5-4- استخراج ویژگی……………………………… 51
5-4-1- آنتروپی ……………………………. 52
5-4-2- استخراج ویژگی با بهره گرفتن از تبدل والش………………. 53
5-4-3- استخراج ویژگی با استفاده تبدیل فوریه و موجک……………. 53
5-5- ماشین بردار پشتیبان (Support Vector Machin)…………………………….
5-5-1- ابر صفحه جداساز…………………………….. 55
5-5-2- جداسازی غیر خطی………………………………. 58
فصل ششم
نتایج و نتیجه گیری………………………………
6-1- مقدمه…………………………….. 60
6-2- حذف نویز…………………………….. 61
6-3- معیارهای ارزیابی……………………………… 65
6-3-1- نسبت سیگنال به نویز (Signal to Noise Rate)…………………………….
6-3-2- میانگین مربع خطا (Mean Square Error)…………………………….
6-3-3- جذر میانگین تفاضل مربعات(درصد)(Percentage Root Mean Square Difference)………..
6-4- استخراج ویژگی……………………………… 68
6-4-1- ویژگیهای تبدیل والش………………………………… 69
6-4-2- ویژگیهای تبدیل فوریه…………………………….. 72
6-4-3- ویژگیهای تبدیل موجک……………………………….. 76
6-5- مقایسه با کارهای مرتبط بر روی این مجموعه داده………….. 80
6-6- نتیجه گیری……………………………… 83
6-7- پیشنهاد ها……………………………. 85
منابع:………………………………. 86
چکیده:
در این پایان نامه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنالهای مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنالها با بهره گرفتن از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگیها عمل دسته بندی انجام می شود.
اولین پیش پردازش برای دسته بندی سیگنالهای مغزی حذف نویز از این سیگنالها میباشد. در این پایان نامه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی میشود. ابتدا با بهره گرفتن از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز میشود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با بهره گرفتن از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی میشود. نتایج ارزیابی با بهره گرفتن از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا میباشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنالها و دسته بندی آنهاپرداخته میشود. ویژگیهای استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال میباشد. برای ارزیابی کارایی این ویژگیها همین ویژگیها، نیز با بهره گرفتن از تبدیل موجک و فوریه استخراج میشوند و عمل دسته بندی بر اساس ویژگیهای استخراجی این سه روش به طور جداگانه انجام میشود. بعد از استخراج ویژگی، بر اساس ویژگیهای استخراجی، به دسته بندی سیگنالها با بهره گرفتن از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان میدهد که دسته بندی با بهره گرفتن از ویژگیهای استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگیهای دو تبدیل دیگر است. نرخ تشخیص با بهره گرفتن از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با بهره گرفتن از تبدیل والش از همهی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.
فصل اول: مقدمه
1-1- مقدمه
تعامل انسان با کامپیوتر (HCI)[1] امروزه کاربردهای گسترده ای دارد. این رشته علم بررسی تعامل کامپیوتر و انسان است. در واقع این علم نقطه تقاطع دانش کامپیوتر، علوم رفتارشناسی طراحی و چند علم دیگر است. ارتباط و تعامل کامپیوتر وانسان از طریق واسط اتفاق میافتد. که شامل نرمافزار و سختافزار است. یک تعریف دقیق آن چنین است:
علم تعامل کامپیوتر و انسان یک رشته مرتبط با طراحی ارزیابی و پیاده سازی سیستمهای محاسباتی متقابل برای استفاده انسان در مطالعه پدیدههای مهم پیرامون اوست. این رشته شاخههایی از هر دو طرف درگیر را شامل میشود مثلا گرافیک کامپیوتری، سیتمهای عامل، زبانهایی برنامه نویسی، تئوری ارتباطات و طراحی صنعتی برای قسمت کامپیوتری زبانشناسی، روانشناسی و کارایی انسان برای قسمت انسانی آن. این رشته به شاخه های زیادی تقسیم میشود که یکی از آنها واسط مغز و کامپیوتر(BCI)[2] است.
مغز انسان توانایی انتشار امواجی الكتریكی و مغناطیسی را دارد كه می توان با ثبت آنها علاوه بر كاربردهای پردازشی به تشخیص برخی بیماریها و حتی برقراری ارتباط به صورت تلپاتی پرداخت. یكی از روشهای ثبت این سیگنالها EEG)) [3] میباشد.
سیگنالهای الکتریکی مغزی را اولین بار دکتر هانس برگر[4] در سال 1920 شناسایی و ثبت کرد. با ثبت این سیگنالها تلاش انسان برای استفاده از این سیگنالها برای کاربردهای مختلف شروع شد. اکنون بیشترین استفادههای که از این سیگنالهای میشود در تشخیص پزشکی و کمک به افراد ناتوان جسمی و فکری است[1]. در اوایل ثبت این سیگنالها، به خاطر آشفته بودن و نویزی بودن این سیگنالها کار کردن بر روی و استخراج اطلاعات مفید از آنها مشکل بود.
این مطلب را هم بخوانید :
در اوایل کشف سیگنالهای مغزی به دلیل نبودن دستگاههای ثبت و ضبط مناسب انسان به این تصور بود که ارتباط انسان با محیط اطرافش سخت و غیر ممکن است. اما با پیشرفتهای که در حوزه رایانه و الکترونیک صورت گرفت و با ابداع ابزارهای مناسب جهت ثبت سیگنالهای مغزی این ارتباط دور از دسترس نیست. امروزه BCI علمی است که این ارتباط را برقرار می کند.
واسط مغز و رایانه از مجموعهای از سنسورها و اجزای پردازش سیگنال تشکیل میشود که فعالیت مغزی فرد را مستقیما به یک سری سیگنالهای ارتباطی یا کنترلی تبدیل میکند. در این سامانه ابتدا باید امواج مغزی را با بهره گرفتن از دستگاههای ثبت امواج مغزی ثبت کرد که معمولا به دلیل دقت زمانی بالا و ارزان بودن و همچنین استفاده آسان، از EEG برای ثبت امواج مغزی استفاده میشود. الکترودهای EEG در سطح پوست سر قرار میگیرند و میدان الکتریکی حاصل از فعالیت نورونها[5] راه اندازه گیری میکنند. در مرحله بعد این امواج بررسی شده و ویژگیهای مورد نظر استخراج میشود و از روی این ویژگیها میتوان حدس زد که کاربر چه فعالیتی را در نظر دارد. در شکل(-11) واحدهای پردازشی سیستم BCI را میبینیم.
با توجه به پایین بودن نسبت سیگنال به نویز در این سیستم ابتدا یک پیش پردازش و عملیات حذف نویز بر روی این سیگنال ها انجام میشود. مرحله بعد مرحله استخراج ویژگی است که در فصلهای بعد در مورد انواع ویژگیها و روش های استخراج ویژگی صحبت میکنیم در نهایت با بهره گرفتن از ویژگیهای استخراج شده عمل دستهبندی را انجام میدهیم.
واسط مغز و رایانه ممکن است ساختاری ثابت داشته باشد یا اینکه به صورت انطباقی باشد و خود را با مشخصه یا مشخصههای سیگنال انطباق بدهد. همچنین ممكن است از خروجی سیستم به نوعی به شخص مورد آزمایش فیدبك[6] داده شود. این روش به بیوفیدبك مشهور است.
در اولین همایش بین المللی که در ژوئن 1999 برگزار شد یک تعریف معمول برای BCI به صورت زیر ارائه شد[2]: (یک واسط مغز و رایانه یک سامانه ارتباطی است که وابسته به مسیرهای خروجی نرمال