（信号与信息处理专业论文）基于想象运动的脑电信号处理算法的研究.pdf

摘要 摘要 人的大脑控制人的行为。当人需要进行某种行为时，在大脑中就会产生一 定的思维活动，经过神经传递给相关肌肉组织，南肌肉收缩产生相应的动作， 这就是运动的过程。然而，有些患者由于神经组织病变等原因，不能将大脑信 号传递给肌肉，因而不能进行相应的动作。所以，为了使这部分人生活更方便， 一种新的技术一脑机接口技术于上世纪就产生了。脑机接口( b r a i n c o m p u t e r i n t e r f a c e ，b c i ) 是一种新的通信通道，它可以将人脑的意图转化为对外部设备的 控制信号，而不需要通过人的外周神经和肌肉组织。 本义针对基于运动想象的b c i 信号处理技术进行了研究，研究了受试者在执 行两个和多个运动想象任务下的脑电信号的特征提取和分类算法。由于脑电信 号的信噪比低，所以b c i 面临的主要问题之一是分类识别率低。为了提高b c i 的 分类识别率，必须研究有效的特征提取和模式分类方法。在两类任务条件下， 本文结合空间滤波和自适应自回归模型提取脑电特征，采用f i s h e r 线性判别来进 行分类，得到每个采样点的分类正确率；在研究a r 模型的基础上，采用空间滤 波结合a r 模型的方法来提取特征，也得到了好的分类正确率，同时算法简单， 计算速度快；盲源分离技术是一种新的、热门的信号处理技术，本文结合a r 模 型和负熵以及功率谱估计来提取特征，结果表明这是一种可行的脑电特征提取 方法；最后，通过雅克比旋转( j a c o b ir o t a t i o n s ) 来进行近似联合对角化，将二 分类c s p 算法扩展到三分类中，实验结果证明了此法的有效性。 本文所有算法都在m a t l a b 上进行了仿真验证，并使用不同受试者的实验 数据进行了分类实验，结果充分显示了算法的可行性。 关键词：脑机接口；a r 模型；a a r 模型；负熵；雅克比旋转 a b s t r a c t a b s t r a c t t h eh u m a nb r a i nc o n t r o l st h eh u m a nb e h a v i o r w h e np e o p l e i n t t e n dt o i m p l e m e n ts o m ek i n do fb e h a v i o r ，s o m et h i n k i n ga c t i v i t i e sw i l lb ep r o d u c e di nt h e b r a i na n dp a s s e dt h r o u g ht h en e r v e st ot h er e l e v a n tm u s c l et i s s u ew h o s ec o n t r a c t i o n r e s u l t si nm e v e m e n t so fc o r r e s p o n d i n gl i m b s t h i si st h ep r o c e s so fm o v e m e n t f o r p a t i e n t ss u f f e r i n gf r o mn e r v et i s s u ed i s e a s e s ，h o w e v e r ，t h eb r a i ns i g n a l sc a nn o tb e s e n tt ot h em u s c l e s ，a n dc o n s e q u e n t l y ，a p p r o p r i a t em o v e m e n t sw i l ln o tb ey i e l d e da n y m o r e i no r d e rt oi m p r o v et h e i rq u a l i t yo fl i v i n g ，ak i n do fn o v e lt e c h n o l o g y ，c a l l e d b r a i n c o m p u t e ri n t e r f a c e ( b c i ) ，a p p e a r e di nt h es e v e n t i e so fl a s tc e n t u r y b c ii s a n e wc o m m u n i c a t i o nc h a n n e lt h a tc o u l dt r a n s f o r n lt h eb r a i ni n t e n t i o ni n t ot h ec o n t r o l c o m m a n d sf o re x t e r n a ld e v i c e s ，h a v i n gn on e e do fn e r v e sa n dm u s c u l e s t h i st h e s i si sf o c u s e do nt h es i g n a lp r o c e s s i n gt e c h n o l o g yo