基于腦電運動速度想象的單次識別研究

伏云發(fā) 徐保磊 裴立力 李洪誼

1(中國科學院沈陽自動化研究所機器人學國家重點實驗室，沈陽 110016)

2(中國科學院研究生院，北京 100049)

引言

腦-機接口(BCI)的研究已經成為國內外腦科學研究中的前沿熱點，并取得了一些重大突破，目前正快速發(fā)展［1-3］。與具有很大局限性的侵入式BCI相比，非侵入式EEG實現(xiàn)的BCI具有潛在的實用前景［4］。目前，已有研究表明，基于 BCI系統(tǒng)實現(xiàn)復雜的運動控制，高的空間分辨率并不是必不可少的，其他因素更重要，例如通過引入智能控制策略等方法，頭皮EEG低的空間分辨率并不是實現(xiàn)復雜控制至關重要的限制因素，這意味著可能不需要手術植入電極來實現(xiàn) BCI［5-7］。在非侵入 BCI的實現(xiàn)方式中，通常利用四種類型的EEG活動之一或它們的組合來進行控制:穩(wěn)態(tài)視覺誘發(fā)電位(SSVEPs)、想象運動或其他常見的心理任務誘發(fā)的事件相關去同步/同步(ERD/ERS)和相關節(jié)律活動、P300和慢皮層電位［8-9］。其中，基于運動想象的腦-機接口系統(tǒng)因為沒有外界對被試的刺激，信號的產生可以完全由被試自定節(jié)奏調制和產生，隨著先進技術的引入可大大提高系統(tǒng)性能并有效減少訓練量，該類 BCI也許是最有前景的腦-機接口系統(tǒng)［10-11］。

然而，傳統(tǒng)的基于運動想象的 BCI系統(tǒng)主要集中于實現(xiàn)對想象運動涉及的肢體類型的分類，向外設提供的是離散的二值控制，可以自然地實現(xiàn)對外設運動方向的控制，但如何超越傳統(tǒng)的二值方向控制問題，自然地直接地實現(xiàn)對外設速度和力的控制仍然是一個巨大的挑戰(zhàn)［12-16］。

許多研究表明運動前的神經活動或者伴隨運動的神經活動編碼了運動的方向、速度和其他信息［11，17-21］。Gu等基于 EEG 單次識別手腕運動類型和速度，利用運動相關皮層電位(MRCPs)的反彈率表征運動速度，研究表明當被試執(zhí)行同一手腕想象運動時，任務參數(shù)速度(快和慢)比運動類型 (伸腕和旋腕)更能夠以較大的精度被單次識別，運動執(zhí)行的速度可以包括在描述想象任務的變量中［12］。Gu等基于EEG研究了肌萎縮側索硬化癥被試想象手腕運動速度的單次識別，想象任務的速度由運動相關皮層電位 (MRCPs)的負峰時延編碼(負向峰值時延)，當為每個被試選擇最佳頭皮位置和時間期間，速度間平均的單次錯誤分類率是(30.4±3.5)%，研究結果表明，以不同速度想象運動是腦-機接口系統(tǒng)的一個可行的策略［13］。然而，通過比較Gu等的這兩個研究后發(fā)現(xiàn)，二者研究的是手腕快慢兩種速度的單次運動想象(快速運動模式要求被試盡可能快地完成，慢速運動模式要求被試在3 s內完成)，被試實際訓練表明體現(xiàn)速度的單次運動不易完成，此外，兩篇文獻表征想象運動速度的時域特征不一致，一個是運動相關皮層電位(MRCPs)的反彈率，另一個是運動相關皮層電位的負峰時延，這可能說明了所選用的時域特征不是描述速度的穩(wěn)定特征［12-13］。為此，在研究中，采用被試易于完成的連續(xù)的節(jié)律運動模式，利用連續(xù)的節(jié)律運動模式能夠產生穩(wěn)定的想象運動誘發(fā)EEG特征。

此外，Yuan等研究了想象和執(zhí)行手運動期間EEG活動和速度間的關系，該研究表明，連續(xù)解碼想象手抓握的動態(tài)手類型(左手和右手)和動態(tài)速度信息是可行的，文獻的發(fā)現(xiàn)可以為運動受損癱瘓者提供連續(xù)和復雜控制的非入侵腦-機接口，但實驗范式要求被試在2 s鐘內完成左、右手7種不同的運動速度 (0.5、1、1.5、2、2.5、3、3.5 Hz)［14］，通過被試實際的訓練，被試反映執(zhí)行7種不同的運動速度有一定難度，要求被試想象7種不同的運動速度比較困難。為此，本研究的實驗方案是選擇兩種差異很大的速度(快速4 Hz，慢速1 Hz)，方便被試容易完成并能夠產生差異顯著的與不同速度相關的EEG特征，特征提取和識別也盡量采用簡單有效的方法。

