ارزیابی عملکرد الگوریتم lasso با فاز تصحیح شده در سیستم های bci مبتنی بر ssvep

نویسندگان

محمدعلی منوچهری

فارغ التحصیلی کارشناسی ارشد/دانشگاه یزد وحید ابوطالبی

عضو هیات علمی / دانشگاه یزد امین مهنام

عضو هیات علمی /دانشگاه اصفهان

چکیده

سیستم های bci مبتنی بر ssvep به دلیل مزایایی همچون نرخ انتقال اطلاعات بالا، نسبت سیگنال به نویز بالا و راحتی کاربران در استفاده از آن ها توجه بسیاری از محققان را به خود جلب کرده اند. هدف پردازشی در این سیستم ها، شناسایی فرکانس ظاهر شده در سیگنال eeg کاربر است. از میان روش های پردازشی مختلفی که برای شناسایی فرکانس در سیستم های bci مبتنی بر ssvep مورد استفاده قرار می گیرند، روش lasso با استقبال فراوانی همراه بوده است. علی رغم عملکرد قابل قبول روش lasso در سیستم های bci مبتنی بر ssvep، این روش در هنگام ساخت سیگنال مرجع، اختلاف فاز احتمالی بین سیگنال مرجع و سیگنال eeg ثبت شده را مدنظر قرار نمی دهد. در این مقاله، ایده ی اصلاح فاز سیگنال مرجع با توجه به سیگنال eeg ثبت شده مورد بررسی قرار گرفته و روش پیشنهادی تحت عنوان lasso با فاز تصحیح شده مطرح شده است. در این مطالعه، ابتدا کانال مناسب برای شناسایی فرکانس در سیستم های bci مبتنی بر ssvep انتخاب شد و در ادامه مقایسه ای بین روش lasso استاندارد و روش پیشنهادی lasso با فاز تصحیح شده انجام گرفت. نتایج حاصل از این مقاله نشان می دهد که اصلاح فاز سیگنال مرجع در روش پیشنهادی lasso با فاز تصحیح شده، باعث بهبود نتایج شناسایی فرکانس نسبت به روش lasso استاندارد می شود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

متن کامل

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

متن کامل

ارزیابی عملکرد الگوریتمLASSO با فاز تصحیح‌شده در سیستم‌هایBCI مبتنی بر SSVEP

سیستم‌های BCI مبتنی­بر SSVEP به­دلیل مزایایی چون سرعت انتقال اطلاعات بالا، نسبت بالای سیگنال به نویز و راحتی کاربران در استفاده از آن‌ها، توجه بسیاری از محققان را به خود جلب کرده­اند. هدف پردازشی در این سیستم‌ها، شناسایی فرکانس ظاهر­شده در سیگنال EEG کاربر است. از میان روش‌های پردازشی مختلفی که برای شناسایی فرکانس در سیستم‌های BCI مبتنی­بر SSVEP استفاده می­شوند، روش LASSO با استقبال فراوانی همر...

متن کامل

Multi-target SSVEP-based BCI using Multichannel SSVEP Detection

Spatial filtering method and fast Fourier transform (FFT) based spectrum estimation method are applied to reveal the presence of steady state visual evoked potential (SSVEP) in multiple-electrodes electroencephalogram (EEG) signals used in Brain-Computer Interface (BCI) system. The SSVEP responses are elicited by visual stimuli in the form of flickering light emitting diode (LED) array and comp...

متن کامل

Eliciting dual-frequency SSVEP using a hybrid SSVEP-P300 BCI

BACKGROUND Steady-state visual-evoked potential (SSVEP)-based brain-computer interfaces (BCIs) generate weak SSVEP with a monitor and cannot use harmonic frequencies, whereas P300-based BCIs need multiple stimulation sequences. These issues can decrease the information transfer rate (ITR). NEW METHOD In this paper, we introduce a novel hybrid SSVEP-P300 speller that generates dual-frequency S...

متن کامل

Online SSVEP-based BCI using Riemannian geometry

Challenges for the next generation of Brain Computer Interfaces (BCI) are to mitigate the common sources of variability (electronic, electrical, biological) and to develop online and adaptive systems following the evolution of the subject's brain waves. Studying electroencephalographic (EEG) signals from their associated covariance matrices allows the construction of a representation which is i...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مهندسی پزشکی زیستی

جلد ۹، شماره ۲، صفحات ۲۰۵-۲۱۴

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023