趙志偉，王美玲

(1.內(nèi)蒙古醫(yī)科大學(xué) 體育教學(xué)部，內(nèi)蒙古 呼和浩特 010110；2.內(nèi)蒙古醫(yī)科大學(xué) 藥學(xué)院，內(nèi)蒙古 呼和浩特 010110)

1 引 言

運(yùn)動(dòng)員在體育運(yùn)動(dòng)過程中很容易導(dǎo)致肢體活動(dòng)能力受損，近幾年許多研究領(lǐng)域極其關(guān)注運(yùn)動(dòng)能力的恢復(fù)[1]。近年來，世界各國針對運(yùn)動(dòng)能力障礙人群的康復(fù)訓(xùn)練研究取得了較為可喜的成果，有些康復(fù)訓(xùn)練治療方法也被實(shí)踐證實(shí)了其有效性，但康復(fù)治療的整體效果并未達(dá)到預(yù)期效果，有高達(dá)30%～60%的運(yùn)動(dòng)能力障礙患者在出院后不能正常使用上肢進(jìn)行活動(dòng)。目前正在實(shí)行的上肢運(yùn)動(dòng)能力康復(fù)治療和訓(xùn)練方法都依賴于受損肢體的殘余運(yùn)動(dòng)能力，但是在現(xiàn)實(shí)生活中由于有很多運(yùn)動(dòng)能力障礙患者幾乎沒有殘余的運(yùn)動(dòng)能力，導(dǎo)致其無法接受正常的康復(fù)治療和訓(xùn)練[2]。于是很多學(xué)者開始對患者腦電信號進(jìn)行研究，試圖找到腦電信號與上肢運(yùn)動(dòng)意圖之間的關(guān)系，實(shí)現(xiàn)上肢運(yùn)動(dòng)意圖腦電控制[3]。但是，人體的腦電信號是非常復(fù)雜的非線性信號，很難摸索到其存在的特征與規(guī)律，近年來對于腦電信號的特征提取與識別逐漸增多，為了在腦機(jī)交互的康復(fù)訓(xùn)練中及時(shí)對患者上肢運(yùn)動(dòng)意圖進(jìn)行識別，使得康復(fù)設(shè)備能夠提前判斷患者上肢運(yùn)動(dòng)意圖并作出預(yù)先反應(yīng)，更好地幫助患者進(jìn)行康復(fù)治療，需要研究一種有效的腦電信號上肢運(yùn)動(dòng)意圖識別方法[4]。

文獻(xiàn)[5]提出一種基于支持向量機(jī)的腦電信號上肢運(yùn)動(dòng)意圖智能識別方法，通過利用主成分分析法對患者腦電信號進(jìn)行特征提取和規(guī)律總結(jié)，并利用訓(xùn)練好的SVM分類器對提取獲得的患者腦電信號進(jìn)行分類，實(shí)現(xiàn)患者上肢運(yùn)動(dòng)意圖智能識別。實(shí)驗(yàn)測試結(jié)果顯示，該方法對腦電信號上肢運(yùn)動(dòng)意圖識別準(zhǔn)確率較低。文獻(xiàn)[6]提出一種基于EEMD的腦電信號上肢運(yùn)動(dòng)意圖智能識別方法，該方法采用經(jīng)驗(yàn)?zāi)B(tài)分解方法提取患者腦電信號的固有模態(tài)函數(shù)，同時(shí)利用加窗函數(shù)對提取獲得的腦電信號固有模態(tài)函數(shù)進(jìn)行非線性動(dòng)力學(xué)特征近似熵特征提取，將提取結(jié)果輸入線性判別分類器中即可實(shí)現(xiàn)患者腦電信號上肢運(yùn)動(dòng)意圖智能識別。實(shí)驗(yàn)結(jié)果顯示，該方法對腦電信號上肢運(yùn)動(dòng)意圖識別率不高。