除了以上國外對運動速度想象的研究，國內趙啟斌等提出由固定頻率的運動想象持續(xù)時間來控制小車速度，但事實上是以“時間換取復雜性”，為了快速地增加速度，受試者需要持續(xù)想象運動(MI)任務較長的時間，此外想象的運動速度是恒定的，并不是把想象的運動速度直接識別為輸出對應的速度控制指令［16］。與該研究控制速度的策略不同，本研究設計了另外一種實驗范式，要求被試執(zhí)行不同運動速度的想象，利用想象運動速度可以調制EEG活動，通過識別想象運動速度來直接地更自然地控制外設速度變量。

綜上所述，與以往的研究相比，本研究的創(chuàng)新思路是選擇兩種差異較大的速度(快速4 Hz，慢速1 Hz)，使得能夠產生差異顯著的與不同速度相關的EEG特征，設計被試易于完成的連續(xù)的節(jié)律運動模式，利用連續(xù)的節(jié)律運動模式能夠產生穩(wěn)定的想象運動誘發(fā)EEG特征，通過能量譜分析找到對想象的運動速度起反應的頻帶，采用BCI中有效的Fisher判別分析和多層感知器對想象運動速度進行單次識別。本研究可以彌補傳統(tǒng)的運動想象肢體類型的識別，基于EEG單次識別想象運動速度，可望能夠自然地直接地向外設提供額外的新的速度控制變量。

1 材料和方法

1.1 被試

4個健康被試參與了EEG數(shù)據(jù)采集(3男1女;年齡范圍:23～40歲，平均(29.5 ±7.1)歲)。所有被試皆為右利手，實驗前均沒有 EEG和腦-機器接口的經驗。他們中也沒有人患有已知的感覺運動疾病或心理病史。研究項目由中國科學院沈陽自動化研究所批準，每個被試對研究均知情同意。

1.2 實驗研究范式和數(shù)據(jù)采集

根據(jù)引言中對國內外運動速度想象研究的對比，在傳統(tǒng)的恒速運動想象中引入速度變量，實驗中要求被試想象用自己的左手食指以兩種不同的速度(4 Hz和1 Hz)輕敲鼠標鍵或桌子，此外，不同于以往的單次運動或單次運動想象，實驗指導語指示被試執(zhí)行連續(xù)重復的節(jié)律運動想象，由節(jié)拍器定節(jié)奏。記錄了3個實驗時段的EEG數(shù)據(jù)，每個實驗時段由4輪組成，輪與輪之間休息5 min。每一輪由20個單次試驗組成(每種運動想象任務10個單次試驗，每個實驗時段80個單次試驗，每個被試完成240個單次試驗)。實驗者首先訓練被試執(zhí)行實際的運動速度，以獲得每種速度類型的現(xiàn)實體驗，然后要求被試以第一人稱視角回憶和感覺運動覺體驗而不發(fā)生實際運動，但要求避免在腦海中看到運動畫面或者第三人執(zhí)行這些運動［14］?？焖俸吐龠\動想象任務隨機呈現(xiàn)給被試。在運動想象期間，沒有指示任務執(zhí)行效果的視覺反饋提供給被試，要求被試保持放松，避免肌肉活動、眨眼、慢速眼球運動和面部肌肉張緊。

用64通道數(shù)字直流EEG放大器(Neuro Scan Labs，synAmps 2，Neuroscan，USA)，采樣頻率 500 Hz，24位A/D轉換器采集EEG信號。模擬帶通濾波(0.05～100)Hz和 50 Hz陷波器濾波信號 Ag-AgCl電極(擴展10-20系統(tǒng))。單次試驗的時序如圖1所示。

圖1 單次實驗的時序Fig.1 Timing diagram of a single trial

1.3 EEG數(shù)據(jù)預處理

將參考電極從頭頂參考轉化為雙側乳突參考(M1，M2)，EEG信號下采樣頻率為250 Hz。在特征提取前，對數(shù)據(jù)做必要的預處理工作以得到相對純凈的EEG，預處理包括:剔除幅值超過最大值75%的EEG信號，不參與后續(xù)分析;然后，把提示事件后第3 s作為新的事件標記，用新的事件標記作為觸發(fā)把連續(xù)EEG數(shù)據(jù)分割為待識別的單次試驗數(shù)據(jù):觸發(fā)前2 s和觸發(fā)后4 s;進一步對單次試驗數(shù)據(jù)進行直流校正和去趨勢化處理。

