| چکیده |
چکیده در جامعه بشری افراد زیادی از معلولیت‌های جسمی رنج می‌برند. به منظور یاری این افراد سیستم-های واسط مغز-رایانه معرفی شده‌اند. می‌توان در این واسط‌ها از سیگنال SSVEP استفاده کرد. در این سیستم فرد به محرک‌هایی با فرکانس‌های تحریک متفاوت که هرکدام کدشده‌ی یک دستور خاص هستند خیره می‌شود و در سیگنال مغزی وی، فرکانسی مشابه با فرکانس محرک دیداری ایجاد می‌شود که با استخراج این فرکانس می‌توان به منظور کاربر پی برد. مسئله‌‌ی مهم در سیستم‌‌های BCI مبتنی بر SSVEP، کاربردی بودن این سیستمها در شرایط زندگی واقعی است. تعداد کانال‌های ثبت سیگنال، سرعت و صحت الگوریتم‌های پردازشی سیستم و راحتی کاربر از جمله مهم‌ترین عوامل تاثیرگذار برای یک سیستم BCI مبتنی بر SSVEP کاربردی است. استفاده از فرکانس‌های بالا برای محرک دیداری برای کاهش خستگی چشم و تعداد کم کانال ثبت سیگنال، اهمیت دارد. یکی از اجزای مهم این سیستمها، الگوریتم استخراج ویژگی به منظور شناسایی فرکانس هدف است. در این تحقیق پنج روش LASSO، L1MCCA، MsetCCA، CFA و MLR که در آن‌ها به نحوی از سیگنال مرجع برای شناسایی فرکانس هدف استفاده می‌شود، مورد ارزیابی قرار گرفتند. به علاوه عملکرد روش ME به عنوان یک روش مناسب برای تخمین طیف سیگنال مورد بررسی قرار گرفت. در فرکانس‌های بالا، نسبت سیگنال به نویز کاهش می‌یابد که عملکرد روش‌های استخراج ویژگی را تحت تاثیر قرار می‌دهد. به همین خاطر روش SARS به منظور بهبود نسبت سیگنال به نویز معرفی شد. عملکرد روش‌های LASSO، L1MCCA، MsetCCA، CFA و MLR و دو روش پیشنهادی SARS و ME، بر روی دادگان فرکانس پایین و فرکانس بالا و همچنین در شرایط کاربردی مورد بررسی قرار گرفت. نتایج آزمون‌های آماری GEE و McNemar نشان دادند که دو روش ME و SARS در شرایط واقعی هنگام استفاده از محرک‌های فرکانس بالا و استفاده از یک الکترود برای ثبت سیگنال، به‌طور معنی‌داری از پنج روش دیگر بهتر هستند. مقایسه‌ی زمان اجرای دو روش SARS و ME نیز نشان داد که روش SARS سریع‌تر از روش بیشینه آنتروپی است و در نتیجه برای سیستم BCI مبتنی بر SSVEP به‌صورت زمان حقیقی مناسب خواهد بود. کلید واژه‌ها: پتانسیل‌های برانگیخته بینایی حالت دائمی، واسط مغز-رایانه، سیگنال الکتریکی مغز، الگوریتم استخراج ویژگی، ناتوانان جسمی-حرکتی
|
