مروري بر روشهاي به كار رفته در سيستم هاي انسان-رايانه تصور حركت

واسط انسان-رايانه كه به اختصار (BCI) ناميده مي شود، را مي توان پلي براي ارتباط انسان با دنياي پيرامونش دانست. اين تكنولوژي از طريق سيگنال هاي مغزي و بدون دخالت دادن ماهيچه ها ابزارهاي خارجي را تحت كنترل فرد در مي آورد. زماني كه فرد به منظور انجام حركت آماده مي شود، آن را به اجرا در مي آورد، و يا تنها اجراي آن را تصور مي كند، تغييراتي در توان سيگنال هاي مغزي فرد اتفاق مي افتد كه آن را (ERD/ERS) مي نامند. سيستم هاي BCI تصور حركت (MI-BCIs) با ثبت و پردازش اين نوسانات آن ها را به دستورات كنترلي دستگاه هاي خارجي تبديل مي نمايند. به سبب اين پتانسيل ها، اين تكنولوژي قادر است به افرادي كه دچار اختلالات عصبي عضلاني، سكته مغزي و يا بيماري ALS شده اند، كمك كند. از ساير كاربردهاي BCI مي توان به بازي هاي رايانه اي، هلي كوپترهاي مجازي و ... اشاره كرد. در چند دهه گذشته مطالعات بسياري به منظور بهبود سيستم هاي BCI انجام گرفته است و روش هاي مختلفي براي بهبود اين سيستم ها توسط محققين و پژوهشگران ارائه شده است. در اين تحقيق سعي شده است تا روش هاي استخراج ويژگي موفق به كار رفته در سال هاي اخير مورد بررسي قرار گيرد. نتايج مطالعات نشان دهنده موفقيت روش هاي مبتني بر الگوهاي فضايي مشترك و روش هاي تركيبي ذكر شده مي باشد. همچنين در اين تحقيق طبقه بندهاي پركاربرد و كارآمد نيز معرفي شده اند. در اين ميان طبقه بندهاي خطي ازقبيل: آناليز تشخيص خطي (LDA) و ماشين بردار پشتيبان(SVM) همواره به عنوان پركاربردترين ها و طبقه بند غيرخطي ماشين يادگيري شديد (ELM) به عنوان روشي موفق ذكر شده اند. در اين مطالعه معيارهاي مناسب ارزيابي سيستم هاي MI-BCI‌ نيز بررسي شده اند.