盡管采集數(shù)據(jù)時用了許多電極，但對于 BCI的研究，數(shù)據(jù)分析時有必要把電極數(shù)量降下來，這樣的研究才可能實用化。另一方面，不僅實際的自愿運動由運動皮層控制，一些著名的研究已經證明:運動想象能夠以一種非常類似于真實運動執(zhí)行的方式調制初級感覺運動區(qū)神經元的活動［11］。本研究選擇覆蓋運動皮質區(qū)的C3、Cz和 C4 3個通道探索想象食指運動速度的識別。在想象左手食指運動速度期間，在 C3、Cz和 C4通道位置的3個局部平均參考(LAR)導聯(lián) C3LAR、CzLAR和 C4LAR的電位計算方法如下［22］:

式中，i和 j為通道號，VLAR(i)是通道 i處的局部平均參考下的電位，V(i)是通道i處雙側乳突參考下的電位，S(i)是通道 i周圍的電極子集，g(i，j)是電極 i的權重，d(i，j)是通道i和j之間的距離。

1.4 運動速度想象相關能量分析

為了發(fā)現(xiàn)與運動速度想象相關聯(lián)的差異顯著的節(jié)律活動，本研究先用快速傅立葉變換分別計算運動想象開始前2 s參考期間和運動想象活動期間2 s的能量譜，兩個期間能量譜之間的差異，即與參考期間相比，所顯示能量的變化可以用來表征對運動速度想象起反應的頻帶。在本研究中，參考期間和活動期間分別起始于0 s和2 s，分析所用的數(shù)據(jù)窗類型是漢寧窗。進一步地，對覆蓋運動皮質區(qū)的C3、Cz和 C4通道上快速和慢速運動想象誘發(fā)的腦電活動進行比較，可以找到快速和慢速運動想象之間有顯著性差異的活動頻帶，為特征空間的構造提供依據(jù)。

1.5 特征空間構造

基于譜分析結果，計算快速和慢速運動想象之間有顯著性差異活動頻帶的能量。首先用4階巴特沃斯濾波器帶通濾波數(shù)據(jù)，然后平方，并在長度為252 ms、重疊248 ms的窗口上求連續(xù)樣本的平均值，從而計算出在 C3、Cz和 C4位置的3個局部平均參考(LAR)導聯(lián)對運動速度想象起反應的頻帶能量。由這3個導聯(lián)的頻帶能量構建分類特征空間。

1.6 運動速度想象的識別

本研究中，將識別兩類:想象左手食指快速運動作為Class 1:LHF(4 Hz)和慢速運動作為Class 2:LHS(1 Hz)，分別利用Fisher判別分析和多層感知器神經網(wǎng)絡識別想象運動速度。Fisher判別分析為［22］

式中，w是一個可調整的權向量，由式(5)設計成能夠最大化快速和慢速運動想象兩類間的可分離性，輸入數(shù)據(jù)x由w權向量用式(4)投影后降成一維數(shù)據(jù)y。式(6)Sw是總的類內協(xié)方差矩陣。式(7)和式(8)中的m1和m2分別為Class 1(LHF:左手食指快速)和Class 2(LHS:左手食指慢速)的均值向量，N1和N2分別為Class 1和 Class 2的樣本數(shù)。識別決策規(guī)則為

式中，y0是一個選定的閾值。分類期間始于第2 s，結束于第6 s，步長是252 ms。特征是3個局部平均參考導聯(lián)C3、Cz和C4上快速和慢速運動想象之間有顯著性差異活動頻帶的帶能量。分類器的性能由10×10倍交叉驗證隨機混合訓練和測試數(shù)據(jù)進行評估。

識別函數(shù)也可以由多層感知器神經網(wǎng)絡(MLP)改變神經單元間的連接強度Wij逼近，i和j為神經元。故在本研究中，設計了一個具有3個輸入節(jié)點的輸入層，3個輸入節(jié)點分別對應3個特征通道C3、Cz和 C4所對應的特征 x1、x2和x3，一個具有6個隱節(jié)點的隱層，以及一個具有2個輸出節(jié)點的輸出層，2個輸出節(jié)點對應期望的兩類Class 1 LHF和Class 2 LHS。多層感知器結構如圖2所示，反向傳播訓練基于最小化下面的二次代價函數(shù)E(10):

