واسط مغز و رایانه در دهه اخیر سیر علمی، به شکل فزآینده‌ای مورد توجه قرار گرفته است و برگزاری چند دوره مسابقات بین المللی و چالش‌های علمی در سطح جهان شاهد این مدعاست. در این مقاله، یک الگوریتم شش مرحله‌ای در طبقه بندی تصورات حرکات اندام مورد استفاده قرار گرفته است. در گام اول مجموعه 288 داده الکتروانسفالوگرام از پایگاه داده‌ی مسابقات BCI سال 2005 جمع‌آوری شد.در گام دوم با استفاده از فیلتر بانک تبدیل موجک کاهش نویز داده‌ها صورت گرفت. در گام سوم، ریتم میو و بتای سیگنال در ناحیه‌ی سنترال با استفاده از یک نمایش حوزه‌ی زمان فرکانس تبدیل موجک استحصال شد. در گام چهارم، مجموعه‌ای از ویژگی‌های زمانی، فرکانسی و غیرخطی از هر زیر باند استخراج شد و در گام پنجم فضای ویژگی از با استفاده آنالیز مولفه‌های اصلی کاهش یافت. در گام ششم مجموعه ویژگی‌ها به عنوان ورودی دو طبقه‌بندی کننده نزدیکترین همسایه، ماشین بردار پشتیبان و درخت تصمیم درنظر گرفته شد.تمامی شبیه‌سازی‌ها تحت نرم افزار متلب اجرا و پیاده‌سازی گردیده است. نتایج نشان می دهد که طبقه‌بند ماشین بردار پشتیبان با کرنل غیرخطی و طبقه‌بندی کننده نزدیکترین همسایه بازدهی بالاتر از 80 درصد را به همراه دارد.
Iyzadpanahi M, Yousefi M R, Behzadfar N. Classification of Upper Limb Movement Imaginations Based On a Hybrid Method of Wavelet Transform and Principal Component Analysis for Brain-Computer Interface Applications. تحقیقات نوین در سیستمهای قدرت هوشمند 2020; 9 (3) :35-42 URL: http://jeps.dezful.iau.ir/article-1-301-fa.html
ایزدپناهی مریم، یوسفی محمدرضا، بهزادفر ندا. طبقه‌بندی تصورات حرکات اندام فوقانی مبتنی بر یک روش هایبرید از تبدیل موجک و آنالیز مولفه‌های اصلی برای کاربردهای واسط مغز و کامپیوتر. نشریه علمی-تخصصی تحقیقات نوین در سیستمهای قدرت هوشمند. 1399; 9 (3) :35-42
