انتخاب يك فضاي ويژگي بهينه در تفكيك فعاليت‌هاي ذهني بر پايه‌ي الگوريتم EMD

مقدمه: طراحي سيستم‌هاي ارتباط مغز با رايانه (Brain computer interface يا BCI)، از دغدغه‌هاي بشر امروز به شمار مي‌رود. اين سيستم‌ها بر اساس سيگنال مغز عمل مي‌كنند و تاكنون تحقيقات زيادي در اين راستا انجام شده است. مرسوم‌ترين آن‌ها، سيستم‌هاي بر پايه‌ي سيگنال‌هاي مغزي مربوط به فعاليت‌هاي ذهني مي‌باشد. در طراحي سيستم‌هاي BCI بر پايه‌ي فعاليت‌هاي ذهني، انتخاب يك فضاي ويژگي با قدرت تفكيك بالاتر و زمان پردازش كمتر، امري مهم به شمار مي‌رود. در اين مطالعه، سيگنال‌هاي مغزي مربوط به فعاليت‌هاي ذهني گروه Andersonكه جزء دادگان معروف و در دسترس اين گونه سيستم‌ها مي‌باشد، استفاده شده است. روش‌ها: اين مطالعه به بررسي و اعمال الگوريتم جديد EMD (Empirical mode decomposition) با توجه به خصوصيات منطبق آن بر سيگنال EEG (Electroencephalography) در كنار روش‌هاي مرسوم و موفقي چون طيف AR و آنتروپي پرداخت. يافته‌ها: الگوريتم EMD به طور كامل با خواص غيرخطي و غيرايستان سيگنال‌هاي EEG سازگار بود. لذا به كار بردن مفاهيم آنتروپي، براي مدل كردن مقادير پيچيدگي، و طيف AR، به عنوان تابعي معني‌دار در حوزه‌ي فركانس، در ادامه‌ي الگوريتم EMD انتظار تفكيك خوبي را به وجود آورد. نتيجه‌گيري: اعمال الگوريتم EMD و تمهيدات موازي با آن (آنتروپي EMD) نسبت به روش‌هاي قبل، علاوه بر دارا بودن بُعد بسيار كمتر بردار ويژگي، به زماني كمتر از 2 ثانيه براي استخراج ويژگي و حداكثر زماني برابر با 0.1 ثانيه، براي تفكيك سيگنال‌هاي 10 ثانيه‌اي نياز دارند. اين نتايج براي يك سيستم BCI، Real-time بسيار مفيد مي‌باشد.