fm o t o ri m a g e r y b a s e db c i s t h ef e a t u r ee x t r a c t i o na n dc l a s s i f i c a t i o na l g o r i t h m su n d e rt h ec o n d i t i o n o ft w oa n dm u l t i p l et a s k so fm o t o ri m a g e r yw e r ei n v e s t i g a t e d s i n c et h e s i g n a l t o n o i s er a t i oi sl o w o n eo ft h em a i np r o b l e m sb c i sf a c ei sl o wc l a s s i f i c a t i o n a c c u r a c y t oi n c r e a s ec l a s s i f i c a t i o na c c u r a c y ，i ti sn e c e s s a r yt or e s e a r c ha n dd e v e l o p e f f i c i e n tm e t h o d sf o rf e a t u r ee x t r a c t i o na n dp a t t e r nr e c o g n i t i o n u n d e rt h ec o n d i t i o n o ft w om e n t a lt a s k s ，s p a t i a lf i l t e r i n ga n da d a p t i v ea u t o r e g r e s s i v em o d e la r ec o m b i n e d t oe x t r a c tf e a t u r e so fb r a i ns i g n a l s ，f i s h e rd i s c r i m i n a n ta n a l y s i s ( f d a ) i su t i l i z e df o r c l a s s i f i c a t i o n ，a n dt h ec l a s s i f i c a t i o na c c u r a c yf o re a c hs a m p l i n gp o i n ti sa c h i e v e d o n t h eb a s i so fs t u d y i n ga u t o r e g r e s s i v e ( a r ) m o d e l ，f e a t u r ee x t r a c t i o ni sp e r f o r m e db y e s t i m a t i n ga r e f f i c i e n t sa f t e rs p a t i a lf i l t e r i n g ，l e a d i n gt og o o dc l a s s i f i c a t i o na c c u r a c y ， a n ds i m u l t a n e o u s l yt h ea l g o r i t h mi ss i m p l ew i t hh i g ho p e r a t i n gs p e e d b a s e do nb l i n d s o u r c es e p a r a t i o n s s ) ，a rm o d e l ，n e g a t i v ee n t r o p ya n dp o w e rs p e c t r u ma r e c o m b i n e dt oe x t r a c tf e a t u r e s ，a n dc l a s s i f i c a t i o nr e s u l t ss u g g e s tt h a tt h i si sav i a b l e m e t h o df o rf e a t u r ee x t r a c t i o no fe e gs i g n a l s f i n a l l y ，t h eb i n a r yc o m m o ns p a t i a l p a t t e r n ( c s p ) a l g o r i t h mi s e x t e n d e dt ot h r e e t a s kc o n d i t i o nb ya p p r o x i m a t ej o i n t d i a g o n a l i z a t i o nu s i n gj a c c o b ir o t a t i o n s ，e x p e r i m e n t a lr e s u l t ss h o wt h ev a l i d i t ya n d e f f e c t i v e n e s so ft h em e t h o d i i a b s t r a c t a