بهبود آشکارسازی مؤلفه p۳۰۰ با استفاده از تلفیق روش های مختلف زمانی، فرکانسی و مکانیِ استخراج ویژگی

Authors

زهرا امینی

دانش آموخته کارشناسی ارشد، دانشگاه یزد وحید ابوطالبی

استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد محمدتقی صادقی

استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد

abstract

دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنال های حاوی p300 و فاقد آن، ارائه می شود. این سیستم- که بر روی دادگان p300-speller مسابقات bci 2005 کار می کند- از چهار بخش اصلی پیش پردازش، استخراج ویژگی، انتخاب ویژگی و طبقه‍بند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگی های مختلف است. در مرحله استخراج ویژگی، شش دسته ویژگی شامل قطعه بندی هوشمند، ضرایب موجک، الگوهای مکانی مشترک، ویژگی های شکلی- زمانی، ویژگی های فرکانسی و دسته ویژگی ترکیبی الگوهای مکانی مشترک و قطعه بندی، تعریف شدند که برخی از این ویژگی ها (مانند ویژگی های قطعه بندی هوشمند، الگوهای مکانی مشترک و ترکیبی) تا کنون یا مستقیماً برای آشکارسازی p300 به کار نرفته بودند و یا در موارد بسیار معدودی از آنها استفاده شده بود. سپس ویژگی ها با معیارهای مختلفی  به صورت تک تک و گروهی ارزیابی شدند و در نهایت ترکیبی بهینه از مجموع این ویژگی ها به طبقه بند swlda داده شد. بدین ترتیب درصد صحت تشخیص مؤلفه p300 با این سیستم به 05/97% رسید که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجه برتری است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود آشکارسازی مؤلفة P300 با استفاده از تلفیق روش‌های مختلف زمانی، فرکانسی و مکانیِ استخراج ویژگی

دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنال‌های حاوی P300 و فاقد آن، ارائه می‌شود. این سیستم- که بر روی دادگان P300-Speller مسابقات BCI 2005 کار می‌کند- از چهار بخش اصلی پیش‌پردازش، استخراج ویژگی، انتخاب ویژگی و طبقه‍بند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگی‌های مختلف است. در مرحلة استخراج ویژگی، شش دسته ویژگی شامل قطعه‌بندی هوشمند، ضرا...

full text

بهبود آشکارسازی مؤلفة p300 با استفاده از تلفیق روش های مختلف زمانی، فرکانسی و مکانیِ استخراج ویژگی

دراین مقاله سیستمی مبتنی بر بازشناسی آماری الگو جهت تفکیک سیگنال­های حاوی p300 و فاقد آن، ارائه می شود. این سیستم- که بر روی دادگان p300-speller مسابقات bci 2005 کار می­کند- از چهار بخش اصلی پیش­پردازش، استخراج ویژگی، انتخاب ویژگی و طبقه‍بند تشکیل شده که تأکید اصلی این مقاله بر بخش استخراج ویژگی و بررسی کارایی ویژگی­های مختلف است. در مرحلة استخراج ویژگی، شش دسته ویژگی شامل قطعه­بندی هوشمند، ضرا...

full text

حذف خودکار آرتیفکت چشمی از سیگنال های مغزی با استفاده از ویژگی های آماری و زمانی- فرکانسی مولفه های مستقل

مهمترین مشکل در بررسی و پردازش ثبت های الکتروآنسفالوگرام (EEG) حضور انواع سیگنال های ناخواسته (آرتیفکت ها) است که حذف آنها با روش تحلیل مولفه های مستقل از بهترین گزینه های ممکن است. هدف مساله تحلیل مولفه های مستقل جداسازی کور ترکیبی خطی از منابع مستقل است. با اعمال این روش روی سیگنال های مغزی آغشته به آرتیفکت، آرتیفکت ها به صورت مولفه های مستقلی استخراج می شوند. تشخیص خودکار مولفه های مستقل مرب...

full text

آشکارسازی خطای امپدانس بالا با استفاده از تلفیق تبدیلات زمان فرکانسی و روش های هوش محاسباتی

خطاهای امپدانس بالا در شبکه های توزیع چالش منحصربفردی را در زمینه حفاظت ایجاد می نمایند. خطاهای امپدانس بالایی که اتفاق می افتند، خطای جریان قابل ملاحظه ای ایجاد نمی کنند تا بوسیله المانهای حفاظتی معمول شبکه از قبیل فیوزها یا رله های جریان زیاد شناسایی شوند. در این پایان نامه روشی جدید برای شناسایی این خطاها ارایه شده است. در ابتدا شکل موج های خطای امپدانس بالا که از آزمایشات واقعی به دست آمده ...

تلفیق تصاویر دمای سطح زمین مودیس و لندست-8 با استفاده از مدل تلفیق مکانی-زمانی تصویر

دستیابی به تصاویر ماهواره‌ای با قدرت تفکیک مکانی و زمانی بالا به‌صورت هم‌زمان یکی از چالش­های جدی محققان در حوزه سنجش ‌از دور و کاربردهای آن بوده است. در سال­های اخیر، محققان تلاش جدی برای حل این مسئله انجام داده­اند. استفاده از تکنیک تلفیق مکانی و زمانی تصاویر، ایده‌ای بوده که در چند سال اخیر مورد توجه بسیاری قرار گرفته است. در این مطالعه با استفاده از الگوریتم تلفیق مکانی-زمانی تصویر (STI-FM)...

full text

استخراج ویژگی زمانی- فرکانسی جهت شناسایی دیداری مصوت های فارسی

در این پایان نامه روشی برای شناسایی مصوت های فارسی در کلمات تک سیلابی ارائه می شود. برای این منظور پس از جداسازی فریم های تصویر و انتخاب فریم هایی که مربوط به تلفظ مصوت موجود در کلمه تک سیلابی بودند و نیز استخراج ناحیه ای پیرامون لب ها، ویژگی های مختلفی همچون ضرایب کسینوسی و ضرایب موجک و ضرایب mfcc برای تشخیص مصوت ها در کلمات تک سیلابی استخراج گردید. پس از آن توسط روش کاهش ویژگی lsda، ویژگی ها ...

My Resources

Save resource for easier access later


Journal title:
مهندسی پزشکی زیستی

جلد ۴، شماره ۴، صفحات ۲۹۳-۳۰۶

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023