این مقاله درباره امکان پذیری استفاده از تکنیک های حسگری برای جمع آوری و بازسازی سیگنال های EEG شامل پتانسیل برانگیخته P300  تحقیق می کند. یک روش حسگری فشرده EEG بر اساس هم بستگی فیزیولوژیکی کانال های EEG پیشنهاد می شود. بازسازی سیگنال های جمع آوری شده 55 کانال EEG توسط حسگر تراکمی (فشرده)، از یک دیکشنری شامل سیگنال های EEG حاصل از 9 کانال با جمع آوری نرمال استفاده می کند.

-1مقدمه

مفهوم جمع آوری فشرده یا حسگری فشرده (CS) (1-4) به بازسازی یک سیگنال از تعداد کمی پروجکشن روی بردارهای تصادفی گفته می شود، در صورتی که یک پایه وجود داشته باشد که در آن، سیگنال، پراکنده باشد. CS مثالی از استفاده عملی از نتایج تئوری جدید است که در سال های اخیر بطور گسترده توسط ریاضیدانان و مهندسان مطالعه شده است تا کاربردپذیری عملی برای اصول ریاضی را بیابند.

با شروع از مفهوم پراکندگی یک سیگنال در یک پایه خاص و استفاده از برنامه نویسی خطی، الگوریتم هایی نظیر روش چارچوب ها (MOF)، تعقیب انطباقی (MP)، بهترین پایه متعامد (BOB) یا تعقیب متعامد (BP)، مقالات سال های اخیر امکان پذیری جالب تلفیق مفاهیم فشردگی سیگنال و جمع آوری تحت نام CS را نشان داده اند. از نظر ریاضی ثابت شده است که اگر سیگنال های یک گروه اجازه نمایش چند مولفه در یک پایه به درستی انتخاب شده را بدهد، یعنی اگر سیگنال ها در آن پایه، "پراکنده" باشند، آنها را می توان با حل یک مسئله برنامه نویسی خطی مانند بالا، بطور کامل یا با دقت بسیار خوبی از چند اندازه گیری تصادفی بازسازی نمود…