l la l g o r i t h m si nt h i st h e s i sa r ev a l i d a t e db yc o m p u t e rs i m u l a t i o nu s i n gm a t l a b s o f t w a r ea n db yc l a s s i f i c a t i o ne x p e r i m e n t su s i n gd a t af r o md i f f e r e n ts u b j e c t s ，a n dt h e f e a s i b i l i t yo ft h e s ea l g o r i t h m si sf u l l yv e r i f i e d k e yw o r d s ：b r a i n - c o m p u t e ri n t e r f a c e ：a u t o r e g r e s s i v em o d e l ；a d a p t i v ea u t o r e g r e s s i v e m o d e l ；n e g e n t r o p y ；j a c o b ir o t a t i o n s i l l 学位论文独创性声明 学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得南昌大学或其他教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确 的说明并表示谢意。 学位论文作者签名( 手写) ：勘陟捞签字日期：叫年位月z 2 ，日 学位论文版权使用授权书 本学位论文作者完全了解南昌大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权南昌大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编本学位论文。同时授权中国科学技术信息研究 所将本学位论文收录到中国学位论文全文数据库，并通过网络向 社会公众提供信息服务。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：玉i 材参导师繇么勿习 签字日期：沙7 年，2 月参日签字日期：乃哆年月砂日 第l 章绪论 第1 章绪论 1 1b c i 研究背景 近年来，人机接口界面的发展越来越引起人们的重视。众所周知，大脑与 外部环境之间进行通信主要是依赖神经肌肉系统这个生理通路。然而，不少异 常疾病会直接影响到神经肌肉这个传输通道的功能。医学上证明脑的认知部分 ( 信号产生部分) 和响应部分( 动作发出部分) 的封锁会导致麻痹l lj ，例如脑 中风( s t r o k e ) 、脑瘫( c e r e b r a lp a l s y ) 与肌肉萎缩性侧索性硬化症( a l s ) 等疾 病都会损伤或削弱控制肌肉的神经通路或肌肉本身的功能1 2 j ，此类疾病中病情严 莺的患者可能不能用常规的方式与外界交流或表达意愿，甚至完全丧失自主控 制的能力。现代某些生命支持技术可以维持部分患者的生命，但是这样会给病 人、家庭、社会和经济带来十分沉重的的负担。为了解决神经肌肉系统异常患 者的交流问题，脑机接e l ( b r a i n c o m p u t e ri n t e r f a c e ，b c i ) y - 2 0 世纪7 0 年代产生了。 脑机接口技术是一项与脑相关的技术，大脑是人体所有器官中最复杂的部分， 关于脑的研究已经成为当代科学技术中最深奥的课题。与脑相关的研究有很多， 而b c i 技术是一种与脑相关的涉及生物技术、信息技术、认知科学、计算机科 学、神经科学和应用数学等多学科的交叉技术1 3 j ，是目前国际上一个十分活跃的 研究领域，它成为众多学科科技工作者的研究热点。b c i 是人脑与计算机或其他 电子设备之间建立的直接的交流和控制通道，通过这种通道，人就可以直接通过 脑来表达自己的想法或操作其他设备，可以避免传统的需要通过语言或肢体的动 作，脑机接口是一种全新的通讯和控制方式【4 j 。这种通信方式，一方面把外部的 声音或图像等信息直接传入大脑，另一方面又可以把大脑活动的信息( 如与事 件相关的诱发反应，自主的意识、情感等) 直接传出来，并由此实现相应的控 制，这对肢体残缺的人来说有着极其重要的意义。 日前b c i 研究机构已经越来越多了，与之相关的论文也逐年迅速增多，并 且通讯比特率指标也不断提高，所以它离实际应用越来越近了。在b c i 研究中， 特征提取与模式识别方法是一项关键技术，在这一研究领域具有代表性的研究 机构有：美国纽约州立大学奥尔巴尼分校( 由w o l p a w 主持) p j 、罗彻斯特理工学院 ( b a y l i s s ) 引、加州大学圣地亚哥分校【。”、德国f r u a h o f e r 研究中心【8 1 、德国图宾根 第l 章绪论 大学【9 1 、奥地利的g r a z 大学【10 1 、中国的清华大学( 高上凯课题n ) t 1 1 】等。