بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوی فضایی مشترک جهت کلاسه بندی سیگنال های EEG در سیستم های واسط مغز-رایانه
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,188
فایل این مقاله در 10 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:
ICTCK02_041
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
در سالهای اخیر تحقیقات بسیاری برای کلاسه بندی سیگنال های مغزی ناشی از فعالیت های ذهنی ارائه شده است. دراین بین الگوریتم الگوی فضایی مشترک (CSP) به دلیل عملکرد بالا در کلاسه بندی و فیلترهای فضایی مفید به دست آمده از این روش، محبوبیت بیشتری کسب کرده است. اما این روش دارای معایبی است که عملکرد آن را تحت تأثیر قرار می دهند. روش CSP، ماتریس های کواریانس دو کلاس را به طور همزمان قطری می کند اما تخمین ماتریس کواریانس به شدت تحت تأثیر نویز و نقاط دورافتاده قرار دارد و همچنین ساختار زمانی سیگنال های مغزی درنظر گرفتهنمی شود. از دیگر معایب این روش، وابستگی آن به انتخاب باند فرکانسی فیلترهایی است که بر داده ها اعمال می شود.علاوه بر این، روش CSP فقط برای مسائل دو کلاسه مطرح شده است. به همین جهت، تحقیقات مختلفی برای برطرف کردن این مشکلات ارائه شده است. در این مقاله انواع روشهای استخراج ویژگی مبتنی بر الگوریتم CSP برایطبقه بندی سیگنال های مغزی در سیستم های واسط مغز-رایانه مورد بررسی و تحلیل قرار گرفته است و نشان دادهمی شود که در بین روش های بهبود تخمین ماتریس کواریانس و روش های انتخاب باند فرکانسی بهینه، به ترتیب روش LTCCSP و OVR-FBCSP دارای بهترین عملکرد می باشند.
کلیدواژه ها:
نویسندگان
هدی مجدی
گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مهدی آذرنوش
گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
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 :