Skip to main content
SUPERVISOR
Nilofar Ghisari,Rasoul AmirFattahi,Said Sadri
نیلوفر قیصری (استاد راهنما) رسول امیر فتاحی ورنوسفادرانی (استاد راهنما) سعید صدری (استاد مشاور)
 
STUDENT
Tahere Gorji
طاهره گرجی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1388
For people who suffer from neurological diseases such as ALS, who are unable to have any motor functions but still have some cognitive abilities, Brain Computer Interfaces (BCIs) are a good mean to communicate with the world through only their brain activities. The main idea of a BCI is to convert the brain activities to commands for computer or artificial limbs. The main features of EEG that using in BCIs are brain rhythms and event-related potentials (ERPs). P300 is a component of an Event ERP which is the natural response of the brain after a specific stimuli with about 300 ms delay. BCI development has grown fast from 1998 whe the first BCI based on P300 so called oddball P300-Speller paradigm was introduced by Farwell and Donchin. In a P300 based BCI system, P300 component is usually detected by using preprocessing and feature extraction methods to enhance signal that can be fed into a ltr" Keywords: BCI, EEG, P300, SVM, DWT
انسان¬هایی که از ناتوانی¬های شدید حرکتی رنج می¬برند نیازمند وسایلی برای برقراری ارتباط و کنترل محیط خود هستند. مطالعات زیاد در دو دهه گذشته نشان داده است که فعالیت¬های الکتریکی مغز، می¬توانند در سیستم¬های واسط مغز و کامپیوتر (BCI) که امکان ارتباط با محیط و کنترل آن را از طریق غیرماهیچه¬ای فراهم می¬کنند به کار گرفته شوند. سیستم¬های BCI مبتنی بر الکتروانسفالوگرام (EEG)، ویژگی¬های کاربردی سیگنال EEG را اندازه¬گیری کرده و سیگنال¬های کنترلی را تولید می¬کنند. دو دسته مهم از این ویژگی¬ها عبارتند از: پتانسیل¬های رویدادی و فعالیت نوسانی مغز. هنگامی که توجه انسان به یک محرک جلب شود بخشی از یک پتانسیل رویدادی معروف به P300 در EEG او ظاهر می¬شود. در تحقیقات آزمایشگاهی معمولاً از تحریک بینایی و شنوایی برای تحریک کردن شخص و ظاهرشدن P300 در سیگنال الکتریکی مغز او استفاده می¬کنند. مشخص? اصلی این موج، دامن? بیشینه¬ای در زمان حدود 300 میلی ¬ثانیه است. با اعمال روشهای پردازش سیگنال بر EEG می¬توان P300 را استخراج کرد. در این پایان نامه از دادگان مسابقات BCI2005 استفاده می¬شود و کاراکترهای متناظر با دادگان P300-Speller استخراج می¬شوند. پس از بررسی کارهای انجام شده مشخص شد که روش¬های بازشناسی الگو برای استخراج P300 بسیار کارآمد هستند، لذا در این پایان نامه، ماشین ¬بردار پشتیبان (SVM) به عنوان یک تفکیک کنند? قوی برای دسته¬بندی به کار گرفته¬ شد، همچنین با اعمال بردار ویژگی حاصل از ضرائب تبدیل موجک گسسته سیگنال¬ها به SVM، زمان دسته¬بندی نسبت به حالتی که از نمونه¬های سیگنال پس از نمایش تحریک به عنوان ویژگی استفاده شده است کاهش داده شد. با آزمایش روش پیشنهادی دقت تشخیص کاراکتر برابر با %97 شد که این دقت، بیشتر ازکارهای انجام شده قبلی است. کلمات کلیدی: 1- واسط مغز و کامپیوتر 2-EEG 3-P300 4-ماشین بردار پشتیبان 5-تبدیل موجک

ارتقاء امنیت وب با وف بومی