喻 曉

(漳州電業(yè)局，福建漳州 363000)

腦 - 機(jī) 接 口［1-4］(brain-computer interface，BCI)是一種在大腦和外部設(shè)備(計算機(jī)或外界環(huán)境等)之間傳遞信息的通訊系統(tǒng)，但這個系統(tǒng)不依靠外圍神經(jīng)和肌肉組成的大腦正常輸出通道來傳遞信息。BCI技術(shù)近年在全球范圍內(nèi)成為研究熱點，其研究成果在工業(yè)控制、康復(fù)醫(yī)學(xué)、心理測試、腦認(rèn)知科學(xué)等領(lǐng)域有著廣闊的應(yīng)用前景。

BCI系統(tǒng)的實時化研究是BCI實用化技術(shù)的關(guān)鍵問題之一，其根本點在于提高對腦電信號識別的正確率和識別速度。BCI系統(tǒng)要求具有實時的處理速度和較高的準(zhǔn)確識別率。由于腦電信號的復(fù)雜性和非平穩(wěn)性，通過在線分析腦電信號進(jìn)行信號處理和模式識別是一個挑戰(zhàn)［1］。本文對基于EEG信號的BCI系統(tǒng)進(jìn)行實時性研究，建立了一個基于腦電alpha波的實時光標(biāo)控制系統(tǒng)，實現(xiàn)了在線BCI控制。

按照腦電信號控制方式的不同，BCI系統(tǒng)分為同步模式和異步模式［2-6］。同步腦-機(jī)接口系統(tǒng)要求用戶必須在系統(tǒng)規(guī)定的時間內(nèi)進(jìn)入一種特定的思維狀態(tài);異步腦-機(jī)接口系統(tǒng)需要不斷分析腦電信號，用戶可以自由啟動某種思維任務(wù)來完成特定的控制，具有更好的實用性［7-13］。本文建立的基于腦電alpha波的實時光標(biāo)控制系統(tǒng)屬于異步模式的腦-機(jī)接口系統(tǒng)。

1 特征選取和模式識別

1.1 特征選取

alpha波為自發(fā)腦電的主要成分之一，與視覺皮層的閑散節(jié)律相對應(yīng)，頻率為8～13 Hz，振幅為20～100 μV。清醒閉目時 alpha波出現(xiàn)，而在睜眼、思考問題或接受其他刺激時，alpha波消失，出現(xiàn)快波，這稱為alpha波阻斷現(xiàn)象。整個大腦皮層都產(chǎn)生alpha波，但是在枕部最為明顯［6］。不同受試者的alpha波幅值具有明顯個體差異，即使同一受試者，在睜眼、閉眼2種狀態(tài)下的alpha波幅值同樣具有明顯差異，通過分析腦電數(shù)據(jù)容易區(qū)分出2種不同狀態(tài)。圖1為本文設(shè)計的實驗中某受試者睜眼和閉眼2種狀態(tài)下的O1導(dǎo)聯(lián)的alpha波波形，從中可以看出閉眼狀態(tài)alpha波幅值明顯高于睜眼狀態(tài)，本文基于此特征設(shè)計了一套簡便易行的基于腦電alpha波的BCI系統(tǒng)。該系統(tǒng)通過受試者睜眼、閉眼行為，自主調(diào)節(jié)alpha波幅度，實現(xiàn)對光標(biāo)移動快速、可靠的實時控制。

圖1 某受試者睜眼、閉眼狀態(tài)下O1導(dǎo)聯(lián)alpha波對比

電極帽采集EEG，經(jīng)過放大、A/D轉(zhuǎn)換等前置處理后，以電壓幅值形式存儲到服務(wù)器計算機(jī)，客戶端，計算機(jī)通過TCP連接與服務(wù)器計算機(jī)建立連接，并實時接收腦電數(shù)據(jù);客戶端對接收到的腦電信號進(jìn)行8～13 Hz的帶通濾波，得到O1、O2兩導(dǎo)的alpha波。濾波器采用10階Butterworth無限長沖擊響應(yīng)(IIR)濾波器。

設(shè)Xij為第i導(dǎo)的第j個采樣點腦電數(shù)據(jù)，根據(jù)時域內(nèi)信號能量計算方法，N個采樣點對應(yīng)第i導(dǎo)腦電數(shù)據(jù)的平均能量為

