وحید ابوطالبی
دانشیار، دانشکده مهندسی برق، دانشگاه یزد، یزد
[ 1 ] - یک روش ترکیبی جدید برای حذف آرتیفکت EOG از سیگنال EEG با استفاده از CCA و RLS
هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روش‌های آنالیز مؤلفههای مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة شامل آرتیفکت EOG با محاسبة ...
[ 2 ] - آشکارسازی مولفة P300 سیگنال مغزی با استفاده از الگوی زمانی مشترک وزن‌دار
آشکارسازی پتانسیل‌های وابسته به رخداد، یک پیش‌نیاز مهم در سیستم‌های واسط مغز و کامپیوتر (BCI) مبتنی بر ERP است. برای افزایش درصد صحت طبقه‌بندی در این سیستمها، از روش‌های فیلتر‌ینگ مختلفی استفاده می‌شود تا نرخ سیگنال به نویز بهبود یابد و در نتیجه تشخیص و طبقه‌بندی پتانسیل‌های وابسته به رخداد آسان شود. پیش از این، عملکرد فیلترهای الگوی مکانی مشترک (CSP) و الگوی زمانی مشترک (CTP) که به‌ترتیب فیلت...
[ 3 ] - ارزیابی عملکرد الگوریتمLASSO با فاز تصحیح‌شده در سیستم‌هایBCI مبتنی بر SSVEP
سیستم‌های BCI مبتنیبر SSVEP بهدلیل مزایایی چون سرعت انتقال اطلاعات بالا، نسبت بالای سیگنال به نویز و راحتی کاربران در استفاده از آن‌ها، توجه بسیاری از محققان را به خود جلب کردهاند. هدف پردازشی در این سیستمها، شناسایی فرکانس ظاهرشده در سیگنال EEG کاربر است. از میان روش‌های پردازشی مختلفی که برای شناسایی فرکانس در سیستم‌های BCI مبتنیبر SSVEP استفاده میشوند، روش LASSO با استقبال فراوانی همر...
[ 4 ] - بهبود عملکرد طبقه‌بندی‌کننده براساس نمایش تنک در سیستم‌هایBCI با به‌سازی فرایند استخراج ویژگی و استفاده از الگوریتم بهینه یافتن پاسخ تنک
در سال‌های اخیر، واسط مغز/رایانه (BCI)، به عنوان وسیله‌ای جدید برای ارتباط بین مغز انسان و محیط اطرافش مورد توجه قرار گرفتهاست. راه‌اندازی این نوع سیستمها به همکاری چند بلوک ازجمله بلوک‌های ثبت، پردازش سیگنال و رابط کاربری نیاز دارد. بلوک پردازش سیگنال شامل بلوک‌های پیش‌پردازش و شناسایی الگو است. بلوک شناسایی الگو نیز از دو مرحلهی استخراج ویژگی و طبقه‌بندی تشکیل شدهاست. در این پژوهش، از طب...
[ 5 ] - طبقه‌بندی کننده دومرحله‌ای مبتنی بر نمایش تنک و کاربرد آن در تشخیص سرطان
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﻣﻮﻓﻘﻴﺖﺁﻣﻴﺰ ﻃﺒﻘﻪﺑﻨﺪیﻛﻨﻨﺪﻩ ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ (SRC) ﻭ ﺧﻮﺷﻪﺑﻨﺪی ﺯﻳﺮﻓﻀﺎی ﺗﻨﮏ (SSC) ﺩﺭ ﻛﺎﺭﺑﺮﺩﻫﺎی ﻣﺨﺘﻠﻒ، ﺩﺭ ﺍﻳﻦ ﻣﻘﺎﻟﻪ ﺑﺎ ﺗﺮﻛﻴﺐ ﺍﻳﻦ ﺩﻭ ﺭﻭﺵ، ﻳﮏ ﺭﻭﺵ ﻃﺒﻘﻪﺑﻨﺪی ﺳﻠﺴﻠﻪ ﻣﺮﺍﺗﺒﻰ ﺍﺭﺍﺋﻪ ﻣﻰﺷﻮﺩ. ﺍﻳﺪﻩ ﺍﺻﻠﻰ ﺩﺭ ﺭﻭﺵﻫﺎی ﻃﺒﻘﻪﺑﻨﺪی ﻭ ﺧﻮﺷﻪﺑﻨﺪی ﻣﺒﺘﻨﻰ ﺑﺮ ﻧﻤﺎﻳﺶ ﺗﻨﮏ، ﻧﻤﺎﻳﺶ ﻫﺮ ﺩﺍﺩﻩ ﺑﻪ ﺻﻮﺭﺕ ﺗﺮﻛﻴﺐ ﺧﻄﻰ ﺗﻨﮏ ﺍﺯ ﺳﺎﻳﺮ ﺩﺍﺩﻩﻫﺎ ﺍﺳﺖ ﺑﻪ ﮔﻮﻧﻪﺍی ﻛﻪ ﺩﺍﺩﻩﻫﺎی ﻣﺸﺎﺑﻪ ﺑﺎ ﺩﺍﺩﻩ ﻣﻮﺭﺩ ﻧﻈﺮ ﺩﺭ ﺍﻳﻦ ﺗﺮﻛﻴﺐ ﺧﻄﻰ ﺑﻴﺸﺘﺮﻳﻦ ﻭﺯﻥ ﺭﺍ ﺑﻪ ﺧﻮﺩ ﺍﺧﺘﺼﺎﺹ ...
[ 6 ] - ترکیب ویژگی‌های مختلف سیگنال EEG تک‌کاناله به‌منظور طراحی یک سیستم تأیید هویت
با ظهور دانش بیومتریک، روش‌های متداول تأیید هویت در سیستم‌های بیومتریک دچار دگرگونی شده‌اند و در حال جایگزینی با روش‌هایی بر پایة علایم حیاتی هستند. اخیراً کاربرد سیگنال الکتریکی مغز(EEG) در سیستم‌های بیومتریک به عنوان یک شاخه پژوهشی جذاب و کاربردی مورد توجه محققان قرار گرفته است. پژوهش‌های نسبتاً محدودی در زمینة بیومتریک سیگنال الکتری...
[ 7 ] - 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...
[ 8 ] - آشکار سازی مولفه های شناختی سیگنال مغز با استفاده از ضرایب ویولت
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها نشان می دهد اغلب پردازش های شناختی مورد بررسی در ویژگی های مربوط به باندهای د...
[ 9 ] - بهبود کارایی طبقه‌بندی‌کننده مبتنی بر نمایش تنک برای طبقه‌بندی سیگنالهای مغزی
In this paper, the problem of classification of motor imagery EEG signals using a sparse representation-based classifier is considered. Designing a powerful dictionary matrix, i.e. extracting proper features, is an important issue in such a classifier. Due to its high performance, the Common Spatial Patterns (CSP) algorithm is widely used for this purpose in the BCI systems. The main disadvanta...
[ 10 ] - طبقه‌بندی پتانسیل‌های وابسته به رخداد مربوط به حافظه در بازشناسی تصاویر جدید و قدیم با استفاده از ویژگی‌های زمان-فرکانس
Abstract: The object of this research is development of memory assessment system, using Event Related Potentials. Our approach is using ERPs recorded on Fz, Cz and Pz electrodes. Subjects made old/new recognition judgments on new unstudied unmeaning pictures and old pictures which had been presented at study phase. Features related with memory activity in time-frequency domain were used to achi...
Co-Authors