11551

11551

سگمنت كردن سيگنال هاي EEG به كمك الگوريتم هاي هوشمند

كارشناسي ارشد

برق - الكترونيك

آذر ماه 1390

آذر ماه 1390

دكتر كريم محمدي

چكيده در بسياري از كاربردهاي پردازش سيگنال¬ از قبيل تشخيص علت بيماري صرع به كمك سيگنال-هاي EEG، سيگنال به بخش¬هاي معيني كه داراي ويژگي¬هاي آماري يكساني از قبيل دامنه و فركانس هستند، تقسيم مي¬گردد. به اين عمل سگمنت كردن سيگنال گفته مي¬شود. در اين تحقيق، روش¬هايي براي بهبود درصد صحت سگمنت كردن سيگنال¬هاي غيرايستا و به طور خاص سيگنال-هاي EEG به كمك بعد فركتالي، فيلترها و الگوريتم¬هاي هوشمند ارائه گرديده است. ابتدا براي حذف تغييرات كوچك و يا حذف نويزها در سيگنال¬هاي EEG از تبديل موجك و فيلتر كالمن استفاده شده است. همچنين تبديل موجك توانايي اين را دارد كه نويزهايي شبيه به EMG و ECG را كه به طور طبيعي به عنوان نويز در سيگنال EEG وجود دارند را حذف كند. بعد از فيلتر كردن سيگنال از بعد فركتالي كه ابزار بسيار توانايي براي نشان دادن تغييرات دامنه و يا فركانس يك سيگنال مي¬باشد استفاده شده است. براي يافتن مقادير مناسب براي دو متغير طول پنجره و طول گام، از الگوريتم¬هاي هوشمند PSO، NPSO، PSO همراه با جهش، زنبور عسل، رقابت استعماري و ژنتيك استفاده شده است. روش پيشنهادي به كمك تبديل موجك، بعد فركتالي و الگوريتم زنبور عسل توانست مقدار مجموع درصد خطاها (FP+FN) را براي سيگنال¬هاي واقعي EEG از %15/70 به %9/17 تبديل كند. همچنين روش پيشنهادي به كمك فيلتر كالمن، بعد فركتالي و الگوريتم رقابت استعماري توانست مقدار مجموع درصد خطاها را براي سيگنال¬هاي واقعي EEG از %15/70 به %6/18 تبديل كند. همچنين در اين تحقيق يك روش رياضي بسيار ساده، كارا و سريع براي سگمنت كردن سيگنال¬ها معرفي شده است. در اين روش از ابزارهاي ساده¬ي رياضي از قبيل انتگرال، انحراف معيار و حد آستانه متغير استفاده گرديده است. واژه‌هاي كليدي: سگمنت كردن سيگنال، تبديل موجك، فيلتر كالمن، بعد فركتالي و الگوريتم¬هاي هوشمند.