本文選取的采樣率為1 000 Hz，將N=600時O1、O2兩導(dǎo)的alpha波平均能量PLO1和PLO2作為特征。

1.2 模式識別

Fisher線性判別分析方法(FDA)是模式識別中一種行之有效的特征提取方法，其原理是試圖找到一組最佳的投影方向。在這些投影方向上，可以最好地區(qū)分訓(xùn)練集中屬于不同類別的樣本［13］。

定義以下矩陣和向量:

假設(shè)在樣本空間L中有N個d維樣本:x1，x2…xN，其中N1個屬于樣本子集D1，N2個屬于樣本子集 D2。

1)樣本均值

2)樣本類內(nèi)離散度

3)樣本類間離散度

收集的資料既要涵蓋高中低水、豐平枯年范圍，又要反映現(xiàn)狀年測站水文特性情況。根據(jù)以上原則，我們確定以下資料范圍及內(nèi)容：

定義Fisher的準(zhǔn)則函數(shù)

找出使得類間離散度Sb最大而類內(nèi)離散度Sw最小的投影方向w，即最大化準(zhǔn)則函數(shù)JF(w)。用Lagrange乘子法求解取得極大值時的W*，得到最優(yōu)解:

利用先驗知識選定分界閾值點y0，再根據(jù)決策規(guī)則:

即可判斷x屬于什么類別。

受試者的分界閾值點參考值

2 系統(tǒng)實現(xiàn)和實驗設(shè)計

本系統(tǒng)利用正常人腦電alpha波阻斷現(xiàn)象，設(shè)計了相應(yīng)的BCI系統(tǒng)，包括信號傳輸、處理平臺、前面板，以實現(xiàn)對光標(biāo)移動的實時控制。

圖2為BCI系統(tǒng)結(jié)構(gòu)，系統(tǒng)采用NEUROSCAN平臺采集數(shù)據(jù)，采樣率為1 000Hz。NEUROSCAN由電源盒、電極帽、放大器、顯示器、SCAN4.3軟件平臺組成。電極帽記錄的腦電信號經(jīng)放大器放大、A/D轉(zhuǎn)換后由SCAN4.3軟件平臺實時發(fā)送，在客戶端程序中對數(shù)據(jù)進(jìn)行接收、濾波、特征提取、模式識別、產(chǎn)生控制脈沖等信號處理工作，最終產(chǎn)生控制命令驅(qū)動光標(biāo)移動。電極帽采用32通道國際10-20系統(tǒng)導(dǎo)聯(lián)。本系統(tǒng)遠(yuǎn)程傳送和接收EEG信號的實現(xiàn)基于傳輸控制協(xié)議(transmission control protocol，TCP)。本文采用LabVIEW平臺編程實現(xiàn)客戶端程序。圖3為基于LabVIEW平臺的客戶端的系統(tǒng)流程。

圖2 BCI系統(tǒng)結(jié)構(gòu)

圖3 基于LabVIEW平臺的客戶端的系統(tǒng)流程

受試者通過調(diào)節(jié)閉眼時間實現(xiàn)控制光標(biāo)向4個方向移動。實驗方法:在LabVIEW平臺下，根據(jù)式(1)得到采樣率為1 000 Hz，N=600時受試者頭部O1，O2導(dǎo)聯(lián)對應(yīng)的alpha波平均能量PLO1和PLO2，通過線性判別分析的方法判定受試者當(dāng)前睜眼閉眼狀態(tài)，并輸出控制信號Cr，當(dāng)Cr=1時系統(tǒng)發(fā)出1聲提示音，如受試者保持閉眼狀態(tài)，系統(tǒng)每隔600 ms發(fā)出1次提示音。當(dāng)受試者僅聽到1聲提示音后睜眼則表示選擇方向‘上’;聽到2聲提示音后睜眼則表示選擇方向‘下’;聽到3聲提示音后睜眼則表示選擇方向‘左’;聽到4聲提示音后睜眼則表示選擇方向‘右’。輸出的控制信號與所對應(yīng)的命令如表1所示。

表1 控制命令

正常人閉眼后alpha波能量上升輸出Cr=1需要2.4 s，保持閉眼狀態(tài)輸出上下左右4個方向分別需要 1.2 s、1.8 s、2.4 s、3.0 s，所以系統(tǒng)輸出1個控制命令平均需要4.5 s。

