روش همبستگي با پيش‌تنظيم براساس CCA براي سيستم واسط مغز-كامپيوتر مبتني بر SSVEP

Correlation Method with Pre-Tuning Using CCA for SSVEP-Based Brain-Computer Interface System

سيستم واسط مغز- كامپيوتر مبتني بر پتانسيل‌هاي برانگيخته بينايي حالت ماندگار، به‌دليل مزايايي چون سادگي راه‌اندازي و استفاده از سيستم، صحت كافي و همچنين نرخ تبادل اطلاعات قابل‌قبول، مورد‌ توجه قرار‌ گرفته‌ است. علاوه‌بر اين مزايا، براي داشتن سيستمي كه در دنياي واقعي قابل‌استفاده بوده و قابليت كاربرد برخط را داشته باشد، زمان پردازش كوتاه نيز معياري مهم است. در اين مقاله، با ارايه روشي بر‌مبناي استفاده از معيار همبستگي، فركانس تحريك در SSVEP بازشناسي شده است. روش پيشنهادي در دو مرحله برون‌خط و برخط انجام مي‌شود. در مرحله برون‌خط، روش CCA استاندارد، بين ثبت SSVEP فرد و سيگنال‌هاي مرجع سينوسي- كسينوسي اجرا شده و براي ساخت سيگنال‌هاي الگو از وزن‌هاي به‌وجود آورنده بيشينه همبستگي استفاده مي‌شود. در مرحله برخط، با محاسبه همبستگي براي سيگنال آزمايش و سيگنال‌هاي الگو و استفاده از بزرگ‌ترين مقدار همبستگي، فركانس متناسب با آن به‌عنوان فركانس تحريك تعيين مي‌شود. نتايج شبيه‌سازي، صحت بازشناسي فركانس بيشتر و در عين حال، زمان محاسبات كمتر روش پيشنهادي را نسبت به روش CCA استاندارد، نشان‌ مي‌دهند.

Brain-computer interface system based on Steady-state visual evoked potentials is taken into consideration due to advantages such as simplicity of installation and use of the system, enough accurate and acceptable Information transfer rate. In addition to these benefits, short processing time is also an important criterion to have a system that is applicable in real life and have the ability to use online. In this paper, a method based on standard CCA have been present for recognition of stimulus frequency. The proposed method is performed in two stages, offline and online. In the offline stage, the standard CCA is applied to the SSVEP and sin-cos reference signals. After that, template signals are constructed using weights that generate maximum correlation. In online stage, cross correlation between test signal and each template signals are calculated and the stimulus frequency is recognized. The greater accuracy of frequency recognition and less calculation time at the same time are shown by stimulation result.