高諾，翟文文，魯加興，吳林彥，魯守銀

(山東建筑大學(xué)信息與電氣工程學(xué)院，濟(jì)南 250101)

1 引 言

腦機(jī)接口/腦機(jī)交互(brain computer/machine interface, BCI/BMI)是繞過大腦外周神經(jīng)和肌肉的參與，由腦信號實(shí)現(xiàn)大腦與外部設(shè)備直接的通信和控制，其在智能輪椅控制領(lǐng)域的一個(gè)重要應(yīng)用是腦控智能輪椅(brain controlled wheelchair, BCW)技術(shù)，即用感知、思維意圖控制智能輪椅的研究[1]。該研究是腦科學(xué)、信息科學(xué)與控制科學(xué)交叉跨學(xué)科研究，這一技術(shù)有望為嚴(yán)重運(yùn)動殘疾患者提供一種新的通信和控制通道，擴(kuò)展其活動范圍，從而改善他們的生活質(zhì)量[2]。

2015年，清華大學(xué)高上凱團(tuán)隊(duì)成功實(shí)施了一種非入侵式基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口拼寫系統(tǒng)。測試對象的在線拼寫性能當(dāng)中，平均拼寫率是每分鐘50～60字，信息傳輸率在每秒4.5～5.5 bits，與現(xiàn)有的無創(chuàng)BCI拼寫系統(tǒng)相比，是一個(gè)巨大的進(jìn)步[3]。該團(tuán)隊(duì)還開發(fā)了基于SSVEP腦機(jī)接口的智能家居系統(tǒng)，有利于殘疾患者管理家庭環(huán)境[4]。國外，美國的 Wright 空軍基地運(yùn)用穩(wěn)態(tài)視覺誘發(fā)電位腦機(jī)接口技術(shù)來控制飛行模擬器[5]。加利福利亞大學(xué)Wang團(tuán)隊(duì)開發(fā)了基于SSVEP腦機(jī)接口的移動電話系統(tǒng)，用移動電話顯示視覺刺激，使系統(tǒng)更加方便易攜[6]。2015年，McLaren 發(fā)布了F1概念車MP4-X，司機(jī)佩戴頭盔來控制汽車移動[7]。

但是，目前腦機(jī)接口在智能輪椅的應(yīng)用還存在轉(zhuǎn)彎角度不好控制[8]、信號分析準(zhǔn)確率不高等一系列問題[9]?；诖?，本研究設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于SSVEP的腦機(jī)接口系統(tǒng)，并與麥克納姆輪輪椅相結(jié)合，該系統(tǒng)可以通過腦機(jī)接口控制輪椅的前進(jìn)、后退、左向與右向運(yùn)動。實(shí)驗(yàn)結(jié)果證實(shí)，該系統(tǒng)可以用較短時(shí)間，較高的準(zhǔn)確率完成平面內(nèi)任意位置的移動，證實(shí)了該系統(tǒng)的可行性與有效性。

2 系統(tǒng)實(shí)現(xiàn)

本研究提出的基于SSVEP的腦機(jī)接口智能輪椅的整體結(jié)構(gòu)框圖見圖1，該系統(tǒng)由四部分構(gòu)成：視覺刺激模塊、EEG信號采集系統(tǒng)、EEG信號分析程序和輪椅控制系統(tǒng)。視覺刺激界面產(chǎn)生不同的頻率刺激，EEG信號采集系統(tǒng)完成用戶SSVEP信號的采集與放大功能，EEG信號分析程序完成SSVEP信號的頻率分類功能，輪椅控制系統(tǒng)完成輪椅不同方向的運(yùn)動功能。下面分別進(jìn)行闡述。

圖1基于SSVEP的腦機(jī)接口智能輪椅結(jié)構(gòu)框圖

Fig1FlowchartofintelligentwheelchairbasedonSSVEP

2.1 頻率刺激界面

當(dāng)受到外界圖形或閃光等視覺刺激時(shí)，大腦皮質(zhì)枕葉區(qū)神經(jīng)細(xì)胞會自發(fā)產(chǎn)生特定的電活動變化，稱為視覺誘發(fā)電位(visual evoked potential, VEP )[10]。SSVEP相對于其他腦電信號 ( 例如 P300、運(yùn)動想象) 而言，具有無需訓(xùn)練[11]、識別準(zhǔn)確率高、數(shù)據(jù)傳輸率高等特點(diǎn)，更適合應(yīng)用于BCI系統(tǒng)中[7]。