为了推 动b c i 的发展，2 0 0 2 至2 0 0 9 年困际b c i 研究组织举办了四届国际范围的b c i 竞赛，目的是在世界范围内征集、开发和测试用于b c i 的信号处理算法。 目前，通过脑电来解读简单的思维是完全可能的，这是一个值得深入研究 的课题。b c i 是使人产生容易被解释的脑电，然后识别这种脑电，以作出不同的 选择或发出不同指令实现对环境的控制或进行思想交流。 b c i 给人类带来的机遇很多，同时b c i 面临的挑战也有很多，比如体积传 导效应导致脑电空间分辨率低、脑电信号有高的伪迹和离群值、脑电数据杂且 维数大，这些都会使传统的统计分析方法变得很棘手。所以很多研究都集中在 研究如何从海量数据信息中提取出和任务相关的低维特征，再将低维特征输入 到相对简单的分类器中进行分类识别。b c i 作为一门新的交叉学科技术，许多理 论还都处于探索阶段，要想将其成功应用于人类自身，还需要更深入的研究。 虽然目前b c i 技术已经引起了全世界的关注，很多团队正在努力研究并取 得了一些可喜的成就，但离实际应用还有很长一段距离。b c i 中最关键的环节之 一是信号处理算法，这些算法有待进一步完善和发展，我们实验室就是致力于 此。 1 2b c i 研究意义 b c i 是一种全新的人机接口技术，由丁它不依赖人的外周神经和肌肉组织就 可以实现人机通信，所以它能给人们的生活带来很多便利和乐趣，因此有着广 阔的应用前景。目前b c i 的应用主要集中在医学领域、人工智能以及提供新型 的娱乐方式等方面。b c i 的研究意义可以分为大概分为医学上的应用和医学外的 应用。 1 2 1b c i 在医学方面的应用 ( 1 ) 实现简单的通信 肢体活动不方面的残疾人可以通过b c i 使用电脑浏览网页、拨打电话和模 拟阅读等。 ( 2 ) 控制周围环境1 2 】 通过b c i 可以控制轮椅、开门、关灯，在房间内可以开关电视、空调以及 移动物体等活动。 2 第l 章绪论 ( 3 ) 运动康复m 我们可以通过b c i 控制康复机器人辅助伤残人士进行运动功能重建和生活 自理，这样可以避免传统的康复手段需要部分肌肉参加的局限性。 ( 4 ) 治疗 b c i 技术可以推动医疗技术的发展，如利用深层大脑刺激治疗帕金森病以及 其他与脑有关的疾病。 1 2 2b c i 在其他方面的应用 虽然日前b c i 系统主要应用于医学领域，最初提出的目的也是为残疾人服 务的，但是b c i 用途决不仅限于医学领域，在其他诸多领域都有广泛的应用。 ( 1 ) 在特殊环境下为正常人提供一种新的辅助控制方式。比如在一个大型的 手术操作过程中，医生需要全神贯注，当传统的手、脚、语音等方式不能完全 满足控制需求时，可以用脑信号进行控制；又如b c i 可以帮助飞行员在高加速 度下控制飞机，进行空中交通控制、军事目标定位甚至武器开火；还可以用来 对长途司机、宇航员、医生等的思维集中程度进行监控，以便在他们思维集中 程度不够时及时提醒。 ( 2 ) b c i 可以用在人机交互和游戏中。当前传统的游戏开发都是需要鼠标、 键盘或操作杆，通过b c l 人们可以直接通过想象来移动屏幕上的光标或指导在 虚拟环境中的化身的运动，这样靠“思想”就能完成控制电子游戏一定有很好的商 业价值，能吸引更多的游戏爱好者。当前，基于b c i 的可穿戴电子产品成为流 行趋势，被称为第一类商用b c i ，可以通过人们的思维、情感来控制这类电子设 备。 ( 3 ) 在艺术领域中，可以使用b c i 来进行创新。如生物收音机等。 ( 4 ) 生物身份识别l l4 。由于e e g 信号的特异性，在此基础上可实现一种交 互式、主动型的人体身份验证系统。 ( 5 ) 用于虚拟现实( v r ) 技术中【1 5 l 。用户可以通过b c i 系统进入虚拟世界，进 行一系列在现实世界中不可能实现的活动。 基于脑电的b c i 研究还只是刚刚起步，现有的b c i 系统大都处于试验阶段， 离实际应用还有较大差距。脑电信号太容易受到情绪、精神状况与环境等因素 的影响，k i r k u p 曾谈到受试者应该在没有压力的情况下控制系统，比如要求他 在多人面前“表演”时，可能由于紧张而降低系统效率，脑电信号具有非平稳 3 第1 章绪论 性，我们不能指望基于脑电的b c i 达到1 0 0 的分类正确率。所以，基于脑电的 b c i 的应用前景，将取决于人们能否找到更加有效的特征提取方法和相应的分类 算法，以及能够在多大程度上提高系统的可靠性，人们将更关注这方血的进展。 1 3 论文的研究目的和研究内容 本文是研究基于想象运动b c i 技术的信号处理算法，重点研究b c i 技术中 的特征提取算法，旨在研究适合在线分析、高分类正确率的信号处理算法，从 而推进b c i 技术的发展。主要研究内容包括以下几点： ( 1 ) 研究适合b c i 技术的脑电信号的生理特征； ( 2 ) 大量阅读国内外b c i 技术的相关文献，并仔细研究b c i 中采用的特征提 取算法以及分类器的设计，同时对经典的方法进行编程仿真验证； ( 3 ) 在研究别人方法的基础上，对已有特征提取和分类方法做一些改进，并 尝试运用一些新的方法提取特征和分类，并通过m a t l a b 仿真验百f 算法的可行 性； ( 4 ) 在研究两任务脑电信号分类的基础上，研究三任务条件下脑电信号特征 提取和分类方法，并编程验证结果； ( 5 ) 采用不同的分类器对提取的特征进行分类，并比较分类结果。 