بخشی از مقاله
خلاصه
چالش اصلی سیستمهای واسط مغز و ماشین 1 - BCI - دوکلاسه، پایین بودن پهنای باند کانال ارتباطی آنها است. مخصوصا این مساله برای کنترل دستگاههای کمکی شبیه صندلی چرخدار یا ربات متحرک که نیازمند دستورات حرکتی چندگانه هستند، مهم است.
هدف این تحقیق، کنترل کردن صندلی چرخدار توسط سیستم واسط مغز و ماشین با استفاده از سیگنالهای 2EEG مبتنی بر الگوهای ذهنی 3SSVEP است. کاربر باید بتواند دستورات چندگانه را به سیستم صادر کند، بهطوریکه این کنترل ذهنی مخصوصا برای افراد ناتوان امنیت بالا و قابل قبولی داشته باشد. ابتدا سیگنال ذهنی SSVEP توسط پنجره همینگ پنجرهگذاری میشود و سپس در مرحله پیشپردازش برای کاهش نویز و مصنوعات از یک فیلتر میانگذر عبور داده میشود.
استخراج ویژگی از سه روش 4FFT ، 5IT-CCA و روش بهبودیافته مبتنی بر ترکیب IT-CCA و فیلتربانک انجام میشود. محاسبه دقت و نرخ انتقال اطلاعات هر سه روش نشان میدهد که روش بهبودیافته مبتنی بر ترکیب IT-CCA و فیلتربانک بهترین عملکرد را دارد. در پایان صندلی چرخدار و محیط فیزیکی آن در نرمافزار شبیهسازی ربات Webots طراحی و با ارسال و اجرای دستورات چندگانه مانور حرکتی صندلی چرخدار کامل میشود.
.1 مقدمه
واسطه ای بین ذهن انسان و کامپیوتر - BCI - سیستمهایی هستند که میتوانند بدون داشتن هیچ کانال ارتباطی معمولی و تنها بهوسیله تفسیر الگوهای کنش ذهنی به دستورات منطبق، بین ذهن بشری و محیط خارجی ارتباط مستقیم فراهم کنند
برای اولین بار در سال 1924، عصبشناس آلمانی به نام هانس برگر توانست فعالیتهای ذهنی الکتریکی EEG را ثبت کرده و بر روی کاغذ نمایش دهد .[2] سیگنالهای [3] EEG که شامل الگوهای ذهنی [4-5] 6P300، [6-7] SSVEP، [8] 7ERD/8ERS هستند با توجه به راحتی کاربرد و پایین بودن هزینه ساخت عملی، بهصورت گسترده برای توسعه BCIها و از جمله رباتهای متحرک کنترلشونده با ذهن به کار میروند.
BCI های P300 و SSVEP مبنا براساس تحریک خارجی هستند اما سرعت ،دقت و پایداری بالا دارند. ERD/ERSها مستقل از تحریک خارجی هستنداما نیاز به آموزش دارند.
پتانسیلهای برانگیخته حالت پایدار بینایی یا SSVEP بیانگر نوع خاصی از فعالیت مغزی کاربر است که در اثر خیره شدن کاربر به محرک نوری چشمکزن با فرکانس بالای 6 هرتز در ناحیه پسسری مغز ظاهر میشود. با این وجود سیستمهای مبتنی بر SSVEP مزیتهای بسیاری دارند، ازجمله کاملا متکی بر کاربران و جلسات استفاده آنها از سیستم هستند و آموزش خاصی نیاز ندارند، میتوانند ارتباط پرسرعتی را فراهم کنند، دقت بالایی تولید میکنند و پایداری بالایی دارند.
دستگاه صدور دستور از راه دور کنترل شونده با ذهن و رباتهای متحرک [9-10] دو دسته اصلی از رباتهای کنترل شونده با ذهن هستند که میتوانند به افراد شدیدا ناتوان در زندگی روزانهاشان کمک کنند و کیفیت زندگی آنها را از لحاظ استقلال فردی تغییر دهند.