針對上述方法存在的缺點(diǎn)與不足，提出一種基于能量特征的腦電信號上肢運(yùn)動(dòng)意圖智能識別方法。

2 基于能量特征的腦電信號上肢運(yùn)動(dòng)意圖智能識別

2.1 腦電信號能量特征提取

采用快速傅里葉變換方法對采集獲得的運(yùn)動(dòng)障礙患者腦電信號進(jìn)行頻率分析，獲得患者腦電信號中的μ波和β波頻率分布規(guī)律，并找到腦電信號噪聲所在頻段[7-8]。經(jīng)過快速傅里葉變換后得到的患者腦電信號為：

(1)

ωN=e(-2πi)/N

(2)

式中，x(j)表示患者原始腦電信號；N表示快速傅里葉級數(shù)。

由于經(jīng)過快速傅里葉變換后的患者原始腦電信號是以復(fù)數(shù)形式表示的，為了不改變患者原始腦電信號的能量特征，且方便分析，需要對X(k)進(jìn)行共軛相乘變換[9]，計(jì)算公式如下：

(3)

通常情況下小波變換可以與快速傅里葉變換共同處理和分析患者腦電信號，小波可以分為父小波和母小波兩種類型，前者用于表征患者腦電信號中較為平滑的低頻信號；后者則用于表征具有細(xì)節(jié)特征的高頻信號[10]，二者的計(jì)算公式分別如下：

(4)

(5)

式中，h0k和h1k分別代表患者腦電信號的低通濾波系數(shù)和高通濾波系數(shù)。其計(jì)算公式分別為：

(6)

h1k=Ψφ(2t-k)

(7)

其中，F(xiàn)=φ(t)dt=1，Ψ=φ(t)dt=0。

根據(jù)上述計(jì)算可得患者腦電信號重構(gòu)方程如下：

式中，j表示患者腦電信號小波分解的階數(shù)；k表示小波分解每階系數(shù)列的個(gè)數(shù)；sj,k,dj,k，d1,k表示患者腦電信號的小波變換系數(shù)。

由于Daubechies小波具有正交性、正則性以及緊支撐性等優(yōu)點(diǎn)對患者腦電信號具有更高的靈敏度，在進(jìn)行小波變換低頻信號和高頻信號分解時(shí)的效果更佳。采用Daubechies小波將患者腦電信號進(jìn)行3階分解[11]，具體分解流程見圖1。

圖1中的x(n)表示輸入的患者腦電信號；H0(ω)和H1(ω)分別代表患者腦電信號小波分解的低通濾波器和高通濾波器；v和ω分別表示患者腦電信號中的低頻部分和高頻部分。

圖1 患者腦電信號3階小波分解流程圖Fig 1 Wavelet decomposition flow chart of EEG in patients with 3 orders

按照上述流程，將患者腦電信號中低頻部分的小波系數(shù)進(jìn)行歸零處理后，再進(jìn)行腦電信號重構(gòu)，即可消除低頻腦電信號中的噪聲干擾[12]。在此基礎(chǔ)上，采用小波包系數(shù)分析患者腦電能量，實(shí)現(xiàn)患者腦電信號能量特征提取[13]，計(jì)算公式如下：

(9)

2.2 腦電信號上肢運(yùn)動(dòng)意圖智能識別

在上述提取得到患者腦電信號能量特征的基礎(chǔ)上，采用馬氏距離判別方法對患者腦電信號上肢運(yùn)動(dòng)意圖進(jìn)行識別。假設(shè)x和y表示屬于均值為μ，協(xié)方差為∑的腦電信號能量特征集合G中的兩個(gè)元素，二者的馬氏距離計(jì)算公式如下：

D2(x,y)=(x-y)T∑-1(x-y)

(10)

x到腦電信號能量特征集合G的馬氏距離為：

D2(x,G)=(x-μ)T∑-1(x-μ)

(11)