式中，N是模式數(shù)，yn是網(wǎng)絡輸出，dn是期望輸出。

圖2 識別快速和慢速運動想象的多層感知器結構Fig.2 The construction of multi-layer perceptron for identification of imaged fast and slow movement

2 結果

2.1 運動速度想象相關能量分析結果

圖3至圖5分別顯示了在C3、Cz和 C4通道快速和慢速運動想象相關能量(通?？捎媚X電位微伏的平方表示即μV2)譜，圖中點劃線表示4 Hz運動想象，實線表示1 Hz運動想象，圖中能量是4個被試對應電極處能量的平均值。每個圖頂部的曲線表示顯著性水平α，虛線表示能量差的0.01顯著性水平。曲線上的橢圓代表快速和慢速運動想象兩者統(tǒng)計性差異最顯著的頻率范圍。

從圖3至圖5發(fā)現(xiàn)，在0 Hz至40 Hz范圍內，快速和慢速運動想象下能量的最大差異出現(xiàn)在通道 C3:10 Hz至13 Hz，通道 Cz:9 Hz至12 Hz，通道C4:10 Hz至13 Hz處，如曲線上的橢圓所標示。在這些特定頻帶內，快速運動想象時要比慢速運動想象時能量低，說明快速運動想象比慢速運動想象在運動區(qū)神經元興奮程度上較強，也可能表明快速運動想象比慢速運動想象對運動系統(tǒng)的要求較高，但目前能量譜的分析，在β頻帶沒有發(fā)現(xiàn)快速和慢速運動想象任務相關能量的顯著性差異。

圖3 C3上快速和慢速運動想象相關能量譜Fig.3 Imagined fast ad slow movement-related energy at C3

圖4 Cz上快速和慢速運動想象相關能量譜Fig.4 Imagined fast ad slow movement-related energy at Cz

圖5 C4上快速和慢速運動想象相關能量譜Fig.5 Imagined fast ad slow movement-related energy at C4

2.2 運動速度想象的識別結果

圖6(a)顯示了Fisher判別分析對左手食指運動速度想象識別的誤差曲線(錯誤分類率)。識別誤差曲線從單次試驗運動速度想象開始大約50%下降到 3.26 s 的 28.2% ，3.512 s的 27.7% ，3.512 s后誤差增加。在單次試驗的3.512 s取得27.7%的最小誤差，意味著基于EEG想象食指運動速度的單次識別能達到72.3%的準確性。

圖6(b)顯示了多層感知器對想象左手食指運動速度識別的誤差曲線。識別誤差曲線從單次試驗速度想象開始大約52%下降到3.26 s的28.9%，是最好的分類誤差，3.250 s后誤差上升。也意味著基于該方法想象食指運動速度的單次識別能達到71.1%的準確性。

圖6 想象左手食指運動速度的識別結果。(a)FDA識別的誤差曲線;(b)MLP識別的誤差曲線Fig.6 The results of identification for imagined movement speed involved in left index finger.(a)identification error with FDA;(b)identification error with MLP

由此可見，基于本研究所提出的新的研究范式，能夠達到的對運動速度想象的識別率大于機會水平，并且在70%以上，具有實用的價值，與Gu等對想象速度的識別率相比具有可比性(他們取得速度間平均的單次錯誤分類率是(30.4±3.5)%)［13］。這表明本研究對運動速度想象的識別可為BCI提供一種新的額外的控制參數(shù)。

3 討論

本研究的應用背景是把腦-機接口技術用于腦-控機器人，腦-控機器人最早是由美國國防部提出的重大研究項目，用于軍事戰(zhàn)略目的。之所以提出基于腦電解碼運動速度想象參數(shù)，是因為常規(guī)的對機器人的控制是要實現(xiàn)對其連續(xù)、精細和復雜的控制，例如對機器人運動速度參數(shù)、機器人操作器末端作用力參數(shù)等的控制，本研究探索為腦-控機器人接口提供可選的速度控制參數(shù)。

