ماشین بردار پشتیبان یکی از جدیدترین روش ها جهت طبقه بندی داده ها می باشد که نسبت به روش های قدیمی تر مانند شبکه عصبی کارایی بهتری دارد. این تکنیک یک روش یادگیری supervised است و جزو شاخه Kernel Methods دریادگیری ماشین محسوب می شود. از SVM هم جهت شناسایی الگو و هم جهت دسته […]
هر سيگنال شامل دو قسمت است. Entropy Redundancy Entropy : قسمت غير قابل پيش بيني سيگنال – تصادفي – غير منظم- قسمت اصلي اطلاعات Redundancy: قسمت قابل پيش بيني – منظم – قسمت زايد اطلاعات. در داده های متغییر مانند سیگنال که دارای تغییرات زیادی است، از این داده ها می توان اطلاعات مفید و
همانطور که قبلا بیان شد تبدیل والش بیشتر در زمینه های حذف نویز، فشرده سازی و … کاربرد دارد. در این پایان نامه برای حذف نویز از تبدیل والش و روش ترکیبی تبدیل والش و روشICA استفاده می کنیم. که در این بخش و بخش آتی این دو روش را بررسی می کنیم. حذف نویز
تبدیل موجک کاربرد های زیادی از جمله استخراج ویژگی، فشرده سازی و حذف نویز و … دارد. حذف نویز با استفاده از تبدیل موجک شامل سه مرحله اساسی است. تجزیه – یک موجک با انتخاب N سطح مشخص می شود. سیگنال به N سطح با استفاده تبدیل گسسته موجک (DWT) تجزیه می شود. با گرفتن
به منظور حذف نویز از سیگنال های مغزی، ICA به سیگنال مورد نظر اعمال می شود. مولفه یا مولفه های نویزی و آرتیفیکی مورد نظر شناسایی و حذف می شوند. سپس سیگنال دوباره به حوزه اولیه برگردانده می-شود. و سیگنال بدون آرتیفکت و نویز بدست می آید. در شکل (5-2) ده کانال از یک سیگنال
حذف نویز با استفاده از آنالیز مولفه های مستقل بیشتر بخوانید »
توابع والش در سال 1923 توسط والش با ارائه توابع متعامد معرفی شد[41]. اما در سال 1969 از توابع والش برای تبدیل والش استفاده شد. تبدیل والش یک تبدیل بهینه موضعی و غیر سینوسی است این تبدیل یک تبدیل متعامد است که یک سیگنال را به مجموعه ای ازموج های مربعی تجزیه می کند که
کمبودهای تبدیل فوریه در آنالیز سیگنال های با خصوصیات غیر ایستایی، منجر به ارائه تحلیل فرکانس –زمان توسط Gabor در سال 1946 گردید. این تبدیل اگر چه توانایی ارائه اطلاعاتی در مورد فرکانس و زمان اتفاق خاصی در سیگنال را دارد ، اما به واسطه استفاده از پنجره های با اندازه ثابت دچار محدودیت می
در قرن 19 ریاضیدان فرانسوی J.Fourier نشان داد که هر تابع تناوبی را می توان به صورت مجموع توابع سینوسی نمایش داد. سال ها بعد ایده او به سیگنال های تناوبی و غیر تناوبی تعمیم داده شد. تبدیل فوریه هر سیگنال را به یک سری توابع نمایی مختلط با فرکانس های متفاوت تجزیه می کند.
با کشف سیگنال های EEG بسیاری از محققین در سراسر دنیا شروع به فعالیت در این زمینه کردند. مجموعه داده های متفاوت و با کاربردهای متفاوتی ایجاد شد. اکثر این محققین در تلاش به رسیدن به طراحی سیستم واسط مغز و کامپیوتر(BCI) بودند. در شکل) 1-1 ( یک سیستم BCI نشان داده شده است. این
مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنال های مغزی بیشتر بخوانید »
همانطور که می دانیم، سیگنال EEG ثبت شده از روی سر معمولا همراه با نویز های مختلفی می باشند.که از آن جمله می توان به سیگنال پلک زدن و حرکات چشم EOG ،انقباض ماهیچه ها EMG، سیگنال قلبی ECG و همچنین نویز برق شهر اشاره نمود. این سیگنال ها عموما در محدوده فرکانسی 0 تا