كنترل حركت ماشين با استفاده از پتانسيل¬هاي مغزي برانگيخته بينايي

كارشناسي ارشد

در چند دهه اخير، استفاده از سيگنال¬هاي الكتروانسفالوگرام (EEG) به منظور برقراري ارتباط با محيط اطراف، موجب پيدايش واسط¬هاي مغز-رايانه(BCIs) شده است. سيگنال P300 يكي از انواع پتانسيل¬هاي مغزي مي باشد، كه در سامانه¬هاي BCI استفاده مي¬شود. در اين تحقيق، از تحريك بينايي براي برانگيخته شدن سيگنال P300 با هدف كنترل برخط ماشين استفاده مي¬شود. بدين منظور يك واسط گرافيكي كاربر (GUI) با هفت كليد براي كنترل ماشين طراحي شده است، كه چهار كليد براي كنترل ماشين به چپ، راست، عقب و جلو مي باشد، يك كليد براي افزايش سرعت، يك كليد براي كاهش سرعت و يك كليد استارت/ استاپ براي روشن شدن ماشين و توقت ماشين طراحي شده است. روشن شدن ماشين با صداي بوق نشان داده مي شود، همچنين با كليدstart/stop مي توان ماشين را وارد حالت كنترلي و غير كنترلي كرد (وقتي ماشين متوقف مي شود GUI وارد حالت غيركنترلي شده و هيچ فرماني به ماشين ارسال نمي شود). ماشين استفاده شده در اين پروژه يك ماشين كنترلي بوده است كه پس از جدا كردن برد كنترلي آن از بردهاي مورد نياز براي اتصال به كامپيوتر و كنترل توسط سيگنال¬هاي مغزي استفاده شده است. بعد از ثبت سيگنال در مرحله برون خط روش¬هاي مختلفي براي تحليل داده¬هاي ثبت شده استفاده شده است از جمله روش هاي استخراج ويژگي با شبكه¬هاي عصبي خودرمزگذار(AE)، تحليل مؤلفه¬هاي اصلي (PCA)، تحليل تفكيك خطي (LDA) و طبقه¬بندي با روش ماشين بردار پشتيبان (SVM) استفاده شده است، از شبكه¬هاي عصبي كانولوشني (CNN) براي استخراج ويژگي و نيز طبقه¬بندي استفاده شده¬ است. كه در نهايت روش استخراج ويژگي با دو الگوريتم شبكه عصبي خود رمز گذار و تحليل مؤلفه¬هاي اصلي و تركيب خروجي اين دو روش و استفاده از SVM براي طبقه بندي اين ويژگي¬ها به عنوان روش نهايي در حالت برخط انتخاب شد. در آزمايشات برخط، دقت طبقه¬بندي براي انجام كنترل حركت ماشين مشخص گرديد كه كنترل ماشين توسط كاربران صورت گرفته است و ميانگين دقت در حالت برخط برابر 88.7 با نرخ اطلاعات 30 بيت بر دقيقه به دست آمده است. واژه‌هاي كليدي: پتانسيل P300، طبقه¬بندي كننده SVM، شبكه عصبي AE، تحليل مؤلفه هاي اصلي.

210854

دانشگاه علم و صنعت ايران

عباس عرفانيان اميدوار

مهندسي پزشكي

عباس عرفانيان اميدوار