نام پژوهشگر: بهرام پرسه

کاهش تعداد آزمون و کانال در bci جهت آشکارسازی مولفه p300 پتانسیل برانگیخته بینایی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده برق و کامپیوتر 1391
  بهرام پرسه   احمدرضا شرافت

واسط مغز-کامپیوتر (bci) مبتنی بر p300، یک وسیله ارتباطی برای کمک به افرادی است که بر اثر ضایعات مغزی و نخاعی توانایی حرکت و تکلم خود را از دست داده‎اند و امکان برقراری ارتباط با محیط را ندارند. در این سیستم شخص روبروی صفحه نمایش یک رایانه می‎نشیند و ماتریسی از تصاویر و یا حروف (که سطر و ستون های این ماتریس به صورت تصادفی روشن و خاموش می‎شوند) به وی نشان داده می شود. پس از روشن شدن هر سطر و ستون متناظر با تصویر یا حرف مورد نظر، یک پتانسیل برانگیخته ‎بینایی همراه با موج p300 (p300-erp) در سیگنال eeg ثبت شده، تولید می شود. سیگنال p300-erp سیگنالی گذرا است که آشکارسازی آن به علت نسبت سیگنال به نویز کم آن، دشوار است. روش مرسوم برای داشتن یک سیستم bci قابل اعتماد، استفاده از متوسط گیری همزمان است که در آن کانالها و آزمونهای زیادی مورد نیاز است. این موضوع، علاوه بر خستگی مفرط کاربران bci در هنگام ثبت داده، سبب افزایش زمان و حجم محاسبات پردازشی می‎شود. هدف این رساله کاهش تعداد کانالها و آزمونهای مورد نیاز جهت آشکارسازی سیگنال p300-erp از طریق انتخاب همزمان کانال ها و ویژگیها است. در اکثر روشهای موجود، انتخاب کانال و بردار ویژگی به صورت مسقل از هم انجام می شود یعنی با در نظر گرفتن یک مجموعه کانال معلوم، ویژگی های موثر از سیگنال زمانی استخراج می شوند و یا با انتخاب یک بردار ویژگی معلوم، کانال های بهینه تعیین می شوند. انتخاب مستقل کانال و ویژگی، صحت طبقه بند را کاهش داده و از کارآیی سیستم می کاهد. علاوه بر این، کانال های مناسب و ویژگی های موثر، وابسته به شخص و نوع راهکار و دادگان bci است. در این رساله برای انتخاب همزمان کانالها و ویژگیها، روشی پیشنهاد شده است که از ترکیب متوالی معیار فاصله باتاچاریا و الگوریتم ارتقایافته دودویی بهینه سازی ازدحام ذرات (ibpso) برای انتخاب کانال ها، و از ضرایب موجک گسسته db4 در زیرباندهای موثر استفاده می کند. با استفاده از خواص پاسخ ضربه زمانی فیلترهای مرتبط با موجک مادر db4 توانستیم تعداد ویژگیها را بهمیزان 30% کاهش دهیم. نتایج شبیه سازی ها بر روی دو مجموعه دادگان مهم p300-bci (شامل 10 شخص و تعداد آزمون مختلف) نشان می دهد که روش پیشنهادی این رساله توانسته با کاهش میانگین 75/4 آزمون برای هر شخص و یا کاهش 60 تا 75 درصدی کانالها، به میانگین صحت بیشتر یا مشابه بهترین نتایج موجود بر روی هر دو مجموعه دادگان دست یابد.

استخراج مولفه p300 سیگنالهای eeg با روش موجک در سیستم bci، مبتنی بر p300 speller paradigm
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان 1388
  مجید کیامینی   شاهپور علیرضایی

چکیده ندارد.