آزمون دروغ‌سنجی مبتنی بر تلفیق اطلاعات آشوبناک کانال‌های سیگنال الکتروانسفالوگرام

در سال‌های اخیر استفاده از مولفه p300 در آزمون دانش گناهکار، از روش‌های پرکاربرد به شمار می‌رود. در مطالعات مختلف، کانال pz‌ به عنوان کانال حاوی بیشترین اطلاعات مربوط به این مولفه شناخته شده‌است. با این وجود، پژوهش‌های دیگر نشان داده‌اند که کانال‌های fz و cz نیز اطلاعات مفیدی از مولفه‌ی p300‌ ارائه می‌دهند. بنابراین، حل چالش استفاده توامان و بهینه از اطلاعات این سه کانال می‌تواند در بهبود نتایج حاصل از آزمون دروغ‌سنجی موثر واقع شود. در این مقاله به منظور استخراج اطلاعات مرتبط با مولفه p300، از تجزیه تحلیل کمّی بازرخداد سیگنال الکتروانسفالوگرام بهره گرفته شد. از سوی دیگر به منظور تلفیق اطلاعات آشوبناک این سه کانال، از رویکردهای تلفیق اطلاعات در سطح ویژگی و در سطح تصمیم‌گیری استفاده شد. برای تلفیق اطلاعات در سطح ویژگی دو روش (1) تلفیق تمامی ویژگی‌های سه کانال و تشکیل یک بردار کلی و (2) انتخاب ویژگی‌های بهینه از بردار مذکور با استفاده از الگوریتم ژنتیک مدنظر قرار گرفت. به منظور تلفیق اطلاعات در سطح تصمیم‌گیری نیز احتمال پسین وزن‌دار هر کلاس بر اساس بردارهای ویژگی و قابلیت اطمینان‌ هر کانال محاسبه شد و برای تشخیص افراد گناهکار و بی‌گناه مورد استفاده قرار گرفت. از میان رویکردهای پیشنهادی، رویکرد تلفیق اطلاعات در سطح تصمیم‌گیری با صحت 90 درصد، حساسیت 86/67 درصد و ویژه بودن 93/33 درصد نشان‌دهنده برتری این روش در قیاس با رویکردهای پیشنهادی دیگر است. علاوه بر این، سرعت اجرای پردازش‌های مربوط به این روش نسبت به روش مبتنی بر الگوریتم ژنتیک بسیار بالاتر است.