مکانیابی منابع سیگنالهای Eeg با استفاده از فیلتر ذره ترتیبی

در این مقاله، به مکانیابی منابع سیگنال های الکتروانسفالوگرافی، با بهره گیری از فیلتر ذره ترتیبی (sequential particle filter (spf)) پرداخته شده است. در پیاده سازی الگوریتم spf، در چهارچوب روش های track before detection (tbd)، از داده های بدون آستانه گذاری استفاده شده است. این رویکرد متناسب با فضای تصادفی، چندنمایی، غیرگوسی و نویزی مسائل مکانیابی منابع سیگنال های الکتروانسفالوگرافی، طراحی گردیده است. روش پیشنهادی با توجه به سه فرض رایج نقطه ای بودن، تنک بودن و تعداد معین و محدود بودن منابع غالب سیگنال های الکتروانسفالوگرافی، به گونه ای طراحی شده که با نوعی اعمال فیلترینگ فضایی بر ذرات تولید شده در مراحل مختلف بازنمونه برداری الگوریتم فیلتر ذره، ذرات را مختص به هر منبع، با در نظر گرفتن اثر دیگر منابع، دسته-بندی و بازنمونه برداری می کند. ویژگی بارز این رویکرد آن است که الگوریتم را نسبت به الگوریتم متداول فیلتر ذره، در برابر نویز مقاومتر می‌کند. نتایج حاصل از اعمال روش پیشنهادی بر داده های شبیه سازی شده، نشان می دهد که این روش ضمن کاهش بار محاسباتی الگوریتم نسبت الگوریتم های متداول فیلتر ذره ، در داده های الکتروانسفالوگرافی با snr پایین هم از عملکرد بهتری برخوردار است.