✅️ روش RCCSSP برای طبقه بندی سیگنال EEG اجرای حرکت
✍ روش RCCSSP از یک تکنیک به نام SS-CCA استفاده می‌کند. این روش با اضافه کردن تأخیر زمانی به سیگنال‌های EEG، اطلاعات زمانی را وارد فرآیند استخراج ویژگی می‌کند. یعنی داده‌ها به‌گونه‌ای بازسازی می‌شوند که شامل نسخه‌ای از سیگنال با کمی تأخیر زمانی نیز باشند. در ادامه، از همبستگی بین کلاس‌ها با کمک (SS-CCA) استفاده می‌شود تا مشخص شود کدام کانال‌ها بیشتر با کلاس هدف مرتبط هستند. این همبستگی به صورت ضریب‌هایی محاسبه می‌شود و کانال‌هایی که همبستگی زمانی ضعیف‌تری دارند، وزن بیشتری می‌گیرند، چون اطلاعات تمایز بیشتری بین کلاس‌ها دارند. وزن‌دهی به کانال‌ها باعث می‌شود فیلترهای مکانی به شکلی بهینه طراحی شوند تا بیشترین جداسازی بین کلاس‌ها را داشته باشند. در نهایت، این فیلترها روی سیگنال EEG اعمال می‌شوند تا ویژگی‌هایی استخراج شود که برای طبقه‌بندی دقیق‌تر مناسب‌تر هستند.