آشكارسازي حركت پا در سيستم واسط مغز-رايانه كاربرفرما با استفاده از روش طبقه‌بندي مبتني بر نمايش تنك سيگنال

Foot movement onset detection in self-paced BCIs using sparse representation based classifier

سيستم‌هاي BCI كاربرفرما در مقايسه با سيستمهاي BCI سنكرون، ارتباط طبيعي تر كاربر را با فضاي خارج امكان پذير مي‌كنند. آشكارسازي بازه‌هاي وقوع حركت در سيگنال پيوسته EEG مساله‌اي كليدي در طراحي سيستم هاي BCI كاربرفرما مبتني بر حركت است. در اين مقاله با استفاده از ويژگي بعد فركتالي در باند فركانسي 6 تا 36 هرتز و طراحي طبقه‌بند مبتني بر نمايش تنك سيگنال، پديده نورولوژيك همزماني وابسته به رخداد (ERS)- كه بلافاصله پس از وقوع حركت پا در سيگنال EEG اتفاق مي افتد- با دقت قابل قبولي از سيگنال پس‌زمينه تشخيص داده شد. روش پيشنهادي اين مقاله، بر سيگنال EEG تك كانال ثبت شده از 7 كاربر حين انجام حركت پا اعمال شد و متوسط=90% TPRavr و FPRavr=5% براي همه افراد بدست آمد.

Self-paced BCI systems are more natural for real-life applications since these systems allow the user to control the system when desired. Detection of event periods in continuous EEG signal is one of the most important challenges in designing self-paced BCIs. In this paper, the Event related synchronization (ERS) is extracted from idle EEG signal using fractal dimensions in frequency range from 6 to 36 Hz and sparse representation based classifier. Our proposed method applied on EEG signal recorded during executing foot movement in 7 subjects. The average true positive rate and false positive rate equal to 90% and 5% were achieved.