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، ضرایب موجک، الگوهای مکانی مشترک، ویژگی­های شکلی- زمانی، ویژگی­های فرکانسی و دسته ویژگی ترکیبی الگوهای مکانی مشترک و قطعه­بندی، تعریف شدند که برخی از این ویژگی­ها (مانند ویژگی­های قطعه­بندی 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 ویژگی­ها با معیارهای مختلفی  به صورت تک تک و گروهی ارزیابی شدند و در نهایت ترکیبی بهینه از مجموع این ویژگی­ها به طبقه­بند swlda داده شد. بدین ترتیب درصد صحت تشخیص مؤلفة p300 با این سیستم به 05/97% رسید که در قیاس با نتایج مطالعات قبلی در این حوزه، نتیجة برتری است.