برقراري ارتباط بين مغز با رايانه مبتني بر پتانسيل برانگيخته P300 به منظور امكان برقراري ارتباط گفتاري براي ناشنوايان

انسان­هایی که از ناتوانی­های شدید حرکتی رنج می­برند نیازمند وسایلی برای برقراری ارتباط و کنترل محیط خود هستند. مطالعات زیاد در دو دهه گذشته نشان داده است که فعالیت­های الکتریکی مغز، می­توانند در سیستم­های واسط مغز و کامپیوتر (BCI)  که امکان ارتباط با محیط و کنترل آن را از طریق غیرماهیچه­ای فراهم می­کنند به کار گرفته شوند. سیستم­های BCI مبتنی بر الکتروانسفالوگرام (EEG)، ویژگی­های کاربردی سیگنال EEG را اندازه­گیری کرده و سیگنال­های کنترلی را تولید می­کنند. دو دسته مهم از این ویژگی­ها عبارتند از: پتانسیل­های رویدادی و فعالیت نوسانی مغز. هنگامی که توجه انسان به یک محرک جلب شود بخشی از یک پتانسیل رویدادی معروف به P300 در EEG او ظاهر می­شود. در تحقیقات آزمایشگاهی معمولاً از تحریک بینایی و شنوایی برای تحریک کردن شخص و ظاهرشدن P300 در سیگنال الکتریکی مغز او استفاده می­کنند. مشخصۀ اصلی این موج، دامنۀ بیشینه­ای در زمان حدود 300 میلی ­ثانیه است. با اعمال روشهای پردازش سیگنال بر EEG می­توان P300 را استخراج کرد. در این طرح تحقیقاتی از دادگان مسابقات BCI2005 استفاده شد و کاراکترهای متناظر با دادگان P300-Speller استخراج گردید. پس از بررسی کارهای انجام شده مشخص شد که روش­های بازشناسی الگو برای استخراج P300 بسیار کارآمد هستند، لذا در این طرح، ماشین ­بردار پشتیبان (SVM) به عنوان یک تفکیک کنندۀ قوی برای دسته­بندی به کار گرفته­ شد. همچنین با اعمال بردار ویژگی حاصل از ضرائب تبدیل موجک گسسته سیگنال­ها به SVM، زمان دسته­بندی نسبت به حالتی که از نمونه­های سیگنال پس از نمایش تحریک به عنوان ویژگی استفاده شده است کاهش داده شد. با آزمایش روش پیشنهادی دقت تشخیص کاراکتر برابر با %97 شد که این دقت، بیشتر ازکارهای انجام شده قبلی است.