چكيده
سيگنال هاي مغزي EEG كاربردهاي حياتي مهمي در زمينه هاي مختلف پزشكي و همچنين سيستم هاي Brain-Computer Interface دارا مي باشند، كه طي دو دهه¬ي اخير مورد توجه بسياري از گروههاي تحقيقاتي قرار گرفته است . براي اين منظور اگر سيستمي بتواند سيگنال¬هاي ثبت شده از فعاليت ذهني در هنگام مشاهده¬ي تصاويري از دسته¬هاي مختلف را از يكديگر تفكيك كرده و رمزگشايي بكند، آن فعاليتها يك الفباي ساده را تشكيل مي دهند كه فرد مي تواند با انجام تركيب¬هاي مختلفي از آنها با دنياي اطراف ارتباط بر قرار كند. در اين پايان نامه، رمز گشايي سيگنال¬هاي مغزي در حين شناسايي اشيا مورد بررسي واقع شده است، بطوريكه محرك هاي بينايي شامل 12 دسته از تصاوير حيوان، گل، غذا، ميوه، ساختمان، لوازم الكترونيكي، لوازم تحرير، عروسك، جواهر، لباس، وسائل حمل ونقل و اعضاي بدن به 10 نفر داوطلب نمايش داده شده و كاربر بايستي با مشاهده تصوير مد نظر آنرا كليك نمايد، سپس سيگنال هاي مغزي مورد تحليل و بررسي قرار گرفته شده است. براي دسته بندي سيگنال¬هاي مغزي , مانند هر مسأله¬ي دسته بندي ديگر , به مراحل متعددي اعم از استخراج ويژگي ، كاهش ويژگي و طراحي تفكيك كننده¬ي مناسب نياز مي باشد؛ كه در اين پايان نامه از روش هاي wavelet براي استخراج ويژگي، Rankfeatures براي كاهش ويژگي و از SVM به عنوان تفكيك كننده استفاده شده است. همچنين به منظور حذف اثر نويزهايي همچون پلك زدن از روش آناليز اجزا مستقل(ICA) , بعنوان پيش پردازش , استفاده شده است . روشها و الگوريتم¬هاي پيشنهاد شده، بر روي مجموعه داده¬ي ثبت شده از 8 فرد در مركز تخصصي پارند ،پياده سازي شده است و نتايج آنها بطور مفصل مورد بحث و بررسي قرار گرفته است.
واژه‌هاي كليدي: سيگنالهاي الكتروانسفالوگرام، رمز گشايي، Wavelet، SVM.
