افزایش نسبت سیگنال به نویز در رابطهای مغز-کامپیوتر با استفاده از روش آنالیز اجزای مستقل در گام پیش پردازش

کیفیت سیگنالهای مغزی الکتروانسفالوگرام بسیار پایین است و این سیگنالها همواره آغشته به نویزهای فیزیولوژیکی و غیرفیزیولوژیکی هستند. روش آنالیز اجزای مستقل (ICA)، روشی پرکاربرد و مناسب برای کاهش نویز و بهبود کیفیت این سیگنال ها است. این روش نویزهای فیزیولوژیکی و غیر مشترک موجود در الکترودها را کاهش میدهد. با استفاده از روش آنالیز اجزای مستقل (ICA)، هر سیگنال به منبع اصلیاش اختصاص مییابد. با این کار سیگنالها از یکدیگر مستقل میشوند و نویز موجود، از سیگنالها جدا میشود. ما در این پژوهش از اولین مجموعه داده ی مسابقه ی چهارم سایت BCI Competition استفاده کرده ایم که یک مجموعه داده ی دو کلاسه و مربوط به تصورات حرکتی دست ها و پاها است. دو آزمایش متمایز را بر روی این داده ها پیاده کردیم. تفاوت این دو آزمایش استفاده از روش کاهش نویز آنالیز اجزای مستقل (ICA) در گام پیش پردازش رابط مغز-کامپیوتر (BCI) است. در هر دو آزمایش جهت استخراج ویژگی از روش الگوی فضایی مشترک (CSP) استفاده شده است. در گام طبقه بندی هر دو آزمایش، از سه طبقه بند ماشین بردار پشتیبان (SVM)، آنالیز تجزیه کننده ی خطی (LDA) و kتا نزدیکترین همسایه ها (K-NN) استفاده شده است. در آزمایش دوم که در گام پیش پردازش، روش آنالیز اجزای مستقل (ICA) به کار گرفته شده است، شاهد افزایش دقت و عملکرد سیستم، نسبت به آزمایش اول بودیم.

کلیدواژه ها:

رابط مغز-کامپیوتر ، آنالیز اجزای مستقل ، پیشپردازش ، نسبت سیگنال به نویز