4 辩2 学b c 技术概进 第2 章b c i 技术概述 2 1b c i 系统的基本结构 通常，b c i 系统足i h 个功能模块组成，分别为：信弓采集、信号分析和控 制器，如l 刘2 1 所示。 。蕊i 5 攒m f m i 、 * h * j 图2 1 毕牟的b c i 结构图 ( 1 ) 信刁采集：信号的采集也就是源信号的获取。这部分t 监包括信号的产 牛、l b 极已录( 检洲) 、信号的放大、滤波( 上噪) 午数宁化处理( a f t 3 转换) 。 人类大脑可以产生多刊l f 言弓，包括电的、磁的、化学的以及对大腑活动的机槭 反成等各种形式- 以通过传感器检洲得到这此信号。巾于对磁的和化学的信 号的榆洲技术婴求相对更高，所以口前b c i 信号的获墩主要是采用技术相对简 单，赞用较为低廉的e e g 检测技术【1 6 - 17 1 。信号采集中受试者头部戴l 一个电极 帽，采集e e g 信号，井传送给放大器，放大1 0 0 0 0 倍左右，进行预处理f 包括信 号的滤波和a d 转换) 最后转化为数字信号存储j 计算机中。 ( 2 ) 信弓分析：信号分析部分包括特征提取和分类识别这两窨 ；分。通过信号 采集部分获得模拟脑电信号，绛a d 转化为数字信号并进行各种倾处理，接着 就是倍口分析，信号分析包括信寸处理、特征提取、模式口 别分类。f 一个步 骤是捉取脑电特征。特征提墩即足从绎过颅处理的信号中提取出与受试者意图 相关的特征量( 如频率变化、幅度变化等) 。信号特征可以是叫域的，也- u 以足 频域的，还可以是空域的。在提取特征之后，得到的特征向帚的维数可能很高， 5 第2 章b c i 技术概述 这直接关系到下一步对特征进行分类识别的复杂性，所以应该保留对分类结果 影向大的特征，舍弃那些无关紧要的特征，以降低特征向量的维数。提取完特 征之后需要采用合适的分类器对信号特征进行分类识别，并将它转换为对外界 的控制命令。 ( 3 ) 控制器：将已分类的信号转换为实际的动作。当前，对于大部分b c i 的 输出设备都是计算机屏幕，输出通常都是屏幕上的目标、字母、图标的选择， 选择以各种形式出现，比如字母闪烁等。除了产生控制信号之外，b c i 的输出还 可以作为反馈来提高正确率和通信的速度。最初的研究是通过b c i 控制神经假 体运动或者矫正颈脊髓受伤部分，但是随着b c i 技术的发展，在未来b c i 的输 出设备就像是用户自己的手，可以自如的控制它。 b c i 系统设置反馈环节，不仅能让受试者清楚自己思维产生的控制结果，同 时还能够帮助受试者根据这个结果来自主调整脑电信号，以达到预期目标。 b c i 的实现需要一些操作协议进行控制，每个b c i 系统都有一个协议来指 导它运行。这个协议定义系统怎么开怎么关、通信是连续的还是非连续的、信 息传递是被系统触发还是被用户触发、用户和系统之间的速度以及提供给用户 哪种反馈。大部分b c i 中的协议并不是完全适合服务那些身体残疾的人，大部 分实验窒阶段的b c i 系统也没有提供用户开或关的控制，需要研究者控制开和 关，所以研究者需要测量通信速度和准确率。实验室阶段的b c i 通常告诉用户 哪种信息和命令需要传递，而在实际生活中，用户需要自己选择信息。因此， 这使得b c i 从研究到应用需要复杂的协谢体j 。 2 2b c l 分类 b c i 没有固定的分类模式，按照不同的分类标准有不同的分类，具体如下： ( 1 ) 按照信号获取方式的创伤性可分为有创伤系统和无创伤系统两种。有创 伤系统需要将电极放置于大脑内部，采集大脑内部的电信号，空问分辨率更高， 但受到医学发展水平的限制，有一定的创伤风险，所以通常也只是在动物身上 进行试验；目前绝大多数b c i 系统都是无创伤系统，无需动手术，只需受试者 戴上电极帽就可以记录e e g 信号，没有创伤风险。 ( 2 ) 按照信号控制的方式不同可分为同步系统和异步系统。同步系统要求受 试者必须在特定的时问产生特定的思维意识，这样便丁信号分析，目前大多数 6 第2 章b c i 技术概述 b c i 系统属于同步系统；异步b c i 系统则不限定受试者何时产生特定的思维意 识，系统自动判定并完成相应的控制，受试者可以随心所欲通过思维完成对外 界的控制。所以真正实用的b c i 系统应该是异步系统i i 圳。 ( 3 ) 根据信号处理的实时性可分为在线系统和离线系统。在线b c i 系统中， 信号采样、处理、分析和控制都是实时实现的，同时给受试者反馈，b c i 系统应 该是在线系统；离线b c i 系统通常只是用来评估采用的信号处理算法，通常实 时记录e e g 数据，离线分析这些数据并提取特征量和分类识别。 ( 4 ) b c i 按照有无外周神经参与分为非独立和独立b c i 系统。非独立的b c i 技术是通过一些神经电活动携带信号。比如一个非独立的b c i 提供给用户一些 字母矩阵，这些字母矩阵在一定的时间内闪烁，用户通过注视其中的一个字母 来选择这个字母，这时可以从头皮记录到视觉诱发电位，这种脑电信号的产生 依赖于注视字母的方向，因此它与眼睛外周的肌肉以及头部的神经活动都有关 系。