ترکیب بردارهای ویژگی برای افزایش کارایی یک سیستم ارتباط مغز-رایانه

سیستم ارتباط مغز-رایانه BCIبه عنوان یک راه ارتباطی نوین بین مغز و دستگاه خارجی، در دههای اخیربسیار مورد توجه قرار گرفته است. اساس کارBCIثبت سیگنالهای مغزی با یکی از روشهای تهاجمی(مانندECoGو یا غیر تهاجمی(مانندEEGو همچنین تفسیر حالات مختلف مغز و ساخت دستورات کنترلی برای دستگاههای خارجی میباشد. پیش پردازش، استخراج ویژگی ، کاهش ویژگی و کلاسبندی دادهها مراحل پردازش سیگنالهای مغزی هستند که در یک سیستمBCIاز اهمیت بسیاری برخوردار هستند. در این مقاله با استفاده ازپیاد هسازی گامهای پردازش سیگنالهای مغزی، نوع تصور حرکت تشخیص داده میشود و با استفاده از روش ترکیب ویژگیها و انتخاب ویژگیهای برتر، میزان خطای پیشبینی نوع حرکت، بهینه میگردد. لازم به ذکر است،در این مقاله از بانک دادهی شمارهIIBاز مسابقات ارتباط مغز-رایانه (سال 2008 میلادی) که از نه شخص ثبت شده است، استفاده میشود. پس از انجام گام پیش پردازش و حذف آرتیفکتهای سیگنال، بردارهای ویژگی توسط مدل پارامتری AAR ، AR تبدیل ویولت و فیلترCSPاستخراج م یشود. هدف اصلی در این مقاله بررسی میزان کارایی بردارهای ویژگی به صورت جداگانه و ارائه روشی برای افزایش کارایی سیستمBCIمیباشد؛ برای رسیدن بهاین هدف ابتدا تأثیر بردارهای ویژگی برای هر شخص با استفاده از کلاسبندی کنندهیSVMبررسی می گردد؛ سپس با ترکیب بردارهای ویژگی سیستمBCIمورد آزمایش قرار گرفته و برای افزایش کارایی آن، از روشهای انتخاب ویژگیهای برتر استفاده میشود. با بررسی جداول و شکلها به این نتیجه خواهیم رسید که میتوان با ترکیب بردارهای ویژگی، دقت کلاسبندی سیگنالهای مغزی مربوط به تصور حرکت را افزایش داد.