ارایه الگوریتمی هوشمند مبتنی بر ویولت و آنالیز جداکننده خطی برای کلاس بندی تصور حرکت دست راست و چپ با استفاده از سیگنال مغزی

تصورات حرکتی فرآیندی ذهنی که در آن فرد انجام یک عمل را تجسم مینماید. طبقه بندی تصورات حرکتی با استفاده از سیگنالهای مغزی به طور صحیح قدم مهمی برای طراحی سیستم تعامل کامپیوتر و مغز برای افراد معلول میباشد. استخراج ویژگی مناسب یکی از اصلیترین چالشها در افزایش دقت این طبقه بندی است. در این تحقیق، با استفاده از آنالیز زمان-فرکانسی ویژگیهایی از سیگنال EEG را پیدا کردهایم که بتواند تفکیک بین تصور حرکت دست و چپ را به درستی انجام دهد. به این منظور ابتدا از تبدیل ویولت برای استخراج باندهای فرکانسی مختلف EEG استفاده نمودیم سپس برای کاهش ابعاد فضای ویژگیها، پارامترهای آماری ضرایب ویولت موثر را بدست آورده و به وسیله روش آنالیز جداکننده خطی (LDA) کاهش دادیم. در نهایت از روش ماشین بردار پشتیبان (SVM) برای کلاسبندی سیگنال مغزی حین تصور حرکت دست استفاده نمودیم. نتایج نشان میدهد روش پیشنهادی نسبت به روشهای پیشین با دقت بالاتری کلاس بندی تصور حرکت دست راست یا چپ را انجام میدهد.