فرمت فایل : word (لینک دانلود پایین صفحه) تعداد صفحات 12 صفحه
مقدمه و تشریح :
در این روش برای تخمین تمامی منابع مستقل باید تعداد سنسورها بیشتر با برابر تعداد منابع باشد. اما تعداد منابع در مغز مشخص نیست و بیشمار فرض میشود. لذا در اعمال ICA باید به این مساله توجه نمود. فرض کنیم سیگنالها توسط m سنسور ثبت شدهاند، آنچه با اعمال ICA بدست میآید m سیگنال است که اکثر آنها از قویترین منابع اولیه بوده و مابقی ترکیب منابع کوچک و کمتر مستقل هستند. نتایج تجزیه ICA روی داده با چگالی بالا مثلا 256 کانال که از سوژهای نرمال حین انجام فعالیتهای شناختی بدست آمده است، نشان میدهد چند ده منبع متمایز به اندازه کافی بزرگ و یا قابل متمایز جهت جداسازی به مؤلفههایی که قابل تفسیر فیزیولوژیک هستند، وجود دارند که فعالیتها و نگاشتهای جمجمهای آنها قابل توجیه است، در حالیکه بقیه مؤلفههای یافته شده (بیشتر از 200 مؤلفه ) در چنین دادهای، یا مؤلفههایی هستند که به وضوح از منابع آرتیفکت غیر مغزی بوجود آمد اند و یا ترکیباتی از منابع با انرژی کمتر هستند که جهت ارضای شرایط (تعداد منابع استخراج شده، محدود به تعداد الکترودها بوده و در عین حال باید ترکیب مجدد آنها کل داده را نتیجه دهد ) با یکدیگر ترکیب شدهاند[50].
5-3-2- حذف نویز با استفاده از آنالیز مولفه هایمستقل
به منظور حذف نویز از سیگنالهای مغزی، ICA به سیگنال مورد نظر اعمال میشود. مولفه یا مولفههای نویزی و آرتیفیکی مورد نظر شناسایی و حذف میشوند. سپس سیگنال دوباره به حوزه اولیه برگردانده میشود. و سیگنال بدون آرتیفکت و نویز بدست میآید. در شکل (5-2) ده کانال از یک سیگنال نشان داده شده است. بر روی این سیگنال ICA را اعمال میکنیم برای اعمال ICA از نرم افزارICALAB استفاده می کنیم. در شکل (5-3) مولفههای بدست آمده توسط ICA نشان داده شده است.
تحقیق درباره استخراج ویژگی مناسب برای تشخیص سیگنالهای حرکات ارادی