بهينه سازي جستجوي خزندگان براي انتخاب ويژگي سيگنال هاي EEG مبتني بر SSVEP براي كاربردهاي واسط مغز و كامپيوتر

اين مطالعه يك الگوريتم پنج مرحله اي طبقه بندي پتانسيل برانگيخته بينايي حالت پايدار مبتني بر آناليز زماني و فركانسي سيگنال الكتروانسفالوگرام ارائه مي شود. در گام اول سيگنال الكتروانسفالوگرام سطحي جمع آوري مي شود. بدين منظور از پايگاه داده ي 40 كلاسه بوده و از نوع BCI Speller است و تعداد نمونه ها 35 نفر فرد سالم و نحوه‌ي كدگذاري 40 محرك بينايي است. طيف سيگنال‌هاي تحريك اين داده از 8 هرتز تا 15.8 هرتز با فاصله 0.2 هرتز است. در گام دوم الگوريتم پيشنهادي پيش پردازش داده هاي ثبت شده پياده سازي مي شود. بدين منظور از فيلتر گذاري مناسب در حوزه ي فركانس استفاده مي شود. در گام سوم پردازش داده هاي الكتروانسفالوگرام كاهش نويز شده انجام مي شود. بدين منظور ريتم ميو و بتاي سيگنال الكتروانسفالوگرام كه به ترتيب در محدوده ي 12-8 هرتز و 30-13 هرتز در ناحيه ي قشر حسي حركتي نشات مي گيرد استخراج مي شود. در گام چهارم از سيگنال حاصل از بازسازي تبديل موجك، ويژگي هاي مناسب آماري و حوزه ي زمان فركانس و آنتروپي استخراج مي شود.در گام پنجم از الگوريتم جستجوي خزندگان به منظور انتخاب ويژگي هاي بهينه بهره گيري شد و طبقه بندي ويژگي هاي حاصل با به كارگيري ساختار هاي طبقه بندي ماشين بردار پشتيبان و نزديك ترين همسايه ي وزن دار استفاده شد. بهترين نتايج حاصل از شبيه سازي ، براي ماشين بردار پشتيبان با صحتي حدود 83.8 درصد به دست آمد.