انتخاب یک فضای ویژگی بهینه در تفکیک فعالیت های ذهنی بر پایه ی الگوریتم EMD

طراحی سیستم های ارتباط مغز با رایانه (Brain computer interface یا BCI)، از دغدغه های بشر امروز به شمار می رود. این سیستم ها بر اساس سیگنال مغز عمل می کنند و تاکنون تحقیقات زیادی در این راستا انجام شده است. مرسوم ترین آن ها، سیستم های بر پایه ی سیگنال های مغزی مربوط به فعالیت های ذهنی می باشد. در طراحی سیستم های BCI بر پایه ی فعالیت های ذهنی، انتخاب یک فضای ویژگی با قدرت تفکیک بالاتر و زمان پردازش کمتر، امری مهم به شمار می رود. در این مطالعه، سیگنال های مغزی مربوط به فعالیت های ذهنی گروه Andersonکه جزء دادگان معروف و در دسترس این گونه سیستم ها می باشد، استفاده شده است.
این مطالعه به بررسی و اعمال الگوریتم جدید EMD (Empirical mode decomposition) با توجه به خصوصیات منطبق آن بر سیگنال EEG (Electroencephalography) در کنار روش های مرسوم و موفقی چون طیف AR و آنتروپی پرداخت.
الگوریتم EMD به طور کامل با خواص غیرخطی و غیرایستان سیگنال های EEG سازگار بود. لذا به کار بردن مفاهیم آنتروپی، برای مدل کردن مقادیر پیچیدگی، و طیف AR، به عنوان تابعی معنی دار در حوزه ی فرکانس، در ادامه ی الگوریتم EMD انتظار تفکیک خوبی را به وجود آورد.
اعمال الگوریتم EMD و تمهیدات موازی با آن (آنتروپی EMD) نسبت به روش های قبل، علاوه بر دارا بودن بعد بسیار کمتر بردار ویژگی، به زمانی کمتر از 2 ثانیه برای استخراج ویژگی و حداکثر زمانی برابر با 1/0 ثانیه، برای تفکیک سیگنال های 10 ثانیه ای نیاز دارند. این نتایج برای یک سیستم BCI، real-time بسیار مفید می باشد.