شناسايي حركات تصور شده برمبناي ويژگي‌هاي ديناميكي سيگنال EEG

كنترل اندام هاي مصنوعي مي تواند از طريق تفكيك الگوهاي تصورحركت با استفاده ازسيگنال هاي الكتروانسفالوگرافي (EEG) انجام شود. هدف از انجام اين مطالعه تشخيص تصور حركات دست و پا برمبناي سيگنال EEG است. مجموعه آزمون هاي IVA از داده هاي  BCI Competition IIIكه شامل سيگنال هاي EEG ثبت شده از 5 فرد سالم و در سه كانال C3، C4 و CZ است، براي طراحي سيستم تشخيص حركات تصور شده به كار رفت. در ابتدا، با استفاده از روش تحليل مولفه ي اصلي چند مقياسي (MSPCA) اجزاي اساسي نويز سيگنال EEG حذف شدند. در مرحله ي بعد، سيگنال هاي EEG با دو روش مختلف شامل فيلترينگ فركانسي با استفاده از فيلتر باترورث و روش تبديل بسته ويولت (WPT) به بخش هايي تجزيه شدند. در اين مطالعه، تجزيه ‌و تحليل نوسانات تفكيك‌شده، بعد فركتال، بعد همبستگي، پيچيدگي ليمپلزيو و آنتروپي به عنوان ويژگي هاي ديناميكي براي سيگنال ها محاسبه شدند. ويژگي هاي مورد نظر در هر دو روش تجزيه، براي نسخه زماني زيرباندهاي تعيين شده محاسبه شدند. به منظور تعيين بهترين عملكرد سيستم، تركيب هاي متفاوتي از كانال ها و ويژگي ها مورد ارزيابي قرار گرفتند. روش تجزيه بر مبناي تبديل ويولت، درحالت استفاده از هر سه كانال و پنج ويژگي، بالاترين دقت تشخيص را ارايه كرد؛ به گونه اي كه با استفاده از روش طبقه بندي ماشين بردار پشتيبان (SVM)، دقت 93 درصد در شناسايي حركات مورد نظر به دست آمد.