کنترل اندام های مصنوعی می تواند از طریق تفکیک الگوهای تصورحرکت با استفاده ازسیگنال های الکتروانسفالوگرافی (EEG) انجام شود. هدف از انجام این مطالعه تشخیص تصور حرکات دست و پا برمبنای سیگنال EEG است. مجموعه آزمون های IVA از داده های BCI Competition IIIکه شامل سیگنال های EEG ثبت شده از 5 فرد سالم و در سه کانال C3، C4 و CZ است، برای طراحی سیستم تشخیص حرکات تصور شده به کار رفت. در ابتدا، با استفاده از روش تحلیل مولفه ی اصلی چند مقیاسی (MSPCA) اجزای اساسی نویز سیگنال EEG حذف شدند. در مرحله ی بعد، سیگنال های EEG با دو روش مختلف شامل فیلترینگ فرکانسی با استفاده از فیلتر باترورث و روش تبدیل بسته ویولت (WPT) به بخش هایی تجزیه شدند. در این مطالعه، تجزیه ‌و تحلیل نوسانات تفکیک‌شده، بعد فرکتال، بعد همبستگی، پیچیدگی لیمپل-زیو و آنتروپی به عنوان ویژگی های دینامیکی برای سیگنال ها محاسبه شدند. ویژگی های مورد نظر در هر دو روش تجزیه، برای نسخه زمانی زیرباندهای تعیین شده محاسبه شدند. به منظور تعیین بهترین عملکرد سیستم، ترکیب های متفاوتی از کانال ها و ویژگی ها مورد ارزیابی قرار گرفتند. روش تجزیه بر مبنای تبدیل ویولت، درحالت استفاده از هر سه کانال و پنج ویژگی، بالاترین دقت تشخیص را ارایه کرد؛ به گونه ای که با استفاده از روش طبقه بندی ماشین بردار پشتیبان (SVM)، دقت 93 درصد در شناسایی حرکات مورد نظر به دست آمد. تفاصيل المقالة