برای اولین بار در سال 2004 - با استفاده از الگوی - ERD اولین ربات کنترلشونده با ذهن پیشنهاد شد [11] و درسال 2005 تاناکا و همکاران برای اولین بار صندلی چرخدار رباتیکی کنترلشونده با ذهن را با استفاده از الگوهای ERD/ERS طراحی کردند .[12]این صندلی چرخدار دو حرکت چرخش به چپ و راست را در محیط حقیقی انجام میداد. چوی و همکاران در سالهای 2008 و 2011 از همین الگوی ذهنی برای طراحی صندلی چرخداری که سه حرکت گردش به چپ و راست و حرکت مستقیم به جلو را انجام میدهد، استفاده کردند
در سال 2014 در طراح ربات متحرکی که بر اساس ERD/ERS حرکت میکند، از انگاشت حرکتی دست چپ و راست برای کنترل استفاده شد. به این صورت که خروجی طبقهبندیکننده متناسب با دست چپ و راست، برابر صفر و یک است. این سیستم بهخوبی توانسته است هفت دستور روشن/خاموش، ایست، حرکت به جلو، حرکت به جلو و چپ، حرکت به عقب، حرکت به عقب و راست و حرکت به عقب و چپ را انجام دهد
در مقایسه با SSVEP BCIها، P300 BCIها زمان بیشتری برای صدور دستور لازم دارند، اما دقت بالاتر و واسط گرافیکی بسیار طبیعیتری دارند. برای اولین بار ربسام و همکاران در سال 2006، P300 BCI را برای توسعه صندلی چرخدار رباتیکی کنترلشونده با ذهن بهکار گرفتند [16] و پس از آن نیز سایر محققان آن را بهبود دادند
SSVEP BCI میتواند هر 2-4 ثانیه دستور صادر کند. در سال [18] 2009 یک صندلی چرخدار بر اساس الگوی SSVEP طراحی شد. چهار فرکانس تحریک 13، 14، 15 و 16 هرتز با استفاده از LED برای ساخت دستورات حرکت به راست و چپ و جلو عقب استفاده شدند. پس از آن محققان مدل صندلی چرخدار را که از الکوی SSVEP برای کنترل و هدایت استفاده میکرد، پیشرفت دادند
در تحقیقی که در سال 2015 انجام گرفت، یک صندلی چرخدار رباتیکی که از BCI با الگوهای SSVEP و کنترل مشارکتی استفاده می-کند، با هشت حالت یا دستور ارایه شده است. اگرچه این کنترل مشارکتی توسط تعداد دستورات و محیط، محدود شده است اما میتواند به صورت گسترده برای هدایت در محیطهای شناختهشده شبیه اتاق و محیط بیرون بهکار رود
-2 مواد و روشها
شکل -1 بلوک دیاگرام سیستم BCI
یک سیستم BCI ابتدا سیگنالهای ذهنی را اندازهگیری میکند، سپس آنها را در زمان حقیقی پردازش میکند تا الگوهای خاصی را شناسایی کرده و به نیت کاربر بازخورد کند. پردازش سیگنال در سه مرحله اصلی انجام میگیرد:
پیشپردازش، استخراج ویژگی، شناسایی و طبقهبندی. بلوک دیاگرام سیستم BCI در شکل 1 نمایش داده شده است.سیگنالهای EEG غیرایستان هستند و ماهیت تصادفی دارند، بنابراین ویژگیهایشان با گذشت زمان تغییر میکند. چون 9BCW دقت بالا لازم دارد، نمیتوان از پنجره با طول کوچک استفاده کرد و مناسبترین طول بین 4 تا 6 ثانیه است. سیگنال EEG با پنجره مستطیلی پنجرهگذاری میشود.
پیشپردازش با هدف ساده کردن اعمال پردازشهای بعدی - بدون از دست دادن اطلاعات وابسته مهم - انجام میشود. تبدیلات ترکیب شده با تکنیکهای فیلترکردن برای افزایش 10SNR، در قسمت پیشپردازش BCI انجام میشود. در مرحله پیشپردازش از یک فیلتر میانگذر باترورث با پهنای باند 6-60 هرتز استفاده میشود. همچنین روشهای استخراج ویژگی مبتنی بر ترکیب خطی، دارای خاصیت فیلترگذاری مکانی هستند.
