2019

طراحی فیلتر دیجیتال سیگنال های الکتروانسفالوگرام در واسط مغز و کامپیوتر abstract

سیگنال های مغزی (EEG)کاربردهای حیاتی مهمی در زمینه های مختلف پزشکی و غیره را دارا می باشند.با وجود کارایی بالای سیگنال های EEG , وجود سیگنال های مزاحم آرتیفکتی یک مشکل اجتناب ناپذیر می باشد. آرتیفکت ها اغتشاشات ناخواسته ای هستند که به طور عمده از فعالیت های انسانی مانند فعالیت های ماهیچه ای, پلک زدن و تداخلات محیطی همچون نوسانات برق شهر ناشی می گردند و می توانند باعث تغییر شکل و ایجاد ابهام در سیگنال های EEG شوند. ما با به کارگیری شبکه های عمیق اتوانکدر اسپارس پشته ای و تبدیل موجک سعی در حذف بعضی از تداخلات را داریم. مکانیزم پیشنهادی ما به این شرح بوده که در قدم اول از مجموعه دیتاست موجود نسبت به استخراج سیگنال های سالم اقدام نموده و سپس با اضافه کردن نویزهای تصادفی با SNR های متفاوت در محدوده فرکانسی آرتیفکت های ماهیچه ای و چشمی، بر روی سیگنال های سالم نویز ایجاد می نماییم و بر اساس آن شبکه عمیق مبتنی بر Stacked Sparse Autoencoders بر اساس الگوریتم های حریصانه لایه به لایه آموزش می دهیم. در این مرحله تبدیل ویولت سیگنال نویزی به عنوان ورودی این شبکه و سیگنال تمیز به عنوان خروجی آن درنظر گرفته می شود. از مزایای حوزه فرکانس و تبدیل ویولت برای افزایش قدرت شبکه در تشخیص و حذف نویزها که هرکدام یک بازه فرکانسی خاص دارند استفاده می شود. در این روش از ضرایب تبدیل ویولت به عنوان ورودی شبکه استفاده می شود. در واقع هدف استفاده از شبکه عمیق جهت یادگیری یک فیلتر تطبیقی برای حذف نویز بوده که از داده های آموزشی برای آموزش این فیلتر استفاده می شود.برای مقایسه کمی روش ها از معیار میانگین مجذور مربعات خطا(RMSE) , چگالی طیف قدرت (PSD) و دقت طبقه بندی استفاده کردیم.نتایج نشان می دهد که روش پیشنهادی به همراه طبقه بندی کننده SVM دارای عملکرد بهتری نسبت به دیگر روش ها می باشد

طراحی فیلتر دیجیتال سیگنال های الکتروانسفالوگرام در واسط مغز و کامپیوتر Keywords:

طراحی فیلتر دیجیتال سیگنال های الکتروانسفالوگرام در واسط مغز و کامپیوتر authors

مژگان شفیعی جم

دانشجوی کارشناسی ارشد برق , واحد تهران غرب ,دانشگاه آزاد اسلامی,تهران,ایران

علیرضا سیادتان

گروه برق, دانشکده فنی و مهندسی ، واحد تهران غرب ,دانشگاه آزاد اسلامی,تهران,ایران

مقاله فارسی "طراحی فیلتر دیجیتال سیگنال های الکتروانسفالوگرام در واسط مغز و کامپیوتر" توسط مژگان شفیعی جم، دانشجوی کارشناسی ارشد برق , واحد تهران غرب ,دانشگاه آزاد اسلامی,تهران,ایران؛ علیرضا سیادتان، گروه برق, دانشکده فنی و مهندسی ، واحد تهران غرب ,دانشگاه آزاد اسلامی,تهران,ایران نوشته شده و در سال 1397 پس از تایید کمیته علمی سومین همایش بین المللی مهندسی برق، علوم کامپیوتر و فناوری اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الکتروانسفالوگرام، آرتیفکت ،یادگیری عمیق ،اسپارس اتوانکودر، تبدیل ویولت هستند. این مقاله در تاریخ 3 تیر 1398 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1049 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که سیگنال های مغزی (EEG)کاربردهای حیاتی مهمی در زمینه های مختلف پزشکی و غیره را دارا می باشند.با وجود کارایی بالای سیگنال های EEG , وجود سیگنال های مزاحم آرتیفکتی یک مشکل اجتناب ناپذیر می باشد. آرتیفکت ها اغتشاشات ناخواسته ای هستند که به طور عمده از فعالیت های انسانی مانند فعالیت های ماهیچه ای, پلک زدن و تداخلات محیطی همچون ... . این مقاله در دسته بندی موضوعی یادگیری عمیق طبقه بندی شده است. برای دانلود فایل کامل مقاله طراحی فیلتر دیجیتال سیگنال های الکتروانسفالوگرام در واسط مغز و کامپیوتر با 15 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.