陳 侃,張勝利,丁 凡
(深圳大學(xué) 信息工程學(xué)院 無線通信與網(wǎng)絡(luò)實(shí)驗(yàn)室,廣東 深圳 518000)
大腦是人類控制自身思想和行為的神經(jīng)中樞,它作為人體的管理者頻繁地與外界進(jìn)行各種交互與通信,在此基礎(chǔ)上活動的腦區(qū)域會產(chǎn)生一種可由放置在頭皮的電極捕捉到的生物電信號。腦電信號(electroencephalograph)是研究了解人類行為模式、認(rèn)知過程和診斷各種疾病的有效手段,也是實(shí)現(xiàn)人體與外界設(shè)備進(jìn)行直接通信的新手段。
近十年來,關(guān)于怎樣在大腦和外部設(shè)備間建立一條直接溝通的高效路徑引起了廣泛的研究和關(guān)注,通過緊貼在頭皮上的電極采集和處理腦電信號,就能建立起一種不依賴于大腦外周神經(jīng)與肌肉的腦機(jī)接口(Brain-Computer Interface,BCI)系統(tǒng)。BCI作為一種全新的控制和通信方式具有重大的應(yīng)用價(jià)值,它可以幫助思維正常但身體嚴(yán)重殘疾的病人實(shí)現(xiàn)控制電腦鼠標(biāo)的移動、輪椅行走、單詞拼寫等一系列功能[1]。此外,系統(tǒng)可拓展到機(jī)器人、無人機(jī)等設(shè)備的操作和控制,應(yīng)用前景十分廣闊。
根據(jù)采集腦電信號的電極種類不同,BCI系統(tǒng)可分為植入式腦電圖和非植入式腦電圖。植入式電極的優(yōu)點(diǎn)在于電極所受干擾小,能獲得質(zhì)量比較好的腦電信號,但通常需要進(jìn)行外科開顱手術(shù),風(fēng)險(xiǎn)極大且不利于設(shè)備的移動和靈活應(yīng)用,多用于實(shí)驗(yàn)室研究。與之相較非植入式電極在近年來的研究中應(yīng)用廣泛,該方法具有優(yōu)良的時(shí)間分辨率和靈活的應(yīng)用場景,雖然信號的準(zhǔn)確度容易受眼球轉(zhuǎn)動、肌肉收縮等產(chǎn)生的其他生物電信號的干擾,但成本低廉且更容易被受試者接受。
本文用到的Emotiv EPOC+采用非植入式電極,由14個數(shù)據(jù)采集通道和2個參考電極組成(如圖1所示),采樣率為128 Hz。
圖1 Emotiv EPOC+電極分布
有研究表明屬于消費(fèi)級腦電設(shè)備的Emotiv EPOC+和科研級的腦電設(shè)備在BCI上的性能具有一定的差距[2],但筆者通過實(shí)驗(yàn)得出,對于由穩(wěn)態(tài)視覺刺激(Steady-State Visual Evoked Potential, SSVEP)引起的誘發(fā)腦電,Emotiv能夠較好地采集和記錄實(shí)時(shí)的特征信號,具有良好的精度和靈敏度。
視覺誘發(fā)電位[3](Visual Evoked Potentials,VEP)是指利用外部某些固定調(diào)制的閃爍頻率來刺激眼球從而誘發(fā)特定的腦電信號,該信號可以通過位于枕骨的O1和O2兩個電極采集得到。如圖2所示,若目標(biāo)閃爍頻率高于特定頻率,將會得到一段連續(xù)的受激勵波形,稱為穩(wěn)態(tài)視覺刺激[4]。
圖2 不同刺激頻率下的VEPs和SSVEPs
通過P300誘發(fā)電位、事件相關(guān)電位、刺激慢皮層電位等方式也可獲取相應(yīng)特征的腦電信號[5],但SSVEP的優(yōu)勢在于實(shí)現(xiàn)簡單易行,同時(shí)具有很好的穩(wěn)定性和抗干擾性能,受試者無需經(jīng)過專門的訓(xùn)練。本文采用LCD顯示屏作為視覺刺激器的載體[6],如圖3所示,具有方便操作和可靈活變更程序的優(yōu)點(diǎn)。測試軟件由Python編寫,經(jīng)過測試表明基于SSVEP的Emotiv腦機(jī)接口具有較高的信息傳輸率。
