طراحی و پیاده سازی پردازشگر تشخیص سیگنال های مغزی مبتنی بر FPGA

در سال های اخیر، تحقیقات زیادی بر روی ارتباط انسان با دستگاه های الکترونیکی که امروزه به عنوان بخش غیرقابل انکار زندگی بشر محسوب می شوند انجام گرفته است. در همین راستا یکی از زمینه های تحقیقاتی جدید اینترفیس مغز با کامپیوتر یا BCI می باشد که هدف اصلی آن نزدیک کردن انسان و ماشین به یکدیگر هست. تشخیص سیگنال های مغزی در بازگرداندن توانایی های از دست رفته ی انسان و همچنین در ایجاد ارتباطی واحد به منظور کنترل وسایل الکترونیکی در سطوح شخصی تا صنعتی کاربرد دارد. گام اصلی در این زمینه استخراج بردار ویژگی مناسب جهت آموزش شبکه ی عصبی مصنوعی ANN است که ما سعی بر مقایسه ی روش ها و ارائه ی روش پیشنهادی در این زمینه داشته ایم. در این مقاله هدف تشخیص سیگنال های تولیدی مغز در زمان های تصور دست راست و چپ است که در این راستا به بیان روند دسترسی به سیگنال های مغزی، پردازش این سیگنال ها، تشخیص آنها و پیاده سازی این ساختار بر پایه ی FPGA می پردازیم.

کلیدواژه ها:

سیگنال های مغزی ، BCI ، شبکه های عصبی ، بردار ویژگی ، اتوماسیون ، FPGA ، ANN ، Feature Vector ،