روش تجزیه ی حالت تجربی- تحلیل همبستگی متعارف با طبقه بند شبکه ی عصبی برای بازشناسی فرکانس پتانسیل برانگیختهی بینایی حالت ماندگار

به منظور افزایش تعداد فرکانس های تحریک در واسط مغز-کامپیوتر مبتنی بر پتانسیل برانگیخته ی بینایی حالت ماندگار، با توجه به محدودیت کاهش گام فرکانسی، ناگزیر به افزایش گستره ی فرکانسی می باشیم. این موضوع، قرارگیری فرکانس های با رابطه ی هارمونیک در گستره ی فرکانس های تحریک و افزایش خطا در بازشناسی فرکانس را در پی خواهد داشت.در این مقاله، روشی سه مرحله ای، شامل تجزیه ی حالت تجربی، تحلیل همبستگی متعارف و طبقه بند شبکه ی عصبی، ارائه شده است، که می تواند مشکل خطای بازشناسی را برای گستره ی وسیع فرکانسی که شامل فرکانس های با رابطه ی هارمونیک هستند را برطرف نماید. بدین منظور، تحریک بینایی در محدوده ی 6 تا 16، با گام فرکانسی 5/0 هرتز، با استفاده از جعبه ابزار سایکوفیزیکس در متلب ایجاد شد. ثبت سیگنال پتانسیل برانگیخته ی بینایی حالت ماندگار از ده سوژه و تنها از الکترود Oz صورت گرفت. پس از استخراج توابع حالت ذاتی سیگنال توسط تجزیه ی حالت تجربی و بازسازی سیگنال های ترکیبی، تحلیل همبستگی متعارف اعمال گردید. دو ویژگی شامل فرکانس بازشناسی شده و مقدار همبستگی در این فرکانس، استخراج و به طبقه بند شبکه ی عصبی داده شد.میانگین صحت بازشناسی به ازای پنجره ی زمانی هشت ثانیه ، برای تحلیل همبستگی متعارف (1N=)، %78 و برای تحلیل همبستگی متعارف (2N=)، %74 بود که با روش پیشنهادی، به ترتیب به %82 و %77 افزایش یافت. N تعداد هارمونیک ها در ایجاد سیگنال مرجع روش تحلیل همبستگی متعارف را نشان می دهد.به طور متناظر، به ازای پنجره ی زمانی چهار ثانیه برای حالت 1N=، صحت از%78 به %83 و برای حالت 2N= از %78 به %80 افزایش یافت. روش پیشنهادی توانسته است برای گستره ی وسیع فرکانسی، صحت بازشناسی فرکانس را نسبت به روش تحلیل همبستگی متعارف استاندارد بهبود بخشد. بر این اساس، امکان افزایش تعداد گزینه های فرکانسی با وسیع تر نمودن گستره ی فرکانس تحریک و درنتیجه افزایش نرخ انتقال اطلاعات فراهم می گردد.