本研究的視覺刺激模塊利用MATLAB的Psychtoolbox (PTB) 工具箱實(shí)現(xiàn)，很好地解決了LCD刷新率受限的不足。視覺刺激模塊采用刷新率 60 幀/秒的液晶顯示器, 分辨率設(shè)置為1366×768 (像素)[12]。刺激目標(biāo)由大小為150×150 (像素)的4個(gè)白色方塊組成。本系統(tǒng)中, 刺激目標(biāo)從上下左右閃爍頻率分別為8、12、 10和14 Hz。系統(tǒng)開啟后，輪椅控制中心通過發(fā)送信號控制頻閃開啟，頻閃開始時(shí)刻以后1 s內(nèi)被試者根據(jù)其控制意圖一直看頻閃(見圖2(a))，1 s后EEG分析程序得出分析結(jié)果發(fā)送給控制中心，控制中心把結(jié)果反饋給頻閃，此時(shí)頻閃接收反饋、停止閃爍并把反饋對應(yīng)區(qū)域顏色變藍(lán)。反饋時(shí)長1 s。反饋結(jié)束后，控制中心控制輪椅做相應(yīng)的移動，頻閃模塊再次閃爍，被試進(jìn)入下一個(gè)命令發(fā)送期。視覺刺激界面反饋狀態(tài)見圖2(b)。

2.2 EEG信號采集系統(tǒng)

本系統(tǒng)采用的腦電信號采集設(shè)備是博睿康科技有限公司(Neuracle)的32通道無線腦電采集系統(tǒng)[11-12]，包括32導(dǎo)電極帽、無線腦電放大器以及無線路由器。EEG信號由用戶產(chǎn)生，通過電極帽進(jìn)行采集，由無線Wifi傳送到EEG無線腦電放大器端，信號經(jīng)放大后傳輸?shù)胶罄m(xù)的分析程序里進(jìn)行信號分析。

圖2視覺刺激界面，其中(a)為視覺刺激界面工作狀態(tài)，(b)為視覺刺激界面反饋狀態(tài)

Fig2Visualstimulationinterface, (a)istheworkingstateofthevisualstimulationinterface, (b)isthefeedbackstateofvisualstimulationinterface

2.3 EEG信號分析程序

2.3.1預(yù)處理 EEG預(yù)處理提高對EEG信號處理的準(zhǔn)確性。對信號進(jìn)行2～40 Hz的帶通濾波，消除高頻及工頻干擾。濾波算法采用5階Butterworth濾波器[13]。

2.3.2CCA理論 典型相關(guān)分析(canonical correlation analysis, CCA)是多元統(tǒng)計(jì)學(xué)的組成部分，是研究兩組變量間相互關(guān)系的統(tǒng)計(jì)分析方法[14-15]。對兩個(gè)多維信號X，Y來說，CCA方法試圖找到一組矢量Wx，Wy，這一組矢量可以使向量x，y之間的相關(guān)系數(shù)達(dá)到最大，其中x=XTWx，y=YTWY。上述目的可以通過解決以下優(yōu)化問題得到解決：

(1)

對Wx，Wy，求得最大的ρ，即是得到了最大的典型相關(guān)系數(shù)。

將CCA算法應(yīng)用于SSVEP信號的分析時(shí)，X可以被設(shè)定為一組多通道腦電信號，Y被設(shè)定為一組參考信號，如式(2)：

(2)

(2)式中，N是諧波數(shù)量，f是刺激頻率。

2.3.3實(shí)現(xiàn)算法 本研究計(jì)算CCA分辨頻率的方法為重疊投票的方式。詳細(xì)說來，重疊是指每40 ms給系統(tǒng)送入一個(gè)trial數(shù)據(jù)，這段數(shù)據(jù)是從該時(shí)刻起向前數(shù)一秒時(shí)間段的數(shù)據(jù)段。這樣對于一秒數(shù)據(jù)的定義不是將連續(xù)的數(shù)據(jù)直接截?cái)喑梢粋€(gè)個(gè)1 s一段的trial數(shù)據(jù)，而是相鄰trial間的數(shù)據(jù)段是有重疊部分的，見圖3，每隔40 ms取一個(gè)trial的數(shù)據(jù)。每一個(gè)trial的數(shù)據(jù)利用CCA方法進(jìn)行頻率的分析，得到一個(gè)目標(biāo)頻率。最后決策采用的是投票方式，也就是當(dāng)前時(shí)刻的決策結(jié)果是前面25次連續(xù)決策得出的結(jié)論，25次決策中有超過半數(shù)結(jié)果相同即認(rèn)為是當(dāng)前決策結(jié)果，并向輪椅控制中心發(fā)送命令。所以信號的輸出會有1 s的時(shí)間延遲。這樣的策略更保證了系統(tǒng)判別的正確率，防止一次腦電突變影響判別的結(jié)果。