非独立的b c i 是一种晕要的探测脑的正常的输出通路的方法。它并没有提 供大脑一个独立于传统通路的新的通信渠道，但它在某些情况下仍然是一种有 用的技术。相反，一个独立的b c i 并不依赖于大脑的任何正常的输出通路，信 息不是由边缘的神经核肌肉携带，这些通路并不产生脑电信号。例如，一个独 立的b c i 系统提供用户一个在一定时间内闪烁的字母矩阵，当字母闪烁时，用 户通过选择一个特定的字母产生一个p 3 0 0 诱发电位，这种情况下，脑的输出通 道是e e g ，并- 月- e e g 信号的产生依赖丁用户的意识，而并不依赖眼睛，所以和 眼睛外周的肌肉及头部的神经活动无关。在独立的b c i 技术中，外周神经和肌 肉的正常输出通路并没有起到什么作用。独立的b c i 提供大脑新的输出通路， 所以目前研究的兴趣通常都放在独立的b c i 口技术上。对于患有严重的神经肌 肉疾病的患者来说，他们缺乏正常的输出通路，独立的b c i 技术就更能体现出 它的价值和用处了。 目前的b c i 系统大多是在线的、同步的和无创伤系统。 2 3b c i 系统中的主要技术 2 3 1e e g 信号的采集及存储 ( 1 ) 电极。目前多数采用按照困际1 0 , - - 2 0 系统设定好电极位置的电极帽来提 取e e g 信号。 7 第2 章b c i 技术概述 ( 2 ) 电极数目的确定和位置的选择。在b c i 研究中，测量e e g 信号的电极 数日需要确定。如果选择较多电极，虽然能更准确的对e e g 信号进行定位，但 同时也会增加处理e e g 信号的复杂度，所以我们应该选取尽可能少的电极，同 时也不能太少以免影响b c i 的性能，这就需要折中处理，电极位置的选择取决 于b c i 系统本身的要求及与e e g 信号特征变化相关的脑区。 ( 3 ) 预处理。信号采集过程中，常常会夹杂许多干扰，常见的有电干扰、眼 动干扰、声音干扰、工频噪声等，所以我们必须通过某种方式减弱或去除干扰， 同时保证原有信号成分特征不被改变。 ( 4 ) 存储。通过电极帽采集的信号是模拟信号，在输入到计算机处理之前， 必须通过a d 板将其转化为数字信号，以便存储在计算机内进一步分析处理。 2 3 2e e g 的特点 目前监控大脑活动的技术主要有头皮脑电图( e e g ) 、皮层脑电图( e c o g ) 、正 电子放射断层扫描术( p e t ) 、功能核磁共振成像( f m r i ) 等【2 0 】。其中，e e g 由于它 的低代价、非入侵及相对容易获取而广泛应用y - b c i 技术中1 2 1 2 3 1 ，而且脑电图 数据能够反映大脑所代表的神经模式，脑电图波形的调幅部分代表人脑意识的 相关模式【2 4 1 。虽然腩电波不能反映外界物体，但是它能体现每个个体将要表达 的含义，同时脑电信号有良好的时间分辨率【2 川。基于以上优点，脑电信号能成 功应用y - b c i 中，脑电信号的获取技术依赖于脑电图技术的发展，目前，f e b o 等人提出了一种可用于b c i 技术中的高分辨率的脑电图技术，这项技术可以推 进基丁脑电的b c i 技术的发展。 人类大脑平均重1 4 0 0 克，它南两个大脑半球、小脑和脑干三大组成部分。 大脑半球的最表面为灰质，其厚度一般为1 5 5 0 毫米，主要由神经细胞组成， 称为大脑皮层( 或皮质) 。大脑皮层是人脑的一部分，是b c i 研究中最感兴趣的部 分，它负责级别较高的认知任务，它比较靠近头皮。身体各部位功能在大脑皮 层上都有较准确的定位。大脑表面被中央沟、顶枕裂以及大脑外侧裂分成额、 顶、枕、颖四叶，如图2 2 。大脑皮层根据不同功能，被分成不同的区域，其中 感觉运动皮层在b c i 系统中非常莺要，因为这一区域描述了整个人身体的各部 分 8 第2 章b c i 技术概述 额上回中央鼍罨央前回中央掏 中央后回 中央后掏 顶上小叶 顶内沟 缘上回 角回 枕顶构 2 21 ：l _ = 脑的结# j 圈 腑电信号反映r 大脑皮联神经儿的生物电活动，u 录和分祈腩电信呼是人 们了解大脑的币业途径之。随着科技的发展，腩电的记录方法从示波器照相 方法u 录、描笔i 己录、磁带记录到令人的训算机分析记录。大规模集成屯路及 兆模抑制技术的采川，使得脑| _ | _ i 仪体积进一步减小，抗r 扰性能进一步提高， 从而能更好的采集脯电信号。 2 3 3b c i 研究中采用e e g 信号的类型 f 1 ) p 3 0 0 。p 3 0 0 口”足种事什相关电位( e r p ) ，曲一事件相关刺激3 0 0 4 0 0 m s h 脱正i i z 位，1 ：竖位 巾火皮j 去域，其峰值大约出现扯时问发生后3 0 0 m s 。相 关市什发生的概率越小，所引起的p 3 0 0 越显著。草丁p 3 0 0 的b c i 的优点是p 3 0 0 埘j 。内部响应，使川者无需堪过训练就l 产牛p 3 0 0 。 r 2 ) 事件相关同步化战去同步化电位。雕边的肢体运动或想象运动，大脑同 侧产牛市什相关州步电位( e r s ) ，大脑对侧产生事件相灭上同步j 乜位( e r d ) 口”。 