انتخاب كانال براي سيگنال هاي EEG با استفاده از اطلاعات متقابل جهت دسته بندي تصور حركات

سامانه هاي واسط مغز و رايانه مبتني بر دسته بندي تصور فعاليت‌هاي حركتي با استفاده از سيگنال‌هاي چند كاناله EEG، نقش عمده‌اي در كنترل اندام‌هاي مصنوعي و ماشين ها توسط افراد معلول دارند. مشكل اساسي اين سيستم ها بيش برازش دسته بند به دليل تعداد زياد كانال ها و نمونه هاي آموزشي كم و نويزي مي‌باشد. در اين مقاله روشي براي انتخاب كانال هاي بهينه، مبتني بر بيشينه سازي اطلاعات متقابل كانال‌هاي منتخب و تصور حركت مدنظر ارائه شده است. توان زيرباندهايي با پهناي2 هرتز در باند 8 تا 30 هرتز و در فواصل 250 ميلي ثانيه اي در بازه نيم تا دو و نيم ثانيه پس از شروع تصور حركت به عنوان ويژگي براي هر كانال استخراج شده است. بعد ويژگي هاي استخراج شده با تركيب روش هاي L1-PCA  و NWFE به 10 كاهش يافته است. صحت كل دسته‌بند SVM براي نمونه هاي آزمايش دو شخص aa و al از داده هاي مسابقات BCI III  94.87 و 96.51 درصد است در حالي‌كه تعداد كانال‌ها از 118 به 7 كاهش يافته است.