‌ استخراج مولفه p300 از سیگنال eeg به صورت تک آزمایشی با استفاده از روش آنالیز مقید مولفه های مستقل بر مبنای بهینه مطلق

سیگنال p300 یک پتانسیل وابسته به رخداد درونی است که به طور گسترده در سیستم های واسط مغز- رایانه مورد استفاده قرار می گیرد. از این رو شناسایی و استخراج آن به صورت تک آزمایشی در سیستم های واسط مغز- رایانه در لحظه بسیار اهمیت دارد. در این مقاله از روش آنالیز مقید مولفه های مستقل بر مبنای بهینه مطلق (gocica) جهت استخراج مولفه p300 از دادگان شبیه سازی شده و واقعی سیگنال eeg استفاده شده است و نتایج با روش معمول آنالیز مقید مولفه های مستقل(cica) و دو روش مبتنی بر روش آنالیز مولفه های مستقل (ica) مقایسه شده است. معیارهای ارزیابی مورد استفاده در این مطالعه نشان می دهد، بهترین نتایج جهت استخراج سیگنال p300 از دادگان شبیه سازی شده و واقعی، با استفاده از روش gocica مبتنی بر الگوریتم بهینه سازی جستجوی سیستم ذرات باردار (css) و روش gocica مبتنی بر الگوریتم بهینه سازی ازدحام ذرات (pso)، به دست آمده است. بنابراین روش های css-cica و pso-cica به عنوان روش هایی کارآمد جهت استخراج سیگنال p300 به صورت تک آزمایشی پیشنهاد می-شود.