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، 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.