دانلود فایل ورد Word فایل استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG

استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG
تعداد صفحات : 106
چکيده
در این پروژه قصد داریم با ارائه یک ویژگی مناسب عمل دسته بندی را بر روی سیگنال های مغزی انجام دهیم. برای این منظور ابتدا از سیگنالهای مغزی نویز دستگاه ثبت حذف می شود سپس از این سیگنال ها با استفاده از تبدیل والش و آنتروپی ویژگی استخراج می شود. بعد از استخراج ویژگی ، بر اساس این ویژگی ها عمل دسته بندی انجام می شود.
اولین پیش پردازش برای دسته بندی سیگنال های مغزی حذف نویز از این سیگنال ها می باشد. در این پروژه دو روش کلاسیک حذف نویز و دو روش پیشنهادی حذف نویز بررسی می شود. ابتدا با استفاده از روش کلاسیک ICA ، تبدیل موجک و دو روش پیشنهادی تبدیل والش و روش ترکیبی والش و ICA از سیگنال حذف نویز می شود. برای داشتن یک ارزیابی از این چند روش، نتایج حاصل از این چهار روش با استفاده از سه معیار، نسبت سیگنال به نویز(SNR)، میانگین مربع خطا(MSE) و جذر میانگین تفاضل مربعات(درصد) (PRD) ارزیابی می¬شود. نتایج ارزیابی با استفاده از این معیارها نشان داد که روش ترکیبی والش و ICA و تبدیل والش دارای کمترین مقدار میانگین مربع خطا می باشد. همچنین این دو روش دارای بیشترین مقدار نسبت سیگنال به نویز و جذر میانگین تفاضل مربعات(درصد) است.
بعد از حذف نویز از سیگنال، به بحث استخراج ویژگی از سیگنال¬ها و دسته بندی آنهاپرداخته می شود. ویژگی¬های استخراج شده تعداد ویژگی کمی می باشد و یک بردار ویژگی 22 مولفه ای است. این ویژگی ها مربوط به آنتروپی تبدیل والش کانال های سیگنال، آنتروپی تبدیل والش کل سیگنال، توان تبدیل والش کانال های سیگنال و توان تبدیل والش کل سیگنال می باشد. برای ارزیابی کارایی این ویژگی ها همین ویژگی¬ها، نیز با استفاده از تبدیل موجک و فوریه استخراج می شوند و عمل دسته بندی بر اساس ویژگی های استخراجی این سه روش به طور جداگانه انجام می شود. بعد از استخراج ویژگی، بر اساس ویژگی های استخراجی، به دسته بندی سیگنال ها با استفاده از طبقه بندی کننده SVM و نزدیکترین همسایه پرداخته می شود. نتایج حاصل نشان می دهد که دسته بندی با استفاده از ویژگی های استخراجی تبدیل والش به مراتب بهتر از دسته بندی بر اساس ویژگی های دو تبدیل دیگر است. نرخ تشخیص با استفاده از روش پیشنهادی و svm، 42.5 درصد و با روش نزدیکترین همسایه 39.0 درصد است.
در مقایسه ای دیگر، نتایج حاصل با نتایج پیاده سازی شده بر روی این مجموعه داده، در چهارمین دوره مسابقات BCI مقایسه شده است. نتایج نشان داد که روش دسته بندی با استفاده از تبدیل والش از همه¬ی روشها به جز نفر اول بهتر است.. ولی مزیتی که روش پیشنهادی نسبت به همه روشها دارد این است که در بحث زمانی این روش دارای مجموع زمان تست و آموزش کمی است. این زمان 52 ثانیه می باشد که نسبت به روش اول که 403 و 640 ثانیه است به مراتب بهتر است.