其中，T表示患者腦電信號采樣周期。

將識別目標(biāo)劃分為左手運(yùn)動(dòng)意圖和右手運(yùn)動(dòng)意圖，設(shè)置二者的均值分別為μ1和μ2，其對應(yīng)的腦電信號能量特征集合分別用G1和G2表示，則患者新的腦電信號能量特征z到G1和G2的馬氏距離計(jì)算公式分別如下：

(12)

根據(jù)上述計(jì)算可得患者腦電信號能量特征隨時(shí)間變化的判別函數(shù)[14]，其計(jì)算公式為：

Wt=D2(x,G1)-D2(x,G2)

(13)

根據(jù)判別函數(shù)值Wt的大小，按照線性判別準(zhǔn)則即可實(shí)現(xiàn)患者腦電信號上肢運(yùn)動(dòng)意圖的智能識別[15]，識別公式如下：

(14)

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)選擇視覺提示的形式對研究對象進(jìn)行腦電信號上肢運(yùn)動(dòng)意圖識別測試，即每次運(yùn)動(dòng)員的上肢運(yùn)動(dòng)使研究對象將手指放置在腦電信號指示裝置的中心點(diǎn)，根據(jù)其語音提示，此次實(shí)驗(yàn)選取10名研究對象(A～J)，每人測試50次，研究對象具體信息見表1。研究對象將手指從中心位置向語音指定方向移動(dòng)。為了能夠更加準(zhǔn)確地同步采集獲得研究對象上肢運(yùn)動(dòng)過程中的腦電信號以及腦電信號能量特征，需要根據(jù)以下實(shí)驗(yàn)流程以及指示裝置顯示結(jié)果設(shè)計(jì)相應(yīng)的同步信號，見圖2。

表1 實(shí)驗(yàn)指標(biāo)以及研究對象

具體方案操作步驟如下：

(1)實(shí)驗(yàn)準(zhǔn)備階段，該階段持續(xù)時(shí)間為3 s，指示研究對象做好測試準(zhǔn)備，并將手指放置在腦電信號指示裝置的綠色圓圈中心位置；

(2)研究對象上肢運(yùn)動(dòng)計(jì)劃階段，該階段持續(xù)時(shí)間為3～4 s，顯示畫面上出現(xiàn)的同步信號呈現(xiàn)一個(gè)短暫的脈沖，指示研究對象手指向某個(gè)特定方向移動(dòng)；

(3)研究對象上肢運(yùn)動(dòng)實(shí)施階段，該階段持續(xù)時(shí)間為4 s，顯示畫面上出現(xiàn)的同步信號呈現(xiàn)一個(gè)上升沿，指示研究對象將手指重新放置在起始點(diǎn)位置；

(4)實(shí)驗(yàn)返回階段，該階段顯示畫面上出現(xiàn)的腦電信號呈現(xiàn)一個(gè)下降沿。

從圖2中可以看出，第一個(gè)上升沿表示腦電波指示裝置語音提示手指指示方向的時(shí)刻；第二個(gè)上升沿表示研究對象上肢運(yùn)動(dòng)實(shí)施階段的起始時(shí)刻；第二個(gè)下降沿表示究對象上肢運(yùn)動(dòng)結(jié)束的時(shí)刻。

為了保證研究對象能夠在實(shí)驗(yàn)期間具有良好的精神狀態(tài)，在實(shí)驗(yàn)開始之前應(yīng)避免研究對象出現(xiàn)過度疲勞的現(xiàn)象，在實(shí)驗(yàn)過程中也為研究對象預(yù)留了充足的休息時(shí)間，每實(shí)施3個(gè)任務(wù)后會給研究對象大約15 s左右的短時(shí)休息。采集測試數(shù)據(jù)用于以下實(shí)驗(yàn)分析。