الگوهای ذهنی مورداستفاده در BCIها توسط ویژگیهای خاصی مشخصهدهی میشوند. اطلاعات سیگنال EEG با الگوی ذهنی SSVEP بر حسب ویژگیهای دامنه، فاز و فرکانس استخراج میشود. الگوریتمهای استخراج ویژگی یک BCI ویژگیها را محاسبه و استخراج میکند و سپس در مرحله طبقهبندی این ویژگیها را دستهبندی کرده و به دستورات مناسب کاربردهای BCI ترجمه میکند.
-1-2 پایگاه داده
در این تحقیق از پایگاه داده EEG که توسط آقای ماساکی ناکانیشی و همکاران [22] تهیه شده است، استفاده میشود. داده دارای تعداد هشت الکترود معادل هشت کانال است. اگرچه سیگنال EEG حساسیت و دقت زمانی بالا دارد که موجب میشود سیستمهای مبتنی بر این نوع سیگنال سرعت بالایی داشته باشند اما در مقابل نویز ضعیف است و حساسیت مکانی پایین و در نتیجه نرخ انتقال اطلاعات کمتری در مقایسه با نوع سیگنال تهاجمی دارد.
افزایش تعداد کانالها باعث افزایش نرخ انتقال اطلاعات شده و همچنین نسبت سیگنال به نویز را نیز افزایش میدهد.
داده ابتدا دیجیتالی شده است، تعداد نمونههای زمانی و فرکانسی آن 1114 است. طول زمانی داده یعنی برابر 4 ثانیه و فرکانس نمونه-برداری برابر 256 هرتز است. برای این داده مقدار تاخیری برابر 135 میلیثانیه بهعنوان بازه اطمینان در نظر گرفته شده است. به همین دلیل تعداد نمونه های کل 1024 نیست و برابر 1114 است. از ایجاد اختلاف فاز برای تولید این تعداد فرکانس تحریک استفاده شده است.
تعداد کل فرکانسها یا معادل 12، تعداد کل کانالها یا معادل 8 است. تعداد کل نمونهها یا برابر 1114 و تعداد هر آزمایش زمانی برای هر الکترود و در هر فرکانس یا برابر 15 است. 9/25، 11/25، 13/25، 9/75، 11/75، 13/75، 10/25، 12/25، 14/25، 10/75، 12/75 و 14/75 فرکانسهای تحریک هستند. از ایجاد اختلاف فاز برای تولید این تعداد فرکانس تحریک استفاده شده است. سه فرکانس 9/25، 11/25، 13/25 دارای فاز اولیه صفر هستند. سه فرکانس 9/75، 11/75، 13/75 فاز اولیه معادل نود درجه دارند. سه فرکانس تحریک 10/25، 12/25، 14/25 نسبت به سه فرکانس تحریک اولیه دارای اختلاف فاز 180 درجه هستند و 10/75، 12/75 و 14/75 فاز اولیه 270 درجه دارند.
-2-2 معیارهای ارزیابی عملکرد : BCI
مهمترین معیارهای ارزیابی سیستمهای BCI به صورت زیر است:
الف - دقت : دقت محلی و دقت طبقهبندی
دقت محلی عبارت است از نسبت اختلاف انحراف معیار نتیجه از مقدار اصلی یا میانگین به مقدار اصلی یا میانگین.
اندازهگیری دقت با استفاده از عملکرد طبقهبندی اصطلاحا دقت طبقهبندی یا نرخ طبقهبندی گفته میشود و عبارت است از نسبت تعداد دنبالههای طبقهبندی شده - تعداد تلاشهای موفقیتآمیز برای اجرای وظیفه ذهنی خواسته شده - به تعداد کل دنبالهها. نرخ خطا نیز نسبت تعداد دنبالههای طبقهبندینشده به تعداد کل دنبالهها است.
ب - نرخ انتقال اطلاعات - 11ITR -
برای بسیاری از سیستمهای BCI نرخ انتقال اطلاعاتی که توسط شانون تعریف میشود دربرگیرنده دقت ، سرعت کلاسبندی و تعداد کلاسها است. تعداد کلاسها است. برحسب بیت بر دقیقه است. نسبت زمان کل هر بخش آزمایش به کل دستورات متناظر با آن است.