e r s 、e r d 足与运动相关的，主要位丁感觉运动皮层。 ( 3 ) 慢应崖b 位。皮层慢电位( s c p ) 口足皮层电位的变化，持续叫问为几 百毫秒到儿秒，是脯电信号巾从3 0 0 m s 持续到儿秒刮- 的大的负电位或正l b 位， 能反应皮层i 和i i 联的兴裔性实验者通过反馈洲练学习，可以自主控制s c p 幅 度产生l - 向或负向偏移。 ( 4 ) 自发腑电信号在不川的意u 状态下，人们脑电中的不同仃律呈现出并井 的活动状态。按j ! c 所在频段的不同分类，一般采用希腊字悼f d ，卢，j ，0 1 来表小 第2 章b c i 技术概述 不同的自发e e g 信号节律，如表2 1 所示。 表2 1 脑电信号的特征及对应的频带 采用以上几种脑电信号作为b c i 输入信号，具有各自的特点和局限。p 3 0 0 和v e p 都属于诱发电位，不需要进行训练，其信号检测和处理方法较简单且正 确率较高，不足之处是需要额外的刺激装置提供刺激，并蜀依赖于人的某种知 觉( 如视觉) 。其它几类信号的优点是不依赖外部刺激就可产生，但需要大量的 特殊训练。 b c i 中e e g 信弓的描述如表2 2 所示。 表2 2b c l 所使用的e e g 信号 信号名称描述 m u 节律 m u 波是一种8 1 2 h z 的自发e e g ，在感觉运动皮层记录幅 度最大，幅度人小可以通过训练米进行调节。 事件眢藿淼秽要鬻一釜茎 慢皮层电位( s c p ) 诱发电位的p 3 0 0 成分 e e g 信号较人的正向或负向偏移，时程在3 0 0 毫秒至几分 钟。受试者可以通过训练产生这种偏移。 e e g 信号的正向偏移，在刺激后3 0 0 4 0 0 毫秒达到峰值。 在中央顶叶区域可以记录到最人幅度，不需要训练 短时程视觉诱发蛐p ) 短时程视带束撇所弓i 徽最大幅度出现在枕区， 稳态视觉诱发电位c s s v e p ，特定频志譬窭蓑裂娄了i 轰篇矍妻薹蒿奠嚣苗誓蒿亨。激调整 1 0 第2 章b c i 技术概述 2 3 4 想象运动及e r d e r s 想象运动是指没有明显动作而只在脑中预演的运动行为。通过脑功能成像 比较大脑区域血流状况( r c b f ) 发现想象运动和实际的运动的确有着很相似的模 式。而且正电子成像( p e t ) 【2 9 1 和功能核磁共振成像( f m r i ) 也发现了这种现象【3 0 1 。 所以想象运动和真实运动在大脑的兴奋位置和功能区域被认为是相同的，所不 同的是想象运动的执行仅限丁皮层脊髓水平上：( c o r t i c o s p i r a ll e v e l ) 。想象运动过 程中一个可用- b c i 的重要的生理特征是脑电信号的事件相关去同步化( e i m ) 。 传统上e r d e r s 现象可以用大脑神经系统振荡子( o s c i l l a t i o n ) 一个或者几个参 数发生改变来解释。大脑神经系统振荡子假说认为：e e g 是由大脑中不同频率 带全部振荡子共同作用的结果。通常情况下，振荡子以随机的方式激活。但是， 当在感觉通路上施加刺激后，振荡子相互联系，并且以一致的方式共同作用， 这种同步化使得脑电在特定的频率段能量增强或者减弱。 在声音刺激，认知活动，视觉刺激，以及运动刺激等很多刺激条件下都能 够观察到e r d e r s 。研究e r d e r s 时，首先需要指定频带。在事件发生前，脑 电波在指定频带上的功率谱没有峰值，此时的e r s 才有意义。同理，在事件发 生前，脑电波在指定频带上的功率谱必须有峰值，此时e r d 才有意义。根据 e r d e r s 的定义，计算出事件相关脑电在特定频带内相对于事件发生前的能量 比就可以确认是否存在：e r d e r s 。对于事件相关脑电来说，e r d e r s 也是一个 时问过程，需要经过一定的时间才能够出现。文献1 3 l j 给出了平均e r d e r s 的 计算方法如下： ( 1 ) 对所有单次运动诱发脑电做带通滤波； ( 2 ) 计算滤波后的脑电每个采样点取值的平方，得到脑电能量曲线； ( 3 ) 将各次的脑电能量曲线作累加平均； ( 4 ) 在时域上做平均处理，得到平滑的能量曲线。 对于单次事件相关脑电计算e r d e r s ，只需要去掉上面的第三步就可以了。 不同刺激条件下e r d e r s 在大脑的空间分布上有显著差异。以运动想象 为例，想象运动的电生理研究结果表明，想象手动时，m u 节律和b e t a 节律的事 件相关去同步化( e r d ) 在头皮的分布具有对侧强，同侧弱的现象，而想象脚动时 则e r d 分布在两侧及中央位置。与不同运动相应的大脑皮层空间位置也是不同 的，所以通过检测e i m 在空间分布上的不同，就可以区分不同想象运动的不同 状态。 第2 章b c i 技术概述 2 3 5 训练 众所周知，人是产生e e g 信号的主体，人的一举一动都可能会对b c i 实验产 生影u 向。因此，b c i 实验中对受试者的训练也是极其重要的。 不同的b c i 系统应该采用不同的实验方案。