圖3 腦機(jī)接口系統(tǒng)視覺刺激界面
本文主要采用兩種特征提取手段來探測EEG信號中的SSVEPs相關(guān)特性,分別是功率譜密度分析[7](Power Spectrum Density Analysis, PSDA)和典型相關(guān)性分析 (Canonical Correlation Analysis, CCA)。此外,為提高SSVEP的識別準(zhǔn)確率,本文將兩種特征提取手段相結(jié)合,并賦予每種方法不同權(quán)重,該參數(shù)可在實(shí)際使用中根據(jù)不同應(yīng)用情景和不同測試受體進(jìn)行靈活調(diào)整,大大提高了識別的速度和準(zhǔn)確率。
功率譜密度分析在應(yīng)用SSVEP的腦機(jī)接口系統(tǒng)中有著廣泛的應(yīng)用,其中有一些選取功率譜密度中最高值作為特征匹配點(diǎn),另一些BCI首先通過對受試者的訓(xùn)練來確定一個閾值,只有當(dāng)相應(yīng)頻率的幅值或功率超過該閾值時(shí)才作為被選定目標(biāo)信號。
本文對PSDA的應(yīng)用無需通過訓(xùn)練,通過計(jì)算相應(yīng)目標(biāo)頻率的SNR(Signal-to-Noise Ratio)來確定受試者選擇的對象,如式(1)所示:
(1)
其中P代表功率譜密度方程,f1,…,fk,…,fm為依次遞增的頻率。因?yàn)镾SVEP在目標(biāo)頻率會引起相同頻率的腦電特征信號,所以只用選擇信噪比最高的頻率即可判斷為受試者注視的閃爍目標(biāo)。
典型相關(guān)分析[8]是一種多變量統(tǒng)計(jì)方法,在多通道的EEG信號中具有更好的識別效果。記錄大腦視覺刺激的相關(guān)區(qū)域位于枕骨,由位于O1和O2的電極采集到的一組EEG信號記為x(t)。第二組y(t)信號由與刺激頻率個數(shù)相同的參考信號組成,因?yàn)槿魏沃芷谛盘柖寄芊纸鉃橐幌盗懈道锶~函數(shù),所以對于特定的頻率f有:
(2)
式中f為基頻,T是采樣點(diǎn)的數(shù)量,S為采樣頻率,人類大腦具有低通濾波器的特點(diǎn),所以此處用了6組諧波作為參考信號進(jìn)行分析。
假設(shè)兩組樣本信號為X=(x1,…,xn),Y=(y1,…,ym),構(gòu)成的線性組合為x=XTWx,y=YTWy,CCA通過尋找系數(shù)Wx和Wy來使得x與y之間相關(guān)性ρ(x,y)最大。
(3)
將EEG信號與參考信號作為兩組樣本代入上式,分別計(jì)算出兩者間的典型相關(guān)系數(shù),計(jì)算結(jié)果最大的一組即為目標(biāo)頻率匹配項(xiàng),過程如圖4所示。
圖4 CCA特征提取方法
基于Emotiv的腦機(jī)交互系統(tǒng)如圖5所示。
圖5 腦機(jī)交互系統(tǒng)框架
點(diǎn)擊開始后,屏幕上4個白色方塊按照設(shè)置的不同頻率同時(shí)閃爍,系統(tǒng)隨機(jī)選取一個作為目標(biāo),并在周圍用4個白色小三角形標(biāo)識,受試者需盯住該閃爍方塊直至識別出目標(biāo)(周圍三角形變?yōu)榫G色)。
系統(tǒng)的信號處理流程如圖6所示。
圖6 信號處理流程圖
目標(biāo)識別時(shí),采用將兩種方式結(jié)合并設(shè)置權(quán)重的方法。例如,將PSDA識別的權(quán)重設(shè)置為1,CCA識別權(quán)重設(shè)置為2,目標(biāo)判別的閾值設(shè)置為2,則當(dāng)CCA判定為某目標(biāo)時(shí),該值即被選定。若閾值為3,則需兩種方法判斷結(jié)果一致,才能作為目標(biāo)被選擇。閾值法具有很好的擴(kuò)展性,可以將更多判斷方法有效結(jié)合起來,從而實(shí)現(xiàn)不同腦機(jī)接口系統(tǒng)的應(yīng)用需求。