圖3在線數(shù)據(jù)重疊方法

Fig3Onlinedataoverlapmethod

2.4 輪椅控制系統(tǒng)

輪椅的控制系統(tǒng)是Trio控制系統(tǒng)。Trio運(yùn)動控制器的特點(diǎn)是用幾條簡單的指令就可以完成復(fù)雜的多軸協(xié)調(diào)運(yùn)動。采用Mecanum輪作為輪椅的車輪，輪椅的前后方分別裝有2個(gè)Mecanum輪，每個(gè)Mecanum輪的驅(qū)動是由自身單獨(dú)的電機(jī)完成。特別的，Mecanum輪的移動方位特別靈活，可以在平坦的路面上全方向移動[16-18]。Mecanum輪之所以能在平面上自由移動，是由于它獨(dú)有的構(gòu)造。Mecanum輪的輪胎上是由很多類似圓柱形的小柱子組合而成，小柱子的個(gè)數(shù)是由特定的設(shè)計(jì)參數(shù)來決定的，Mecanum輪的結(jié)構(gòu)見圖4[16-18]。

圖4 Mecanum輪的結(jié)構(gòu)

3 實(shí)驗(yàn)設(shè)置與實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)共選取6名年齡18～24周歲的健康受試者，包括4名男性與2名女性，在安靜、光照亮度略低的環(huán)境中進(jìn)行。實(shí)驗(yàn)對象坐在麥克納姆輪的輪椅上，眼睛距離視覺刺激模塊約0.5 m。實(shí)驗(yàn)前，受試者均不需要接受SSVEP腦機(jī)接口的訓(xùn)練，受試者僅需明確需要完成的任務(wù)以及刺激界面中4個(gè)目標(biāo)閃爍塊的功能。

腦電信號采集器的采樣頻率設(shè)置為250 Hz，記錄電極為Pz、P3、P4、PO3、PO4、PO7、O1、Oz、O2、PO8以及參考電極Cz，接地電極為FPz，導(dǎo)聯(lián)位置符合國際10～20標(biāo)準(zhǔn)，實(shí)驗(yàn)中保持電極阻抗在5 kΩ以下。EEG分析系統(tǒng)在MATLAB平臺上實(shí)現(xiàn)的，不只在線采集數(shù)據(jù)并且可以保存數(shù)據(jù)以便之后對數(shù)據(jù)做離線分析。

實(shí)驗(yàn)場景：實(shí)驗(yàn)路徑為一個(gè)“井”字，見圖5。每兩個(gè)相鄰點(diǎn)的距離為2 m。輪椅初始狀態(tài)為靜止?fàn)顟B(tài)，運(yùn)行狀態(tài)為勻速運(yùn)動，運(yùn)行速度為1 m/s。實(shí)驗(yàn)流程：為用戶確定起始點(diǎn)和目標(biāo)點(diǎn)，用戶根據(jù)起點(diǎn)與終點(diǎn)進(jìn)行路徑規(guī)劃，并通過注視頻率刺激模塊的相應(yīng)方向模塊控制輪椅的運(yùn)動方向，控制輪椅由起點(diǎn)運(yùn)動到終點(diǎn)。EEG分析程序每2 s產(chǎn)生一個(gè)命令，前1 s產(chǎn)生命令，后1 s反饋確認(rèn)。輪椅向指定方向移動。在輪椅移動過程中，用戶進(jìn)行下一個(gè)命令的注視過程。若被試者在某點(diǎn)發(fā)出錯誤命令，則通過看頻閃按原路返回此地點(diǎn)。六名被試者每人實(shí)驗(yàn)五次，記錄下來被試者在每條行進(jìn)路徑中發(fā)送的命令數(shù)、發(fā)送的正確命令數(shù)以及到達(dá)本條路徑終點(diǎn)所用時(shí)間。實(shí)驗(yàn)結(jié)果見表1，腦機(jī)接口輪椅實(shí)驗(yàn)場景見圖6。