一般来讲，试验分为几个阶段， 每个阶段又分成若干小节，每一小节大概持续几分钟，每个试验可能会持续半 个小时到几个小时。 不同的受试者和不同的b c i 系统所需要的训练时间是不同的。某些b c i 系统 则不需要训练，比如皋丁 事件诱发电位的，! t n p 3 0 0 或v e p ，这些系统中，受试 者按照指示就能启动实验。然而，为了实验能够顺利开展，在初次实验前，对 受试者都要进行训练，只是训练的时间长短不同而已。 在某些b c i 系统中，训练是必不可少的，因为在这些系统中用户必须了解如 何自主调节自身的e e g 信号幅度，所以训练的时问通常也很长；在某些b c i 系统 中，可能需要受试者反复训练，甚至长达数月才能达到预计的效果。 2 3 6 反馈 大多数b c i 系统是需要反馈的，最常见的反馈形式是通过光标控制。受试者 把光标移到指定日标位置，只能使用且下或左右两组命令。一开始，光标在屏 幕中央，每一节以光标碰到目标位置或相反位置为结束。当碰到目标位置，光 标会闪烁，说明成功，这种反馈能够加强受试者用意念操作光标的信心。光标 控制提供的反馈是持续性反馈，受试者能够亲眼看到自己意念驱动光标在移动， 如果方向不对可以及时调整。 在b c i 系统中，特别是在基于操作条件的b c i 系统中，反馈是必要的，受试 者需要知道哪种意念能够移动光标朝哪个方向运动。然而，反馈【3 2 】也有双面性， 既有好的方面也有负面影响。 好处： ( 1 ) 能激励受试者。不断看到自己能用意念操纵光标朝目的地移动对受试者 是一种好的激励。 ( 2 ) 吸引受试者的注意力。光标不断朝目标移动，会使受试者倍感兴趣，注 意力不易分散； ( 3 ) 提供反馈给信号处理模块，增强系统的稳定性和准确性。 负面影响： 1 2 第2 章b c i 技术概述 ( 1 ) 反馈可能会引起意念“含有杂质”。反馈会使受试者产生实验以外的意念， 从而使采集的e e g 信号并不仅仅反映实验的内容； ( 2 ) 反馈的结果会对受试者e e g 信号有影响。如光标移动中，正确的移动会 使受试者加快移动速度；错误的移动会使受试者丧气，两者都会对e e g 信号产生 影响： ( 3 ) 视觉反馈可能会影响脑电节律。 2 4b c i 系统中的信号处理算法 b c i 的算法是指在信号处理阶段，能够将b c i 输入信号转化为对实际装置进 行控制的命令的一系列信号处理算法。也就是说，这些算法可以从当前使用者 的脑电信号获得抽象的特征向量，并将这些向量转化为决定设备控制的命令。 一般来讲，这些特征量是包含在特定的频率段内，如果某一特征量代表的思维 状态过多，交叉过大，使用这一特征量就很难区分不同思维状态；反之，如果 某一特征量能够严格区分不同思维状态，使用这一特征量就能具有很好的功效。 总之，无论采用哪种算法，都以实现b c i 最优的性能及良好的实用性为目的。 b c i 中信号处理部分主要包括特征提取和模式分类两部分。 2 4 1b c i 常用的特征提取算法 ( 1 ) 独立分量分析( i c a ) 盲源信号处理是指在对信源和通道先验知识很少的情况下，仅仅通过观察 信号来推断信源和通道的特征，独立分量分析属于盲信源分解问题，传统的信 源分解技术是建立在主分量分析的基础上，通过它分解出的分量都是互相正交 且依能量大小排序的，所以有明显的局限性。而采用i c a 的方法可以改善这种局 限性。i c a 的目的是从多通道测量所得到的南若干独立源线性组合成的观测信号 中将这些独立成分分解开来。 ( 2 ) 小波变换法 小波变换是一种时频信号处理方法，与传统的傅里叶等方法不同，小波变 换能有效检测出脑电信号中短时、低能量的瞬态脉冲，其最大的优点是采用可 变的时频窗口去分析信号的不同频率成份【3 引，但往往会造成很大的计算量，使 运行速度很慢，不太适合在线分析。 1 3 第2 章b c i 技术概述 ( 3 ) 参数模型法 m 阶a r 模型 一个实数值，零均值，稳定的m 阶自回归过程可以表示为： x ( 刀) = 一钆x ( 刀一所) + p ( 玎) ( 2 1 ) k = l 这里m 为模型阶次，x f 刀) 表示样本点为刀的信号，坑是一个实的a r 系数 值，e ( n ) 表示独立丁过去样本的误差。这个自回归过程表明了x ( 胛) 可以被看作 是对先前样本的一个回归过程。通常假定e ( n ) 为一个零均值有限方差的噪声。 实际应用中，可以通过有限样本x ( 1 ) ，x ( 2 ) ，x ( n ) 对良进行估计。 m 阶a a r 模型 通常情况下，一个m 阶且随时问变化的自适应自回归模型可以表示为： e = b l ，z l + 6 2 。，z 一2 + + 6 r 一。+ z ： ( 2 2 ) 这里的z ，是一个均值为o 、方差为。的白噪声过程。6 l 6 2 f ，b p ，是随时间缓慢变 化的。a a r 模型更适合分析非平稳信号，对a a r 系数的估计有很多估计算法。 ( 4 ) 频谱分析法 频谱分析主要包括幅值潜分析、相位谱分析和功率谱分析j 种方法。在b c i 中，不同的脑电信号包含不同的谐波和频率成分，通常采用功率潜分析方法， 最常用的是快速傅立叶变换，这种方法很简单，但是傅立叶变换有一些缺陷： 缺乏时问和频率的