ویژه نامه واسط مغز و رایانه - شماره 7

استخراج ویژگی

در ادامه مباحث بیان شده در قبل، در این درسنامه به برخی از مهمترین روش های استخراج ویژگی که عموماً در تحقیقات و مطالعات مرتبط با سیستم های مختلف BCI مورد استفاده قرار می‌گیرد اشاره می شود.

به طور کلی ویژگی های مورد استفاده در سیستم های BCI را می‌توان به چند گروه کلی زیر تقسیم کرد:

• ویژگی های زمانی
• ویژگی های فرکانسی
• ویژگی های فرکانسی - زمانی

در ادامه برخی از ویژگی های مهم و رایج به صورت کلی معرفی می شوند.

دامنه سیگنال - ماکزیمم/مینیمم سیگنال

یکی از ساده ترین و ملموس ترین ویژگی هایی که می‌توان در هر مسئله پردازش سیگنال از آن استفاده کرد، دامنه سیگنال است. (شکل 1-7 را ببنید)

معمولاً این ویژگی ها شامل اطلاعات مفید کمی، درباره سیگنال های پیچیده مورد استفاده در سیستم های BCI همچون سیگنال EEG هستند.

یکی از محدودیت های استفاده از ویژگی دامنه، افزایش بعد بردار ویژگی است، که این مساله بخصوص به هنگام آموزش سیستم اتوماتیک با استفاده از ویژگی های استخراج شده، دارای اهمیت فراوان خواهد بود. از دیگر مشکلات استفاده از دامنه سیگنال به عنوان ویژگی می توان به افزایش پیچیدگی و زمان پردازش اشاره کرد.

شکل 1-7 ) سیگنال زمانی یک پنجره 300 میلی ثانیه ای در یک سیستم BCI استخراج دامنه نمونه های مختلف این سیگنال، منجر به تولید ویژگی های زمانی می شود.

ویژگی های استاتیکی

این ویژگی ها یکی دیگر از ویژگی های گروه ویژگی های زمانی هستند. ویژگی های استاتیکی در حقیقت مشخصات آماری را از بازه های مشخصی از سیگنال، در طول زمان استخراج می کنند. ویژگی های استاتیکی، مشکل ابعاد زیاد ویژگی های زمانی را ندارند، ولی به علت اطلاعات کم موجود در آن ها، معمولاً در ترکیب با سایر ویژگی ها بکار می روند.

باند های فرکانسی

شاید معروف ترین ویژگی به هنگام پردازش سیگنال های EEG و همچنین یکی از ویژگی‌های پرکاربرد در سیستم های BCI، استخراج باند های فرکانسی مختلف از سیگنال باشد. باندهای فرکانسی محدوده های مشخصی از بازه فرکانسی سیگنال های EEG هستند.

سیگنال های هر باند، با فعالیت های خاصی از مغز مرتبط هستند و این فعالیت ها ممکن است در برخی از ویژگی های این سیگنال ها، همچون شکل، دامنه، انرژی و .. اثر گذاشته و آن را تغییر دهند. برای استخراج باند های فرکانسی مختلف، می‌توان از روش های مختلفی همچون تبدیل فوریه سیگنال، فیلتر های مختلف و یا حتی تبدیل های فرکانسی - زمانی همچون تبدیل ویولت استفاده کرد.

برای گزارش ویژگی استخراج شده در این قسمت می توان از دامنه فرکانس-های مختلف، باند های فرکانسی، مقادیر ماکزیمم/مینیمم و یا میانگین فرکانسی استفاده کرد.

توان و انرژی باندهای فرکانسی مختلف

در این دسته از ویژگی ها، هدف یافتن مقدار توان و یا انرژی یک یا چندین باند فرکانسی مشخص است.(شکل 2-7 را ببنید)

برای یافتن توان ویا انرژی سیگنال می توان از روش های مختلف تخمین طیفی استفاده کرد. از ویژگی توان باند فرکانسی، بسته به موضوع مورد پژوهش می‌توان به صورت تک و یا در ترکیب با سایر ویژگی ها استفاده کرد. توجه کنید که ما در اینجا توان و یا انرژی بخش های مختلف سیگنال را در بعد فرکانس، نه در بعد زمان مورد بررسی قرار می دهیم.

شکل 2-7 ) در این شکل توان سیگنال EEG کانال C3، برای یک سیستم BCI تصور حرکت، در طول فرکانس های مختلف و به ازای دو نوع از تصور حرکت متفاوت، نشان داده شده است.

ویژگی های زمانی-فرکانسی همچون تبدیل ویولت و یا تبدیل هیلبرت-هوانگ

در این حالت از ویژگی های زمانی–فرکانسی برای درک فعالیت های مغزی استفاده می شود. از این ویژگی‌ها برای استخراج بخش مشخصی از سیگنال استفاده می‌شود و سپس از قسمت استخراج شده می‌توان به صورت مستقیم و یا غیر مستقیم و در ترکیب با سایر روش‌های استخراج ویژگی استفاده کرد.(شکل 3-7 را ببینید)

شکل 3-7) تصویر سمت چپ، سیگنال EEG یک سیتم تصور حرکت و تصویر سمت راست، آنالیز ویولت این سیگنال را نشان می دهد.