CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود طبقه بندی حرکات دست چپ و راست در سیستم های واسط مغز و کامپیوتر با استفاده از سه طبقه فیلترینگ و استخراج ویژگی در حوزه های زمان و موجک

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۳۱۴ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICELE01_354
زبان مقاله: فارسی
حجم فایل: ۴۰۳.۴ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود طبقه بندی حرکات دست چپ و راست در سیستم های واسط مغز و کامپیوتر با استفاده از سه طبقه فیلترینگ و استخراج ویژگی در حوزه های زمان و موجک

  علیرضا قائمی - دانشجو کارشناسی ارشد برق، دانشگاه تحصیلات تکمیلی صنعتی کرمان
  عصمت راشدی - استاد یار گروه مهندسی برق، دانشگاه تحصیلات تکمیلی صنعتی کرمان
  علی محمدپوررحیمی - استادیار مرکز تحقیقات علوم اعصاب دانشگاه علوم پزشکی کرمان
  مهدی کماندار - استاد یار گروه مهندسی برق، دانشگاه تحصیلات تکمیلی صنعتی کرمان

چکیده مقاله:

پیش بینی حرکت اعضای بدن انسان با استفاده از سیگنال های EEG در سالهای اخیر بسیار مورد توجه قرار گرفته است. سیستم های واسط مغز و کامپیوتر، سیگنال های EEG را برای حالتهای مختلف ذهنی طبقه بندی می کنند. به این ترتیب می توان از فعالیتهای نورونی مغز برای برقراری ارتباط با محیط اطراف استفاده کرد. استفاده از چنین سیستمی امکان کنترل دستگاه های خارجی و اندام های مصنوعی را برای افراد فراهم می سازد و می تواند برقراری ارتباط را برای افراد معلول بهبود ببخشد. در این تحقیق از داده های یک مسابقه با موضوع واسطه های مغز و کامپیوتر برای طبقه بندی حرکات دست چپ و راست استفاده شده است. بدلیل اینکه سیگنال های EEG بشدت نویز پذیر می باشند، تعدیل نویز جهت استفاده بهتر از این سیگنال ها اهمیت زیادی دارد. در این مطالعه برای حذف نویز و نوفه های موجود در سیگنال EEG از الگوریتم حذف خودکار نوفه و فیلترهای مختلف جعبه ابزار نرم افزار متلب استفاده شده است. سپس باندهای فرکانسی بتای مرکزی و میو برای تحلیل پدیده های ERD و ERS جدا شده اند. نکته حائز اهمیت در این پژوهش استفاده از سه طبقه فیلترینگ پشت سر هم در جداسازی باندهای فرکانسی ذکر شده می باشد که منجر به بهبود نتایج حاصل از طبقه بندی شده است. در استخراج ویژگی های مورد نیاز، ویژگی توان لگاریتمی در حوزه زمان و ویژگی های میانگین، میانه، مد، انحراف معیار و واریانس سیگنال در حوزه موجک محاسبه شده اند. از طبقه بند ماشین بردار پشتیبان برای طبقه بندی ویژگی های استخراج شده استفاده شده است.

کلیدواژه‌ها:

واسط مغز و کامپیوتر، سیگنال EEG، طبقه بندی حرکات دست، استخراج ویژگی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICELE01-ICELE01_354.html
کد COI مقاله: ICELE01_354

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قائمی, علیرضا؛ عصمت راشدی؛ علی محمدپوررحیمی و مهدی کماندار، ۱۳۹۵، بهبود طبقه بندی حرکات دست چپ و راست در سیستم های واسط مغز و کامپیوتر با استفاده از سه طبقه فیلترینگ و استخراج ویژگی در حوزه های زمان و موجک، کنفرانس بین المللی مهندسی برق، تهران، سازمان پژوهشی باقرالعلوم (ع)، https://www.civilica.com/Paper-ICELE01-ICELE01_354.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قائمی, علیرضا؛ عصمت راشدی؛ علی محمدپوررحیمی و مهدی کماندار، ۱۳۹۵)
برای بار دوم به بعد: (قائمی؛ راشدی؛ محمدپوررحیمی و کماندار، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • .kandel, e.r., et al., principles of neural science. fifth ed. ...
  • Grabianowski, E. 2007 [cited 2007; How B rain-computer Interfaces Work]. ...
  • Eva, O.D. and A.M. Lazar, Comparison of Classifiers and Statistical ...
  • Naeem, M., et al., Seperability of four-class motor imagery data ...
  • Yong, X. and C. Menon, EEG Classification of Different Imaginary ...
  • human brain Deecke, L., H. Weinberg, and P. Brickett, Magnetic ...
  • Nationa I-Highway- Traffic- Safety-Admin istration. 2011; Available from: .http : ...
  • .Achermann, P., EEG Analysis Applied to Sleep. 2009: p. 28 ...
  • .Huber, R.H., Functional Aspects of the Sleep EEG. Epileptologie, 2009: ...
  • Garces Correa, A., L. Orosco, and E. Laciar, Automatic detection ...
  • _ _ خودکار حساسات با استفاده از سیگنال .EEG گروه ...
  • Pfurtscheller, G., Functional brain imaging based on ERD/ERS. Vision Research, ...
  • ./BCI Competition IV. 2008; Available from: http : //www .bbci ...
  • G 6omez- Herrero, G.a., Automatic Artifact Removal (AAR) toolbox v1.3 ...
  • Subasi, A., Automatic recognition of alertness from EEG by using ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۰۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.