فهرست
فصل اول
مقدمه
1-1- مقدمه
1-2- تاریخچه BCI
1-3- کاربردهای BCI
1-4- تعریف مساله
1-5 – ساختار پروژه
فصل دوم
سیگنالهای مغزی
2-1- مقدمه
2-2- کشف سیگنالهای مغزی
2-3- ثبت سیگنالهای مغزی
2-4- پیش پردازشها روی سیگنالهای مغزی
فصل سوم
مروری بر تحقیقات انجام شده در زمینه دسته بندی سیگنالهای مغزی
3-1- مقدمه
3-2- معرفی داده های موجود
3-2-1- مشخصات داده هاي ثبت شده توسط گروه دانشگاه Colorado
3-2-2- مشخصات داد ه هاي ثبت شده توسط گروه Graz
3-2-3- مشخصات دادههای MIT-BIH
3-3- استخراج ویژگی
3-4- دسته بندی
فصل چهارم
مقایسه تحلیلی تبدیل فوریه ، موجک و والش
4-1- مقدمه
4-2- تبدیل فوریه
4-3- تبدیل موجک
4-3-1- مقیاس.
4-4- تاریخچه تبدیل والش
4-4-1- توابع والش
4-4-2- تبدیل والش
فصل پنجم
توصیف روش پیشنهادی
5-1- مقدمه
5-2- پایگاه داده مورد استفاده
5-3- حذف نویز
5-3-1- آنالیز مولفه های مستقل
5-3-2- حذف نویز با استفاده از آنالیز مولفه هایمستقل
5-3-3- حذف نویز با استفاده از تبدیل موجک
5-3-4- حذف نویز با استفاده از تبدیل والش
5-3-5- حذف نویز با استفاده از روش ترکیبی تبدیل والش و ICA
5-4- استخراج ویژگی
5-4-1- آنتروپی
5-4-2- استخراج ویژگی با استفاده از تبدل والش
5-4-3- استخراج ویژگی با استفاده تبدیل فوریه و موجک
5-5- ماشین بردار پشتیبان (Support Vector Machin)
5-5-1- ابر صفحه جداساز
5-5-2- جداسازی غیر خطی
فصل ششم
نتایج و نتیجه گیری
6-1- مقدمه
6-2- حذف نویز
6-3- معیارهای ارزیابی
6-3-1- نسبت سیگنال به نویز (Signal to Noise Rate)
6-3-2- میانگین مربع خطا (Mean Square Error)
6-3-3- جذر میانگین تفاضل مربعات(درصد)(Percentage Root Mean Square Difference)
6-4- استخراج ویژگی
6-4-1- ویژگیهای تبدیل والش
6-4-2- ویژگیهای تبدیل فوریه
6-4-3- ویژگیهای تبدیل موجک
6-5- مقایسه با کارهای مرتبط بر روی این مجموعه داده
6-6- نتیجه گیری
6-7- پیشنهاد ها
منابع



 قیمت: 140,000 تومان  پرداخت و دانلود

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود. #با_تهیه_نسخه_الکترونیکی ،در کاهش تولید کاغذ و قطع بی رویه درختان کمک میکنید!.


برچسب ها: دانلود فایل ورد Word پروژه استخراج ویژگی مناسب برای تشخیص سیگنال های حرکات ارادی EEG
دسته بندی: کالاهای دیجیتال » رشته کامپیوتر و IT (آموزش_و_پژوهش)

تعداد مشاهده: 3294 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: doc

تعداد صفحات: 106

حجم فایل:10,280 کیلوبایت


کدتخفیف

با یک خرید موفق از سایت یک کدتخفیف 10درصدی جایزه بگیرید و در خریدهای آتی از آن بهره ببرید. کدتخفیف 10 درصدی، این امکان را به شما می دهد که در خرید بعدی، با وارد کردن کد تخفیف دریافت شده، 10% از قیمت فایل موردنظر کسر گردد. در خرید موفق بعدی نیز، کد جدیدی دریافت خواهید نمود که تخفیف 10 درصدی را در خرید بعدی، برای شما به همراه خواهد داشت.

درباره ما

فارس فایل در سال 1391 با هدف کارآفرینی تاسیس و الان به عنوان اولین مرکز ارائه دهنده فروشگاه های‌ اینترنتی خرید آنلاین، که بخش بزرگی از تجارت جهانی را تشکیل داده اند و روزانه در حال افزایش این گردش مالی جهانی هستند، فرصتی مناسب برای راه اندازی کسب و کار خود بصورت رایگان با فروش محصولات مجازی، فایلهای اینترنتی و....در اختیار شما قرار داده است.

تماس با ما

آدرس دفتر مرکزی: مشهد، گناباد، بلوارغفاری3 پلاک38.1 طبقه همکف کدپستی9691975741
(ساعت پاسخگویی 8صبح الی 22شب)

تلفن تماس051-57224911 ایمیلfarsfile@gmail.com ارسال پیام

آمار سایت

7,886 بازدید امروز
49,927 بازدید دیروز
360,003,896 بازدید کل
36,240 فروش موفق
8,369 تعداد فروشگاه
45,868 تعداد فایل
logo-samandehi
کلیه حقوق مادی و معنوی سایت برای فارس فایل محفوظ می باشد.
کدنویسی توسط : فارسفایل