بررسي و تحليل روشهاي استخراج ويژگي مبتني بر الگوي فضايي مشترك جهت كلاسه بندي EEG در سيستم هاي واسط مغز - رايانه

در سالهاي اخير تحقيقات بسياري براي كلاسهبندي سيگنالهاي مغزي ناشي از فعاليتهاي ذهني ارائه شده است. در به دليل عملكرد بالا در كلاسهبندي و فيلترهاي فضايي مفيد بهدست (CSP)اين بين الگوريتم الگوي فضايي مشترك آمده از اين روش، محبوبيت بيشتري كسب كرده است. اما اين روش داراي معايبي است كه عملكرد آن را تحت تأثير ، ماتريسهاي كواريانس دو كلاس را به طور همزمان قطري ميكند اما تخمين ماتريس CSP قرار ميدهند. روش كواريانس بهشدت تحت تأثير نويز و نقاط دورافتاده قرار دارد و همچنين ساختار زماني سيگنالهاي مغزي درنظر گرفته نميشود. از ديگر معايب اين روش، وابستگي آن به انتخاب باند فركانسي فيلترهايي است كه بر دادهها اعمال ميشود. فقط براي مسائل دو كلاسه مطرح شده است. به همين جهت، تحقيقات مختلفي براي برطرف CSPعلاوه بر اين، روش براي CSP كردن اين مشكلات ارائه شده است. در اين مقاله انواع روشهاي استخراج ويژگي مبتني بر الگوريتم طبقهبندي سيگنالهاي مغزي در سيستمهاي واسط مغز-رايانه مورد بررسي و تحليل قرار گرفته است و نشان داده ميشود كه در بين روشهاي بهبود تخمين ماتريس كواريانس و روشهاي انتخاب باند فركانسي بهينه، بهترتيب روش OVR و LTCCSP - داراي بهترين عملكرد ميباشند. FBCSP