3 實驗結(jié)果分析

圖4為基于BCI的光標(biāo)控制系統(tǒng)界面窗口，10名受試者參加了該系統(tǒng)的基本控制實驗。實驗?zāi)康氖菫榱藱z驗系統(tǒng)的操作性能和響應(yīng)速度，分析系統(tǒng)參數(shù)的設(shè)置范圍以及出現(xiàn)操作失誤的原因。參加實驗的10位受試者均為在校研究生，未經(jīng)過任何先期訓(xùn)練。

圖4 基于BCI的光標(biāo)控制系統(tǒng)界面窗口

具體實驗:受試者控制光標(biāo)分別向上下左右4個方向移動5步，統(tǒng)計每位受試者完成任務(wù)所需時間及出錯次數(shù)。如果光標(biāo)未按受試者目標(biāo)方向移動，則記為1個錯誤。在相同實驗條件下，首先進(jìn)行1組測試實驗，根據(jù)每位受試者的睜閉眼alpha波幅值設(shè)定分界閾值點y0，然后每位受試者重復(fù)完成5組實驗，作為系統(tǒng)實驗用以檢驗系統(tǒng)的正確率。

表2為系統(tǒng)實驗記錄。從表2中可以看出，通過幾次實驗訓(xùn)練即可有效提高操作正確率。分析得到出現(xiàn)誤操作的主要原因有:① 受試者閉眼期間alpha波幅值下降導(dǎo)致錯誤輸出‘0’;② 受試者睜眼后alpha波幅值下降延遲而導(dǎo)致錯誤輸出‘1’;③ 受試者睜眼狀態(tài)下alpha波幅值出現(xiàn)抖動上升而導(dǎo)致錯誤輸出‘1’。第①類錯誤與分界閾值點y0過高有關(guān)，另外分界閾值點y0過高可能會導(dǎo)致受試者閉眼后alpha波幅值未超過分界閾值點y0導(dǎo)致無命令輸出。第②類和第③類錯誤的出現(xiàn)和分界閾值點y0的設(shè)置過低有關(guān)，因此需要通過測試實驗設(shè)定分界閾值點y0。

表2 系統(tǒng)實驗錯誤記錄及正確率統(tǒng)計

從實驗數(shù)據(jù)看，不同受試者在睜眼和閉眼時alpha波能量差異明顯，進(jìn)一步驗證了alpha波阻斷現(xiàn)象的普適性。通過實驗數(shù)據(jù)統(tǒng)計和分析可以得出:以下2個參數(shù)的設(shè)定直接影響了系統(tǒng)的正確率。

1)分界閾值點y0的設(shè)定因受試者不同而異，系統(tǒng)實驗前需進(jìn)行測試實驗，用以設(shè)定分界閾值點y0。不適當(dāng)?shù)慕档头纸玳撝迭cy0會引發(fā)錯誤。

2)alpla腦電信號平均處理時間常數(shù)的設(shè)定直接影響了系統(tǒng)的抗干擾能力和系統(tǒng)響應(yīng)速度，由此影響了實驗的正確率。將濾波后的alpha波信號進(jìn)行平均處理，適當(dāng)?shù)钠骄幚頃r間可以有效提高系統(tǒng)抗干擾能力，如眨眼、打哈欠等。過大的平均處理時間會降低系統(tǒng)的靈敏度。平均處理時間同時也是提示音間隔時間，需考慮受試者反應(yīng)速度。通過統(tǒng)計分析多次實驗數(shù)據(jù)將其設(shè)定為600 ms。

文獻(xiàn)［7］建立的基于腦電alpha波的腦-機(jī)接口控制系統(tǒng)需要受試者注視有5個指示燈(代表5種不同操作命令)的控制面板，指示燈按順時針方向依次循環(huán)閃爍點亮，并持續(xù)一段時間，如果某個指示燈點亮?xí)r受試者閉眼產(chǎn)生alpha波，則選中該指示燈代表的操作命令，其工作方式為同步模式，需要受試者注視有指示燈的控制面板，該系統(tǒng)輸出一個控制命令需要9 s。文獻(xiàn)［5］建立的基于alpha波的異步腦-機(jī)接口系統(tǒng)輸出一個控制命令需要45 s。本文建立的基于腦電alpha波的實時光標(biāo)控制系統(tǒng)輸出一個控制命令僅需3.6～5.4 s，操作簡單，響應(yīng)速度快，正確率高，實用價值高，與現(xiàn)有的基于腦電alpha波的BCI系統(tǒng)相比，具有更好的實時性。3個系統(tǒng)對比情況見表3。

