استفاده از ویژگیهای فرکتالی سیگنالEEG در حوزه فرکانس برای طبقهبندی فعالیتهای ذهنی خاص

به سیستمی که ارتباط مغز با کامپیوتر از طریق سیگنالهای مغزی را میسر میکند، رابط مغز‐کامپیوتر میگویند. جهت پیاده سازی چنین سیستمی، احتیاج به استخراج ویژگی از سیگنالهایEEG مربوط به فعالیتهای ذهنی خاص و طبقهبندی آن است. ابعاد فرکتالی از خصوصیات غیر خطی سیگنال در حوزه زمان هستند که برای این منظور استفاده میشوند. این ویژگیها ملاکی از بی نظمی سیگنال هستند. ما در این مقاله، بی نظمی سیگنال را در حوزه فرکانس با استفاده از ابعاد فرکتالی بررسی کردهایم و از ویژگیهای بدست آمده در طبقهبندی فعالیتهای ذهنی خاص استفاده نمودهایم. طبقه بندی کننده های مختلفی مانند شبکه های عصبی و تخمین زن هایpdf بکار رفته اند. این ویژگی ها به همراه ویژگی های شناخته شده دیگر مانند ضرایب AR قدرت سیگنال و ضرایب Wavelet به طبقه بندی کننده ها اعمال گردیده اند. سپس نشان دادهایم که ویژگیهای ترکیبی جدید میتوانند در مقایسه با ویژگی های تکی، فعالیتهای ذهنی مورد نظر را با دقت بالاتر تفکیک کنند.

کلیدواژه ها:

رابط مغز‐کامپیوترBCI) سیگنال EEG ابعاد فرکتالی ، استخراج ویژگی ، طبقهبندی