پردازش سیگنالهای حیاتی
مهدی خضری؛ سید محمد فیروزآبادی؛ سید احمدرضا شرافت
دوره 8، شماره 4 ، دی 1393، ، صفحه 339-358
چکیده
در این پژوهش همجوشی نتایج سیگنالهای فیزیولوژیکی چندگانه برای طراحی یک سیستم شناسایی حالتهای عاطفی با استفادهاز مجموعهی داده MIT پیشنهاد شد. چهار نوع از سیگنالهای فیزیولوژیکی، شامل فشار حجم خون (BVP)، نرختنفس (RSP)، هدایت پوست (SC) و سیگنال فعّالیّت عضلات صورت (fEMG) به عنوان سیگنالهای عاطفی مورد استفاده قرارگرفتند. ...
بیشتر
در این پژوهش همجوشی نتایج سیگنالهای فیزیولوژیکی چندگانه برای طراحی یک سیستم شناسایی حالتهای عاطفی با استفادهاز مجموعهی داده MIT پیشنهاد شد. چهار نوع از سیگنالهای فیزیولوژیکی، شامل فشار حجم خون (BVP)، نرختنفس (RSP)، هدایت پوست (SC) و سیگنال فعّالیّت عضلات صورت (fEMG) به عنوان سیگنالهای عاطفی مورد استفاده قرارگرفتند. برای جمعآوری مجموعهی داده بیان شده، محققان از روش تصوّر ذهنی برای ایجاد حالتهای عاطفی مورد نظر از یک نفر استفاده و به طور همزمان سیگنالهای فیزیولوژیکی متناظر را ثبت کردهاند. در این مطالعه، بهترین ویژگیهای هریک از سیگنالها از بین ویژگیهای زمانی و فرکانسی محاسبه شده، تعیین شد. بدین منظور، روشهای انتخاب ویژگی ترتیبی شناور رو به جلو (SFFS) و RELIEF مورد ارزیابی قرار گرفتند. مجموعهی ویژگی جدید تشکیل شده با ترکیب ویژگیهای انتخاب شده، سپس به سه زیرمجموعه تفکیک شد. هر زیر مجموعه برای شناسایی حالتهای عاطفی مورد نظر به یک واحد طبقهبندی اعمال شد. نتایج به دست آمده از زیر سیستمها با اعمال روش بیشترین آرا ترکیب شد. سه روش طبقهبندی شامل SVM، LDA و KNN برای طراحی سیستم شناسایی حالتهای عاطفی ارزیابی شدند. نتایج به دست آمده حاکیاز عملکرد قابل ملاحظه سیستم در شناسایی حالتهای مورد نظر با دقّت و سرعت پاسخدهی قابل قبول است. با روش انتخاب ویژگی RELIEF به همراه طبقهبندی کننده SVM، دقّت کلی شناسایی 8/93 % به دست آمد که بهتر از نتایج گزارش شده با پایگاه داده بیان شده تاکنون است.
پردازش سیگنالهای حیاتی
محمدمهدی رمضانی؛ احمدرضا شرافت
دوره 4، شماره 2 ، شهریور 1389، ، صفحه 123-134
چکیده
در این مقاله با استفاده از کورنتروپی، روشی مؤثر برای دستهبندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه شده است. چون سیگنال الکترومایوگرام سطحی در دامنههای پائین نیرو ماهیتی غیرگوسی دارد درحالیکه اغتشاش محیط گوسی فرض میشود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده میکنیم؛ زیرا کورنتروپی ...
بیشتر
در این مقاله با استفاده از کورنتروپی، روشی مؤثر برای دستهبندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه شده است. چون سیگنال الکترومایوگرام سطحی در دامنههای پائین نیرو ماهیتی غیرگوسی دارد درحالیکه اغتشاش محیط گوسی فرض میشود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده میکنیم؛ زیرا کورنتروپی تنها دربرگیرنده اطلاعات مربوط به مؤلفههای غیرگوسی است و تخمین آن از نمونههای محدود بسیار ساده است. سپس با بهکارگیری ویژگیهای استخراج شده، از طبقهبندی کننده آنالیز تفکیک خطی برای دستهبندی سیگنال الکترومایوگرام سطحی استفاده میکنیم. نتایج بهدست آمده با استفاده از روش پیشنهادی این مقاله، در مقایسه با نتایج سایر روشهای پیشرفته شناسایی الگوی سیگنال الکترومایوگرام سطحی هم بهبود یافته و هم محاسبات کمتری دارد.
پردازش سیگنالهای حیاتی
کیانوش نظر پور؛ احمدرضا شرافت؛ سید محمد فیروزآبادی
دوره 1، شماره 3 ، آذر 1386، ، صفحه 189-199
چکیده
در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این ...
بیشتر
در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخراج ویژگی، با توجه به ماهیت غیرگوسی سیگنال الکترومایوگرام، آمارگان مرتبه های دوم، سوم، و چهارم برای این سیگنال در تاخیرهای متفاوت محاسبه و از این ویژگی ها در شناسایی الگوهای چهار حرکت ابتدایی باز و بسته کردن آرنج و چرخش به سمت داخل و خارج ساعد استفاده شده اند. از روش انتخاب ترتیبی مستقیم برای کاهش تعداد ویژگی های آمارگان مرتبه بالا استفاده کرده و طبقه بندی کننده K نزدیکترین همسایه برای دسته بندی آنها به کار گرفته شد. روش پیشنهادی در برابر تغییرات آماری نویز مقاوم بوده و در مقایسه با سایر روش های موجود، نیاز به محاسبات بیشتری برای حصول به نرخ بالا برای طبقه بندی ندارد. این امر، استفاده از روش پیشنهادی را در پروتزهایی که با سیگنال الکترومایوگرام سطحی به صورت بی درنگ کنترل می شوند امکان پذیر می سازد.