روش های آماده سازی، پیش ردازش و استخراج ویژگی از سیگنالهای مغزی EEG

گفته می‌شود که مغز انسان حاوی حدود ١٨٠میلیارد سلول است که از این تعداد حدود٥٠ میلیارد سلول‌های نورون هستند و مابقی آن‌ها را سلول‌های جانبی با عملکردهای گوناگون تشکیل می‌دهند. همچنین گفته می‌شود که دندریت‌های برخی از این نورون‌ها با ١٥هزار نورون دیگر در ارتباط هستند. بدین ترتیب مغز انسان یک شبکه بسیار پیچیده و درهم ‌تنیده از نورون‌ها است که در هر لحظه میلیون‌ها نورون در آن در حال تحریک شدن و تولید میدان‌هایی در اطراف خود می‌باشند. در ثبت سیگنالهای   EEGاز روی کورتکس سر، فعالیتهای الکتریکی سایر اعضا مانند حرکات چشم، عضله و ... برروی نتایج ثبت تاثیر منفی میگذارند و مانند نویزی برروی این سیگنالها سوار می­شوند که به آنها آرتیفکت گفته می­شود. ثبت الکتریکی سیگنال چشم[1]EOG نام دارد که اختلاف پتانسیل الکتریکی بین قرنیه و شبکیه را که ناشی از حرکات چشم میباشد، ثبت می­کند. این حرکات شامل حرکات عمودی و افقی چشم و پلک زدن می­باشد. برای از بین بردن آرتیفکت­های حاصل از  EOGو بدست آوردن سیگنال­های  EEGتمیز، شیوه های گوناگونی وجود دارد مانند حذف قسمتی از سیگنال که حاوی نویزEOG  است (این روش که از متداولترین روش­های حذف آرتیفکت می­باشد، سبب می­شود بخش قابل­توجهی از سیگنال اصلی ازبین برود به ویژه در بیمارانی که تیک دارند(، استفاده از فیلترهای دیجیتال، جداسازی کورمنابع و برخی شیوه های انطباقی که در ادامه به تفصیل توضیح داده شده است.

[1] Electrooculogram

تشخیص هویت از روی نحوه راه رفتن افراد

راه رفتن، یکی از ویژگیهای فیزیکی بدن افراد است، که امروزه به عنوان یک بیومتریک در سیستم های تشخیص هویت استفاده می شود . در این مقاله یک رهیافت جدید برای شناسایی افراد از روی راه رفتن مبتنی بر خوشه بندی مبتنی ب ر الگوریتم ژنتیکی ارائه شده اس ت. .در استخراج ویژگی یک تغییر اساسی نسبت به الگوریتم های قبلی انجام شدده است . ابتدا با سه روش مختلف بردار ویژگی اولیه استخراج شده است . از خوشه بندی بر مبنای الگوریتم های ژنتیکی برای دسته بندی بردارهای ویژگی اولیه متشابه استفاد ه شده است و سپس با میانگین گیری از خوشه ها بردار ویژگی اصلی استخراج شده است . .در فاز تشخیص یک الگوریتم جدید مبتنی برDTWارائه شده است. نتایج آزمایشات کارایی رهیافت پیشنهادی را تایید می کنند.

کلمات کلیدی :  

مقدمه

پیش پردازش ‘ بهبود زمینه و آشکارسازی شی ‘

استخراج ویژگیها

چگونگی محاسبه پریود راه رفتن

پیش پردازش بر روی تصاویر باینری

محاسبه میانگین تصاویر

مرحله شناسایی ( تشخیص )

بردار ویژگی اولیه

استخراج سیکل راه رفتن

الگوریتم خوشه بندی ژنتیکی

استخراج بردار ویژگی اولیه

استفاده از الگوریتم DTW

نتایج آزمایش

نتیجه گیری

مراجع