روش ترکیبی تجزیه ی حالت تجربی با CCA یا LASSO برای تشخیص فرکانس تحریک SSVEP

امروزه استفاده از سیستم رابط مغز-رایانه مبتنی بر پتانسیل های برانگیخته ی بینایی حالت ماندگار به دلیل مزایایی مانند صحت قابل قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. با وجود این مزایا، نویزهای ناخواسته ای که SSVEP را تحت تاثیر قرار می دهد از مسایلی است که می تواند سبب کاهش کارایی چنین سیستم هایی شود. در این مقاله از الگوریتم EMD در مرحله ی ابتدایی و از روش های CCA یا LASSO برای بازشناسی فرکانس تحریک استفاده شده است. در گام اول، الگوریتم EMD اعمال شده است تا سیگنال غیرایستان SSVEP به توابعی نوسانی تجزیه شده و امکان استخراج ویژگی های بامعنی از سیگنال SSVEP فراهم شود. در بین IMF-های به دست آمده از روش EMD، تنها IMF-هایی انتخاب شده که دامنه ی طیف فرکانسی آن ها در محدوده ی فرکانسی مربوط به تحریک بیش تر بوده است. با این گزینش می توان سیگنال های حاوی نویز و فاقد اطلاعات ارزشمند را کنار گذاشت. در ادامه دو روش تشخیصی CCA و LASSO روی مجموع سیگنال های انتخابی اجرا شده است تا به کمک آن ها فرکانس تحریک شناسایی شود. نتایج شبیه سازی، صحت بازشناسی 76/81 و 26/82 درصد را به ترتیب برای روش های EMD-CCA و EMD-LASSO نشان داده در حالی که دو روش پایه ی CCA و LASSO به ترتیب دارای صحت های 10/78 و 72/78 درصد می باشند.