圖5 腦機(jī)接口輪椅實(shí)驗(yàn)路徑安排

Fig5BCIwheelchairexperimentalpatharrangement

圖6 腦機(jī)接口輪椅實(shí)驗(yàn)場景圖

被試行進(jìn)路徑發(fā)送命令數(shù)發(fā)送正確命令數(shù)到達(dá)目的地所用時(shí)間正確率(正確命令數(shù)/總命令數(shù))(%)AA-I-J-G541492.3A-I-K-C3310A-I-J-L-D4412A-I-J-L-K-B7619 A-I-K-L-E-L-J-G7718BA-I-J-G-J-L-D661593.5A-I-K-L-E6517A-I-K-L-D4411A-I-K-L-D-L-J-G9823A-I-K-B-K-L-E6617CA-I-K-L-J-F761993.8A-I-J-G-J-L-D6616A-I-J-L-K-C5513A-I-J-L-K-I-J-F7718A-I-H-I-K-C7618DA-I-J-L-D-L-E661593.7A-I-K-L-D6516A-I-J-L-K-B5514 A-I-J-F-J-L-D6616A-I-J-G-J-L-K-B9823EA-I-J-L-K-C-K-I-H10 924 92.3A-I-J-F-J-L-K-B7 719A-I-K-C-K-L-J-F9 821A-I-K-L-E4 411A-I-J-L-E-L-K-C9 823FA-I-K-B-K-L-E6 616 94.11A-I-J-L-E-L-K-B9 822A-I-J-L-D-L-E6 615A-I-K-C-K-L-E8 719A-I-J-L-K-B5 514

由表1 的實(shí)驗(yàn)結(jié)果可以看出，每一名被試的五次實(shí)驗(yàn)結(jié)果中，都有三次發(fā)送出完全正確的控制命令，控制輪椅按照被試擬定的路徑進(jìn)行運(yùn)動。系統(tǒng)處理1 s數(shù)據(jù)的時(shí)間可達(dá)到毫秒級，系統(tǒng)實(shí)時(shí)采集EEG信號幾乎無延時(shí)，被試者無需訓(xùn)練。這個(gè)結(jié)果說明，本項(xiàng)目的基于SSVEP的腦機(jī)接口分析程序頻率分辨率較高，準(zhǔn)確率較高。同時(shí)，基于麥克納姆輪的智能輪椅可以不用考慮左轉(zhuǎn)、右轉(zhuǎn)及轉(zhuǎn)彎角度的問題，直接從起點(diǎn)運(yùn)動到平面內(nèi)的任意位置。

4 總結(jié)

本研究給出了基于SSVEP腦機(jī)接口的智能輪椅的總體設(shè)計(jì)方案，并且通過在線實(shí)驗(yàn)驗(yàn)證了智能輪椅的可行性及有效性。為了提高智能輪椅的實(shí)用性與靈活性，本研究選取帶有麥克納姆輪的輪椅，并且在輪椅上安置避障傳感器。實(shí)驗(yàn)結(jié)果證明，本研究提出的智能輪椅運(yùn)動系統(tǒng)可以較為準(zhǔn)確地分析用戶所要發(fā)出的控制命令(準(zhǔn)確率>90%)，并可以在不考慮轉(zhuǎn)彎及轉(zhuǎn)彎角度的前提下，按照用戶意圖將智能輪椅運(yùn)動到平面內(nèi)的任意位置，為智能輪椅的運(yùn)動提供了一個(gè)行之有效的方案。

雖然本研究提出的智能輪椅方案有效解決了輪椅轉(zhuǎn)彎及轉(zhuǎn)彎角度的問題，并且SSVEP信號分析的準(zhǔn)確率也較高，但是在以下幾方面仍有待進(jìn)一步提高：(1)提高腦電信號分析的魯棒性，將高準(zhǔn)確率穩(wěn)定下來；(2)縮短每一個(gè)控制的識別時(shí)間，提高被試的在線駕馭感受；(3)增加被試對智能輪椅速度的控制，提高被試對輪椅的控制能力。

隨著腦機(jī)接口技術(shù)的不斷發(fā)展和科研工作者的深入研究，基于SSVEP腦機(jī)接口的智能輪椅系統(tǒng)將逐步完善，并將在各個(gè)領(lǐng)域擁有更加廣闊的應(yīng)用前景。