بکارگیری فیلتر ذره ترتیبی برای مکانیابی منابع سیگنال های EEG
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 107
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-11-2_002
تاریخ نمایه سازی: 25 مهر 1403
چکیده مقاله:
در این مقاله به مکانیابی منابع فعال همزمان چندگانه سیگنال های EEG با بهره گیری از روشی جدید و مبتنی بر فیلتر ذره پرداخته می شود. در روش پیشنهادی که فیلتر ذره ترتیبی (Sequential Particle Filter (SPF)) نام دارد، مولفه های بردار حالت هر یک از منابع به طور مجزا و با در نظر گرفتن اثر دیگر منابع تخمین زده می شوند. این روش با ایجاد تغییر در نحوه بازنمونه برداری و وزن دهی ذرات، نوعی فیلتر فضایی را برای بازتولید ذرات در الگوریتم فیلتر ذره ایجاد می کند که روش SPF را قادر می سازد که نسبت به الگوریتم های متداول فیلتر ذره، مقاومت بیشتری در مقابل نویز داشته باشد. برای ارزیابی عملکرد روش پیشنهادی، دو دسته شبیه سازی با سیگنال های تک فرکانسی و سیگنال های EEG شبه واقعی طراحی شده و همچنین عملکرد روش پیشنهادی بر سیگنال های EEG واقعی نیز مورد بررسی و مقایسه با دیگر روش ها از جمله الگوریتم سنتی فیلتر ذره و sLORETA، قرار گرفته است. نتایج نشان داده که روش پیشنهادی، در مقادیر نویز بالا، نسبت به الگوریتم سنتی فیلتر ذره و شکل دهنده پرتو LCMV خطای مکانیابی را کاهش داده است. ضمن اینکه نتایج شبیه سازی ها نشان داد که با استفاده از این روش می توان تعداد منابع فعال همزمان بیشتری را نسبت به روش های مورد مقایسه مکانیابی کرد. همچنین این روش به دلیل شکستن ابعاد بردار حالت به چندین زیربردار، متناسب با تعداد منابع، سرعت بالاتری نسبت به روش های سنتی فیلتر ذره دارد.
کلیدواژه ها:
Brain signals source localization ، electroencephalography ، Particle Filter (PF) ، Sequential Particle Filter (SPF)
نویسندگان
Seyed Morteza Nourian Najafabadi
Electrical Eng. Dept., Yazd University
Hamid Reza Abutalebi
Electrical Eng. Dept., Yazd University
Vahid Abootalebi
Electrical Eng. Dept., Yazd University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
