نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• علی مالکی ¹
• مرضیه علیرضایی علویجه ²

¹ گروه مهندسی پزشکی ، دانشگاه سمنان، سمنان، ایران

² دانشگاه سمنان

چکیده

امروزه استفاده از سیستم‌ رابط مغز- رایانه مبتنی بر پتانسیل‌های برانگیخته بینایی حالت ماندگار به دلیل محاسنی همچون صحت قابل قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. با وجود این مزایا، نویزهای ناخواسته‌ای که SSVEP را تحت تاثیر قرار می‌دهد از مسائلی است که می‌تواند سبب کاهش کارایی چنین سیستم‌هایی شود. این مقاله از الگوریتم EMD در مرحله ابتدایی و از روش‌های CCA یا LASSO برای بازشناسی فرکانس تحریک استفاده نموده است. در گام اول، الگوریتم EMD اعمال می‌گردد تا سیگنال غیرایستان SSVEP به توابعی نوسانی تجزیه گردد تا امکان استخراج ویژگی‌های بامعنی از سیگنال SSVEP میسر ‌شود. در بین IMFهای به دست آمده از روش EMD، تنها IMFهایی انتخاب شدند که دامنه طیف فرکانسی آنها در محدوده فرکانسی مربوط به تحریک بیشتر باشد. با این گزینش می‌توان سیگنال‌های حاوی نویز و فاقد اطلاعات ارزشمند را کنار گذاشت. در ادامه دو روش تشخیصی CCA و LASSO بر روی مجموع سیگنال‌های انتخابی اجرا شده تا به کمک آن‌ها، فرکانس تحریک شناسایی شود. نتایج شبیه‌سازی صحت بازشناسی 76/81 و 26/82 درصد را به ترتیب برای روش پیشنهادی EMD-CCA و EMD-LASSO نشان می‌دهد در حالی که دو روش پایه CCA و LASSO به ترتیب دارای صحت‌های 10/78 و 72/78 درصد می‌باشند.

کلیدواژه‌ها

• واسط مغز- رایانه
• پتانسیل‌های برانگیخته بینایی حالت ماندگار
• تجزیه حالت تجربی
• تحلیل همبستگی کانونی

موضوعات

• سیستم‌های واسط مغز-رایانه

عنوان مقاله [English]

Recognition of SSVEP stimulation frequency by a combined method of experimental mode analysis with CCA or LASSO

نویسندگان [English]

• Ali Maleki ¹
• marzie alirezaei alavijeh ²

¹ Biomedical Engineering Department, Semnan University, Semnan, Iran

² دانشگاه سمنان

چکیده [English]

Nowadays, brain-computer interface system based on Steady-state visual evoked potentials is increased due to advantages such as accepted accuracy and minimal need for user training. Despite these benefits, the unwanted noise that affects SSVEP is one of the issues that can reduce the efficiency of such systems. This paper uses the EMD algorithm in the initial phase and CCA or LASSO for the recognition of the stimulation frequency. In the first step, the EMD algorithm is applied so that non-stationary SSVEP signal breaks into oscillating functions and meaningful information are extracted. Among the IMFs obtained from the EMD method, only IMFs whose amplitude of the frequency spectrum in the frequency ranges corresponding to the excitation is higher were selected. With this selection, noisy signals and unprofitable information can be omitted. In the proposed method, two CCA and LASSO diagnostic methods were performed on the sum of selected signals to identify the frequency of stimulation. The simulation results show the recognition accuracy of 81.76% and 82.26% for the proposed method EMD-CCA and EMD-LASSO, respectively. While detection accuracy is 78.10% and 78.72% for conventional methods of CCA and LASSO.

کلیدواژه‌ها [English]

• Brain-Computer Interface
• Steady-State Visual Evoked Potentials
• Empirical Mode Decomposition
• Canonical Correlation analysis