عنوان پایان‌نامه
جدا سازی سیگنال ها ی مغزی در طی انجام فعالیت های ذهنی در سیستم های واسط مغز- رایانه
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2543;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65577
- تاریخ دفاع
- ۱۹ خرداد ۱۳۹۳
- دانشجو
- آریان مبینی
- استاد راهنما
- تورج عباسیان نجف آبادی
- چکیده
- در سالهای اخیر، سیستم واسط مغز-رایانه یا Brain-Computer Interface (BCI) به عنوان ابزاری برای برقراری ارتباط بین مغز انسان و محیط اطرافش مورد بحث و بررسی قرار گرفته است؛ به طوری که از این طریق امکان کنترل محیط خارج تنها با استفاده از سیگنال های مغزی وی فراهم شود. در این پایان نامه، تفکیک پذیری سیگنال های مغزی، در حین تصور انجام 12 فعالیت ذهنی شامل 6 تصور حرکتی (دست چپ، دست راست، پاها، زبان، سر، صورت) و 6 تصور غیرحرکتی (استراحت، تفریق ذهنی، دوران مکعب، بینایی، شنوایی و کلامی) مورد بررسی قرار گرفته است. این فعالیت های ذهنی به-گونه ای طراحی و انتخاب شده اند که هم به سادگی قابل تصور باشند و موجب خستگی کاربر نشوند و هم از جداپذیری کافی نسبت به هم برخوردار باشند. لازمه ی دستیابی به جدایی پذیری مناسب این است که فعالیت های ذهنی انتخابی، منجر به الگوهای مغزی متفاوتی گردند. سیگنال های مغزی 8 کاربر (5 مرد و 3 زن)، از طریق دستگاه ثبت EEG موجود در آزمایشگاه تجهیزات دانشکده ی برق و کامپیوتر دانشگاه تهران ثبت شده است. پس از انجام پیش پردازش های لازم (به منظور حذف نویز ها و سایر تداخل های موجود)، مراحل متعددی اعم از استخراج ویژگی (به روش های زمانی و فرکانسی) ، انتخاب ویژگی ها و کاهش بعد (با استفاده از روش های انتخاب پیشرو متعامد، انتخاب پیشرو تکامل تفاضلی و آنالیز متمایزکننده ی خطی) و تعیین مناسب ترین طبقه بندی کننده انجام گرفته است. در این تحقیق، برای کاهش حجم محاسبات و ساده سازی سیستم، از روش هایی متفاوت (روشی باتوجه به فیزیولوژی مغز و روش های انتخاب با مبنایی ریاضیاتی)، به انتخاب و تحلیل مناسب ترین ویژگی ها و کانال ها پرداخته شده است. این کار نه تنها برای هر 12 کلاس، بلکه برای زیرمجموعه هایی کوچکتر نیز انجام گرفت. در نهایت، نتایج از جنبه های گوناگونی مورد بحث و بررسی قرار گرفته است. به طور خلاصه، در حالت 12 کلاسی و برای تمامی کاربرها، صحت طبقه بندی بیش از 90 درصد حاصل می گردد. با کاهش تعداد کانال های ثبت به 15 کانال نیز به طور میانگین 85 درصد جداسازی به دست می آید. همچنین از میان همگی فعالیت های ذکر شده، تصور حرکت دست چپ و تصور بینایی از مناسب ترین جداسازی برخوردارند. با توجه به نتایج حاصل در مرحله ی انتخاب ویژگی، می توان گفت ویژگی های استخراج شده از حوزه¬ی فرکانس (به خصوص پارامترهای هارمونیک) عملکرد مناسب تری را در جداسازی از خود نشان می دهند. با مقایسه ی عملکرد طبقه بندی کننده ها، طبقه بندی کننده ی بهینه ی بیزی دارای بهترین عملکرد از لحاظ سرعت و صحت جداسازی است. کلید واژه: سیستم واسط مغز-رایانه (BCI)، فعالیت های ذهنی، الکتروانسفالوگرام (EEG)، پیش پردازش، استخراج ویژگی، طبقه بندی
- Abstract
- Brain-Computer Interface (BCI), as a means of communication between the human brain and his surroundings, has been considered as a new field of research in recent years. In fact, by using BCI system, subjects can control the world outside, using their brain signals. In this research, separability of brain signals has been investigated during 12 mental tasks, including 6 imagery movements (left hand, right hand, feet, tongue, head and face) and 6 cognitive tasks (relaxing, subtraction, verbal tasks, visual tasks, auditory tasks and cube rotation). These tasks have been designed and selected in the way that they can be easily imagined without causing user fatigue. Moreover, they must have enough separability from each other. To achieve this proper separability, these mental tasks should lead to different brain patterns. EEG signals have been recorded from eight subjects (5 males and 3 females) using NRSIGN3840 recording system, at the School of Electrical and Computer Engineering, University of Tehran. After that, several processing steps have been applied on these signals, such as: preprocessing (to remove noises and artifacts), feature extraction (in frequency and time domains), feature selection and dimension reduction (using Orthogonal Forward Selection, Differential Evolution Forward Selection and Principal Component Analysis methods) and choosing the most suitable classifier. In this study, different methods (both physiology based and mathematical approaches) have been used to select the best EEG channels and features among a pool of features in order to reduce the data dimension and the computation time. These methods have been applied not only on all 12 classes, but also on smaller subsets of these classes. Finally, the results have been evaluated and discussed from different aspects. As a short summary, the Correct Classification Rate (CCR) of more than 90 percent has been achieved considering all 12 classes using 19 EEG channels (for all 8 subjects). However, by reducing the number of channels to 15, we could achieve the CCR of about 85 percent. Moreover, among all of the mentioned mental tasks, left hand imagery movement and visual imagination have been found to be among the most separable tasks. In addition, the results have shown that the features extracted from frequency domain (especially Harmonic Parameters) have better performance in terms of separability. Furthermore, Bayesian Classifier has shown the best performance in terms of classification speed and accuracy. Keywords: Brain-Computer Interface (BCI), Mental Tasks, Electroencephalogram (EEG), preprocessing, Feature Extraction, Classification
