سال انتشار: ۱۳۹۰

محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۷

نویسنده(ها):

حبیبه قاهری – دانشگاه صنعتی شاهرود
علیرضا احمدی فرد – دانشگاه صنعتی شاهرود

چکیده:

[توضیح سیویلیکا: فایل مقاله به دلیل عدم درج فرمولها در داخل متن از پایگاه سیویلیکا حذف گردید.]
واسط مغزی و رایانه، سیستمی است که به منظور ارتباط مغز با محیط بیرون، فعالیت های مغزیمانند سیگنال های الکتروآنسفالوگرام را، مستقیماً به یک سری سیگنال ها ی ارتباطی، کنترلی تبدیل می کند. یکی از روش های کنترلی در این زمینه، استفاده از سیگنال های ناشی از تصور حرکتی است به طوریکه سیستم، قصد و نیت فرد را از روی این سیگنال ها تشخیص می دهد. یکی از موفق ترین روش ها در زمینه ی تصور حرکتی، CSP است که در آن سیگنال های الکتروآنسفالوگرام به فضای جدید مبتنی بر ماتریس کواریانس سیگنال ها نگاشته می شوند. روش CSP ساختار محلی نقاط زمانی را در نظر نمی گیرد و از آنجائیکه نویز داده های ورودی می تواند بر روی تخمین ماتریس کواریانس زمانی تأثیرگذار باشد، روش LTCSP پیشنهاد گردیده است. LTCSP که تعمیمی از روش CSP است، برای تشخیص مسائل دو کلاسه مطرح شده است که ما در این مقاله از این روش استفاده نموده و با تکنیک کلاسه بندی OVR، روشی برای کلاسه بندی داده های الکتروآنسفالوگرام به چهار کلاس تصور حرکتی پیشنهاد نموده ایم.در این مقاله از داده های ۲a مسابقه ی ۲۰۰۸ در زمینه BCI استفاده شده است. در بخش نتایج نشان می دهیم که الگوریتم پیشنهادی از روش CSP و حتی از برنده ی مسابقه ۲۰۰۸ در این زمینه نیز نتایج بهتری دارد.