圖2 實(shí)驗(yàn)單次任務(wù)執(zhí)行過程中形成的同步信號波形

Fig2Synchronoussignalwaveformformedduringthesingletaskexecutionofexperiment

由于采集研究對象腦電信號過程中摻雜了較多噪聲干擾，需要進(jìn)行平滑濾波處理，研究采用小波變換與快速傅里葉變換相結(jié)合的濾波器，對采集的原始腦電信號進(jìn)行處理，組合濾波器頻率響應(yīng)特性見圖3。

(a)

(b)圖3 組合濾波器的頻率響應(yīng)特性 (a).組合濾波器的幅度響應(yīng)示意圖； (b).組合濾波器的相位響應(yīng)示意圖Fig 3 frequency response characteristics of combined filter

利用組合濾波器的頻率響應(yīng)特性對采集獲得的研究對象腦電信號進(jìn)行濾波處理，采用組合濾波器進(jìn)行濾波處理前后的一段研究對象腦電信號電壓變化情況，見圖4。

(a)

(b)圖4 濾波前后研究對象的一段腦電信號電壓變化 (a).濾波前研究對象腦電信號電壓變化情況； (b).濾波后研究對象腦電信號電壓變化情況Fig 4 Voltage change of EEG signal before and after filtering

觀察圖4可以發(fā)現(xiàn)，研究采用的小波變換與快速傅里葉變換相結(jié)合的組合濾波器，對采集的研究對象的原始腦電信號進(jìn)行處理后，得到的腦電信號變得更加平滑，去除了原始腦電信號中的“毛刺”干擾。該濾波后結(jié)果顯示，其能量比重隨著頻率增加而迅速降低，降低速度明顯高于普通人員。

實(shí)驗(yàn)過程中研究對象的指示方向“左”、“右”是隨機(jī)出現(xiàn)的，采用基于能量特征的腦電信號上肢運(yùn)動(dòng)意圖智能識別方法，對10個(gè)研究對象分別進(jìn)行50次測試，最終統(tǒng)計(jì)結(jié)果見表2。

表2 測試統(tǒng)計(jì)結(jié)果

采用表2實(shí)驗(yàn)結(jié)果中研究對象腦電信號上肢運(yùn)動(dòng)過程中左右的總正確頻率作為總的識別準(zhǔn)確結(jié)果，除以出現(xiàn)總頻率，即可得到研究對象腦電信號上肢運(yùn)動(dòng)意圖識別率，測試結(jié)果見表3。從表3的測試結(jié)果中可以看出，基于能量特征的腦電信號上肢運(yùn)動(dòng)意圖智能識別方法的最佳識別率結(jié)果為92%，最差識別率結(jié)果為84%，平均識別率結(jié)果為88.6%。

表3 研究對象腦電信號上肢運(yùn)動(dòng)意圖識別率

綜合上述實(shí)驗(yàn)結(jié)果分析可知，所提方法具有較好的平滑濾波效果，且具有識別率和識別準(zhǔn)確率較高的優(yōu)點(diǎn)。

4 結(jié)束語

以往的研究結(jié)果顯示腦電信號是一種極其復(fù)雜且不穩(wěn)定的非線性信號，只是對腦電信號上肢運(yùn)動(dòng)意圖，即想象左右手運(yùn)動(dòng)意圖的兩類目標(biāo)識別問題，已然是較為困難的，現(xiàn)有的一些識別方法雖然能夠在一定程度上實(shí)現(xiàn)對腦電信號上肢運(yùn)動(dòng)意圖的有效識別，但采集獲得的腦電信號有較多毛刺，導(dǎo)致識別準(zhǔn)確率不高和識別率較低。鑒于此，提出一種基于能量特征的腦電信號上肢運(yùn)動(dòng)意圖智能識別方法，通過實(shí)驗(yàn)測試，證明了該方法能夠?qū)崿F(xiàn)研究對象腦電信號上肢運(yùn)動(dòng)意圖的準(zhǔn)確識別，且識別率較高。