انتخاب یک فضای ویژگی بهینه در تفکیک فعالیت‌های ذهنی بر پایه‌ی الگوریتم emd

مقدمه: طراحی سیستم‌های ارتباط مغز با رایانه (brain computer interface یا bci)، از دغدغه‌های بشر امروز به شمار می‌رود. این سیستم‌ها بر اساس سیگنال مغز عمل می‌کنند و تاکنون تحقیقات زیادی در این راستا انجام شده است. مرسوم‌ترین آن‌ها، سیستم‌های بر پایه‌ی سیگنال‌های مغزی مربوط به فعالیت‌های ذهنی می‌باشد. در طراحی سیستم‌های bci بر پایه‌ی فعالیت‌های ذهنی، انتخاب یک فضای ویژگی با قدرت تفکیک بالاتر و زمان پردازش کمتر، امری مهم به شمار می‌رود. در این مطالعه، سیگنال‌های مغزی مربوط به فعالیت‌های ذهنی گروه andersonکه جزء دادگان معروف و در دسترس این گونه سیستم‌ها می‌باشد، استفاده شده است.روش‌ها: این مطالعه به بررسی و اعمال الگوریتم جدید emd (empirical mode decomposition) با توجه به خصوصیات منطبق آن بر سیگنال eeg (electroencephalography) در کنار روش‌های مرسوم و موفقی چون طیف ar و آنتروپی پرداخت.یافته‌ها: الگوریتم emd به طور کامل با خواص غیرخطی و غیرایستان سیگنال‌های eeg سازگار بود. لذا به کار بردن مفاهیم آنتروپی، برای مدل کردن مقادیر پیچیدگی، و طیف ar، به عنوان تابعی معنی‌دار در حوزه‌ی فرکانس، در ادامه‌ی الگوریتم emd انتظار تفکیک خوبی را به وجود آورد.نتیجه‌گیری: اعمال الگوریتم emd و تمهیدات موازی با آن (آنتروپی emd) نسبت به روش‌های قبل، علاوه بر دارا بودن بُعد بسیار کمتر بردار ویژگی، به زمانی کمتر از 2 ثانیه برای استخراج ویژگی و حداکثر زمانی برابر با 0.1 ثانیه، برای تفکیک سیگنال‌های 10 ثانیه‌ای نیاز دارند. این نتایج برای یک سیستم bci، real-time بسیار مفید می‌باشد.