شناسایی حرکات تصور شده برمبنای ویژگیهای دینامیکی سیگنال EEG

کنترل اندام­های مصنوعی می­تواند از طریق تفکیک الگوهای تصورحرکت با استفاده ازسیگنال­های الکتروانسفالوگرافی (EEG) انجام شود. هدف از انجام این مطالعه تشخیص تصور حرکات دست و پا برمبنای سیگنال EEG است. مجموعه آزمون­های IVA از داده­های  BCI Competition IIIکه شامل سیگنال­های EEG ثبت­شده از 5 فرد سالم و در سه کانال C3، C4 و CZ است، برای طراحی سیستم تشخیص حرکات تصور شده به­کار رفت. در ابتدا، با استفاده از روش تحلیل مولفه­ی اصلی چند مقیاسی (MSPCA) اجزای اساسی نویز سیگنال EEG حذف شدند. در مرحله­ی بعد، سیگنال­های EEG با دو روش مختلف شامل فیلترینگ فرکانسی با استفاده از فیلتر باترورث و روش تبدیل بسته ویولت (WPT) به بخش­هایی تجزیه شدند. در این مطالعه، تجزیه ‌و تحلیل نوسانات تفکیک‌شده، بعد فرکتال، بعد همبستگی، پیچیدگی لیمپل-زیو و آنتروپی به­عنوان ویژگی­های دینامیکی برای سیگنال­ها محاسبه شدند. ویژگی­های مورد نظر در هر دو روش تجزیه، برای نسخه زمانی زیرباندهای تعیین شده محاسبه شدند. به­منظور تعیین بهترین عملکرد سیستم، ترکیب­های متفاوتی از کانال­ها و ویژگی­ها مورد ارزیابی قرار گرفتند. روش تجزیه بر مبنای تبدیل ویولت، درحالت استفاده از هر سه کانال و پنج ویژگی، بالاترین دقت تشخیص را ارایه کرد؛ به­گونه­ای که با استفاده از روش­ طبقه­بندی ماشین بردار پشتیبان (SVM)، دقت 93 درصد در شناسایی حرکات مورد نظر به­دست آمد.