實(shí)驗(yàn)中共有3人接受測試,對每位實(shí)驗(yàn)對象的測試分為3組,每組測試時(shí)間為90 s,組間閉眼休息1 min,根據(jù)紀(jì)錄相關(guān)的數(shù)據(jù)計(jì)算出BCI系統(tǒng)的信息傳輸速率[9](Information Transfer Rate,ITR):
(4)
其中N為目標(biāo)數(shù),p為識別準(zhǔn)確率,T表示識別出每個目標(biāo)的平均用時(shí)。實(shí)驗(yàn)結(jié)果如表1所示。
表1 腦機(jī)接口性能比較
本文利用Emotiv EPOC+對基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口進(jìn)行了測試,結(jié)果表明Emotiv能夠很好地勝任控制外部設(shè)備的腦機(jī)接口系統(tǒng),此外采取多種特征提取相結(jié)合的方案能夠大幅提升系統(tǒng)的準(zhǔn)確率,更加準(zhǔn)確地控制外部設(shè)備。然而,
系統(tǒng)中仍存在任務(wù)數(shù)少、通信速率低等問題,未來將在此基礎(chǔ)上進(jìn)一步研究特征分類算法,實(shí)現(xiàn)更多任務(wù)的選擇,從而提升腦機(jī)接口系統(tǒng)的整體傳輸性能。
[1] 楊立才,李佰敏,李光林,等.腦-機(jī)接口技術(shù)綜述[J].電子學(xué)報(bào),2005,33(7):1234-1241.
[2] DUVINAGE M, CASTERMANS T, PETIEAU M, et al. Performance of the Emotiv EPOC headset for P300-based applications[J/OL].(2013-12-XX)[2018-08-01].http://link.springer.com/article/10.1186/1475-925X-12-56.
[3] 何慶華,彭承琳,吳寶明.基于視覺誘發(fā)電位的腦機(jī)接口實(shí)驗(yàn)研究[J].生物醫(yī)學(xué)工程學(xué)雜志,2004,21(1):93-96.
[4] ZANI A, PROVERBIO A M, POSNER M I. The cognitive electrophysiology of mind and brain[M]. Academic Press, San Diego, 2003.
[5] 程明,高上凱,張琳.基于腦電信號的腦-計(jì)算機(jī)接口[J].北京生物醫(yī)學(xué)工程,2000,19(2):113-118.
[6] 何慶華,吳寶明,王禾.腦機(jī)接口視覺刺激器的研究[J].中國臨床康復(fù),2004,8(11):2060-2061.
[7] 黃思娟,吳效明.基于能量特征的腦電信號特征提取與分類[J].傳感技術(shù)學(xué)報(bào),2010,23(6):782-785.
[8] 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(jì)算機(jī)工程與應(yīng)用,2009,45(31):218-220.
[9] WOLPAW J R, RAMOSER H, MCFARLAND D J, et al. EEG-based communication: improved accuracy by response verification[J]. IEEE Transactions on Rehabilitation Engineering, 1998,6(3):326-333.