روش تركيبي تجزيه‌ي حالت تجربي با CCA يا LASSO براي تشخيص فركانس تحريك SSVEP

امروزه استفاده از سيستم‌ رابط مغز-رايانه مبتني بر پتانسيل‌هاي برانگيخته‌ي بينايي حالت ماندگار به دليل مزايايي مانند صحت قابل قبول و نياز حداقلي به آموزش كاربر، رو به افزايش است. با وجود اين مزايا، نويزهاي ناخواسته‌اي كه SSVEP را تحت تاثير قرار مي‌دهد از مسائلي است كه مي‌تواند سبب كاهش كارايي چنين سيستم‌هايي شود. در اين مقاله از الگوريتم EMD در مرحله‌ي ابتدايي و از روش‌هاي CCA يا LASSO براي بازشناسي فركانس تحريك استفاده شده است. در گام اول، الگوريتم EMD اعمال شده است تا سيگنال غيرايستان SSVEP به توابعي نوساني تجزيه شده و امكان استخراج ويژگي‌هاي بامعني از سيگنال SSVEP فراهم شود. در بين IMF-هاي به دست آمده از روش EMD، تنها IMF-هايي انتخاب شده كه دامنه‌ي طيف فركانسي آن‌ها در محدوده‌ي فركانسي مربوط به تحريك بيش‌تر بوده است. با اين گزينش مي‌توان سيگنال‌هاي حاوي نويز و فاقد اطلاعات ارزشمند را كنار گذاشت. در ادامه دو روش تشخيصي CCA و LASSO روي مجموع سيگنال‌هاي انتخابي اجرا شده است تا به كمك آن‌ها فركانس تحريك شناسايي شود. نتايج شبيه‌سازي، صحت بازشناسي 81.76 و 82.26 درصد را به ترتيب براي روش‌هاي EMD-CCA و EMD-LASSO نشان داده در حالي كه دو روش پايه‌ي CCA و LASSO به ترتيب داراي صحت‌هاي 78.10 و 78.72 درصد مي‌باشند.