طراحی سیستم ارزیابی فعالیت EEG درپاسخ به فرمان تغییر سرعت حرکت
نام نخستين پديدآور
پگاه رمضانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
۱۴۰۰
مشخصات ظاهری
نام خاص و کميت اثر
۶۷ص.
مواد همراه اثر
سی دی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی برق گرایش مدارات مجتمع الکترونیک
زمان اعطا مدرک
۱۴۰۰/۰۵/۰۴
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
تشخیص نیت افراد در حالت¬های مختلف راه رفتن اساسی¬ترین مرحله برای توسعه واسط¬های مغز-ماشین برخط در این زمینه است. در همین راستا این مطالعه به تشخیص و طبقه¬بندی نیت افراد بر اساس سیگنال EEG, در جهت تغییر طول گام و نرخ گام می¬پردازد, که عوامل کلیدی در کمک به حفظ تعادل فرد در طول راه رفتن هستند.در این مطالعه جهت حذف نویز از تولباکس EEGLAB استفاده کردیم. پس از پیش¬پردازش, جهت کاهش حجم دیتا و بهبود عملکرد سیستم اقدام به انتخاب کانال¬های مناسب و جهت انتخاب کانال از الگوریتمی بر پایه اختلاف واریانس استفاده شد. الگوریتم CSP را به منظور تبدیل و کاهش داده استفاده کردیم و از تابع واریانس به عنوان ویژگی و از الگوریتم¬های آماریFDR و ANOVA جهت انتخاب ویژگی¬هایی که تفکیک¬پذیری بیشتری دارند, استفاده و نهایتا توسط از طبقه¬بند ماشین بردار پشتیبان و بیز ساده برای طبقه¬بندی استفاده کردیم.در این مطالعه دو طبقه¬بند باینری و یک طبقه¬بند سه¬کلاسه طراحی شد. طبقه¬بند اول با دقت 75.26 درصد نیت فرد در جهت حرکت با طول گام و نرخ گام ثابت و یا نیت جهت تغییر این پارامترها را تشخیص داد و طبقه¬بند بعدی به تشخیص نیت در تغییر پارامتر به دو گروه افزایش طول گام وکاهش نرخ گام و گروه کاهش طول گام و افزایش نرخ گام پرداخت و دقت 82.14 درصد در این طبقه¬بند به دست آمد. همچنین طبقه¬بند سه¬کلاسه¬ای نیز جهت تقسیم همین سه گروه طراحی شد, که دقت 65.88 درصد برای این طبقه¬بند به دست آمد و پس از بررسی بازه¬های زمانی متفاوت طبقه¬بند Naïve Bayes قادر به تشخیص نیت با دقت مناسب, در زمان 234 میلی ثانیه گردید. نتایج به دست آمده نشان می¬دهدکه تشخیص نیت افراد در تغییر دو پارامتر طول گام و نرخ گام بر اساس سیگنال EEG امکان¬پذیر بوده و الگوریتمی کارآمد را جهت انجام این کار ارائه می¬کند. این مطالعه می¬تواند به طراحی سیستم واسط مغز-کامپیوتری منجر شود, که می¬تواند هنگام راه رفتن افراد, براساس سیگنال مغزی آن¬ها به تغییر طول گام و نرخ گام جهت تنظیم مرکز ثقل بدن کمک کرده و احتمال افتادن افراد را کاهش داده و در نتیجه کیفیت زندگی¬شان را افزایش دهد.
متن يادداشت
Recognizing the intentions of people in different walking states is the most basic step in developing online Brain-Computer Interfaces in this area. In this regard, this study detects, and classifies people's intentions based on the EEG signal, To change the step length, and step rate, which are key factors in helping to maintain balance during walking.EEGLAB toolbox was used to remove noise. To reduce the data volume, and improve the system performance, appropriate channels were selected and an algorithm based on variance difference was used to select the channels. The CSP algorithm was used to convert and reduce the data. The variance was used as a feature, and the FDR and ANOVA statistical algorithms were used to select the features that have more difference between classes and were finally classified by the two classifiers of Support Vector Machine and Naïve Bayes.In this study, two binary classifiers, and one three-class classifier were designed. The first binary classifier with 75.26% accuracy detected the intention of the person to move with the previous step length, and step rate or the intention to change these parameters. The next classifier detected the intention to change the parameter into two groups of step length increase, and step rate reduction or vice versa, the accuracy of 82.14% were obtained in this classification. Also, a three-class classifier was designed to divide these three groups, which achieved an accuracy of 65.88% for this classifier. After examining the different time intervals, the classifier was able to detect the intention with acceptable accuracy in 234 milliseconds.The results show that it is possible to detect the intention of individuals to change the two parameters of step length and step rate based on the EEG signal and introduces an efficient algorithm to do this. This study designs a Brain-Computer Interface that can help individuals with changing walking step length, and step rate to adjust the body's center of gravity when walking, based on their brain signal, and reduce the chance of falling, and increase their quality of life.
عنوانهای گونه گون دیگر
عنوان گونه گون
Design of an EEG-based System for assessment of Reaction to a Demand Change in Gait Speed
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )