مقایسه ویژگی های توانی و آماری ویولت در طبقه بندی و تفکیک سیگنال های انگیختگی از سطح سر

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NEEREC07_006

تاریخ نمایه سازی: 27 فروردین 1393

چکیده مقاله:

هدف این مقاله استخراج ویژگی های آماری و توانی فرمان های حرکتی مغز جهت ارتباط انسان با رایانه می باشد. از آنجا که استخراج ویژگی ها یکی از مسائل مهم در طبقه بندی می باشد، هرچه ویژگی های استخراج شده اطلاعات بیشتری از خصوصیات مد نظر ما را داشته باشد طبقه بندی کننده حالت ذهنی عملکرد ودقت بهتری خواهند داشت. حرکت های مد نظر در این تحقیق تصور حرکت های دست راست و چپ می باشد. تبدیل ویولت به طور ویژه ای برای جداسازی سیگنال های غیر ایستان با ویژگی های فرکانسی متفاوت بکار می رود. در این تحقیق، تبدیل ویولت گسسته جهت بررسی فرکانس-زمانی سیگنال های EEGاستفاده می شود. این تبدیل بر پایه گذراندن سیگنال از دو فیلتر بالا و پایین گذر و سپسکاهشنمونه به دست می آید که این فرآیند می تواند در چند طبقه انجامگیرد. نتایج نشان می دهد ویژگی های توانی استخراج شده به تنهایی تا 87 % درصد و پس از آن ویژگی های توانی بهمراه ویژگی های آماری، تا حد بسیاری می تواند به طبقه بندی حالت های تصور ذهنی کمک کند

کلیدواژه ها:

رابط مغز و رایانه ، ویولت ، DWT2 ، EEG/پتانسیل های برانگیخته

نویسندگان

ناصر ضیائی

دانشگاه آزاد اسلامی واحد کازرون ایران

علی رفیعی

دانشگاه آزاد اسلامی واحد کازرون ایران

محسن معصومی

دانشگاه آزاد اسلامی واحد کازرون 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 :
  • _ دکتر احمد بناکار، شبکه های عصبی موجک و کاربرد ...
  • _ ناصر ضیایی، علی رفیعی، محسن معصومی، تشخیص و پردازش ...
  • های حرکتی قشر مغز از سیگنال های مغزی جهت استفاده ...
  • ]F_ مارتین تی. هاگان- هاوارد بی.دیموث- مارک بیل، طراحی شبکه ...
  • _3[دکتر محمد باقر منهاج _ مبانی شبکه های عصبی، ویرایش ...
  • Wavelet Toolbox User' s Guide R2011b Michel Misiti, Yves Misiti, ...
  • Digital Signal Processing ...
  • A. Schligl, K. Lugger and G. Pfurtscheller (1997) Using Adaptive ...
  • Implementation of Epileptic EEG using Recurrent Neural Network M Gayatri, ...
  • Subasi, A. Automatic recognition of alertness level from EEG by ...
  • University of Technology Graz. (Gert Pfurtscheller) http ://www _ bb ...
  • Automatic Sleep Stage Classificatioh Based on EEG Signals by Using ...
  • نمایش کامل مراجع