表3 基于腦電alpha波的BCI系統(tǒng)對比

4 結(jié)束語

本文利用在腦神經(jīng)功能正常的人中普遍存在的腦電alpha波阻斷現(xiàn)象，設(shè)計了一套控制光標(biāo)移動的BCI系統(tǒng)，并進(jìn)行了系統(tǒng)實驗。為確定系統(tǒng)的分界閾值點y0、平均處理時間常數(shù)等參數(shù)，先后對10名受試者進(jìn)行了測試實驗。通過統(tǒng)計分析實驗數(shù)據(jù)，設(shè)定了系統(tǒng)參數(shù)，并設(shè)計了光標(biāo)移動任務(wù)系統(tǒng)實驗，考察了系統(tǒng)的響應(yīng)速度、準(zhǔn)確率。實驗結(jié)果表明，未經(jīng)先期訓(xùn)練的受試者可以利用該系統(tǒng)穩(wěn)定可靠地實現(xiàn)既定實驗任務(wù)，系統(tǒng)具有操作簡便、正確率較高和響應(yīng)速度較快的特點，同現(xiàn)有的基于腦電alpha波的BCI系統(tǒng)相比，具有更好的實用價值。本系統(tǒng)利用TCP/IP協(xié)議實現(xiàn)腦電信號采集系統(tǒng)和數(shù)據(jù)處理系統(tǒng)的通信，實現(xiàn)了信號采集和數(shù)據(jù)處理系統(tǒng)的分離，為進(jìn)一步研究開發(fā)便攜式腦電信號采集設(shè)備和實時控制的腦-機(jī)接口系統(tǒng)提供技術(shù)基礎(chǔ)。

［1］Blankertz B，Curio G，Müller K R.Classifying single trial EEG:Toward brain computer interfacing［J］.Advances inNeural Inf Proc Systems(NIPS 01)，2002，14:157-164.

［2］程明，高上凱，張琳.基于腦電信號的腦-計算機(jī)接口［J］.北京生物醫(yī)學(xué)工程，2000(6):113-118.

［3］Wolpaw J R，McFarland D J，Neat G W，et al.An EEG-based brain-computer interface for cursor control［J］.Electroenceph Clin Neurophysiol，1991，78:252.

［4］Jonathan R W.Brain-computer interface research at the wadsworth center［J］.IEEE Transactions on Rehabilitation Engineering，2000，8(2):222-226.

［5］趙海濱，王宏，李春勝.基于alpha波的異步腦-機(jī)接口系統(tǒng)［J］.東北大學(xué)學(xué)報:自然科學(xué)版，2009，10:1377-1380.

［6］黃遠(yuǎn)桂，吳聲伶.臨床腦電圖學(xué)［M］.北京:人民衛(wèi)生出版社，1998.

［7］萬柏坤，綦宏志，趙麗，等.基于腦電alpha波的腦-機(jī)接口控制實驗［J］.天津大學(xué)學(xué)報，2006，39(8):978-984.

［8］李凌，張金香.閉眼與開眼靜息狀態(tài)下腦電α波的差異研究［J］.電子科技大學(xué)學(xué)報，2010(3):451-453.

［9］堯德中，劉鐵軍，雷旭，等.基于腦電的腦-機(jī)接口:關(guān)鍵技術(shù)和應(yīng)用前景［J］.電子科技大學(xué)學(xué)報，2009(5):550-554.

［10］吳婷，顏國正，楊幫華.一種快速的腦電信號特征提取與分類方法［J］.系統(tǒng)仿真學(xué)報，2007(9):4342-4344.

［11］張莉，何傳紅，何為.典型相關(guān)分析去除腦電信號中眼電偽跡的研究［J］.計算機(jī)工程與應(yīng)用，2009(31):218-220.

［12］唐艷，柳建新，龔安棟.ICA+CSSD的腦-機(jī)接口分類［J］.電子科技大學(xué)學(xué)報，2008，37(5):466-469.

［13］邊肇祺，張學(xué)工.模式識別［M］.北京:清華大學(xué)出版社，1988.