雖然大量研究表明實際運動相關參數(shù)(運動時間、運動方向、運動幅度或范圍、運動速度、力大小和力生成速度)調制了大腦皮質活動，也即大腦皮質活動編碼了這些實際運動參數(shù)，并且許多研究也證明了各種運動任務想象能夠清晰地激活運動皮質，然而人們仍然不清楚運動想象期間，運動相關參數(shù)是否也如執(zhí)行實際運動期間那樣明確地調制皮質活動［23］。在本研究中，C3、Cz和 C4通道對應腦區(qū)在特定頻帶快速運動想象比慢速運動想象能量低，從神經機理上可能表明了快速運動想象時感覺運動皮層激活信號的強度比慢速運動想象大，快速運動想象比慢速運動想象需要更多的運動感知和控制資源，這也表明了運動速度想象期間EEG活動變化能夠編碼速度參數(shù)。進一步的單次識別結果也證明了可以基于EEG解碼運動速度想象參數(shù)，但需要仔細確定最佳分類時間?；谶\動想象EEG腦-機接口應用的一個瓶頸之一是識別運動相關參數(shù)，不僅要識別想象運動肢體的類型，也要求識別肢體的運動方式和參數(shù)，然而，一直到現(xiàn)在人們傾向于認為只有空間分辨率高的侵入式BCI才能實現(xiàn)對運動參數(shù)的解碼和精細控制，而空間分辨率低的非入侵BCI難于做到對運動參數(shù)的連續(xù)解碼，一些最近的研究可以扭轉人們這一固有的傳統(tǒng)看法，基于EEG運動想象參數(shù)的識別可以作為BCI豐富的控制指令［12-14，16，23］。

此外，所提出的基于運動速度想象的新的研究范式，其運動想象模式是連續(xù)重復的節(jié)律性運動想象模式，與傳統(tǒng)的單次運動想象模式有很大的區(qū)別，節(jié)律性運動想象模式是離散短暫的單次運動想象的連續(xù)重疊組合，因此對二者的研究也有很大的不同，時域的穩(wěn)態(tài)節(jié)律運動想象誘發(fā)電位其表現(xiàn)形式不同于單次運動想象的準備電位，另外描述速度的時域特征具有不穩(wěn)定性，為此，本研究采用了頻域上的穩(wěn)態(tài)節(jié)律運動想象相關能量方法來度量腦區(qū)的活動程度。然而，穩(wěn)態(tài)節(jié)律運動想象相關能量方法及其所得結果，與單次運動想象事件相關去同步/同步(ERD/ERS)也有所不同，相關的神經機制需要進一步研究。

圖6中誤差曲線隨時間變化的可能原因是快速和慢速節(jié)律運動想象由準備和啟動階段、速度上升調節(jié)階段、速度穩(wěn)定維持階段以及后續(xù)出現(xiàn)波動后的再次微調所引起?？焖俸吐俟?jié)律運動想象的準備和啟動階段可能具有類似的神經機制，但不同速度上升調節(jié)階段，上升率不一樣，投入的感知資源差異顯著，其后，隨著兩種速度進入穩(wěn)定階段，屬于自動化的神經適應性節(jié)律維持，該階段投入的感知資源量差異小，從而導致分類誤差顯著增加，隨后的波動可能表明再次的神經微調節(jié)。

在本研究中，與多層感知器識別相比，F(xiàn)isher判別分析識別想象運動速度的結果較好，但兩種方法的錯誤分類曲線變化趨勢大體相當(由圖6可見)，分類最佳時間點也大體相同(在3～3.6 s之間)，這可能印證了對想象運動速度起反應的頻帶的確存在。雖然本研究取得了很好的錯誤識別率，但錯誤識別率的進一步降低有賴于讓被試產生出更加顯著的對速度想象起反應的頻帶，其次是通過良好的分析手段找到更多與速度想象相關聯(lián)的頻率域特征和時間域特征，這是問題的關鍵。此外，引入先進的特征提取方法，建立EEG特征與運動速度想象之間適當?shù)臄?shù)學模型和識別方法也是非常關鍵的。

4 結論

基于提出的新的運動速度想象范式，本研究僅僅用三個導聯(lián)C3、Cz和C4，發(fā)現(xiàn)對運動速度想象起反應的頻帶為9 Hz至13 Hz，對運動速度想象的識別率能夠達到72.3%，這證明了基于EEG單次識別想象的運動速度是可能和可行的，該研究可以為BCI提供一種額外的速度控制參數(shù)。筆者未來的研究工作是:在線反饋訓練被試，并應用于腦-控機器人系統(tǒng)進行驗證，同時將細致深入地研究EEG與運動速度和運動速度想象的關系，分析各個節(jié)律頻段對不同運動速度想象的相關性。

［1］高上凱.神經工程與腦-機接口 ［J］.生命科學，2009，21(2):177-180.

［2］高上凱.基于節(jié)律性腦電信號的腦-機接口［J］.生命科學，2008，20(5):722-724.

［3］高上凱.淺談腦-機接口的發(fā)展現(xiàn)狀與挑戰(zhàn)［J］.中國生物醫(yī)學工程學報，2007，26(6):801-803，809.

［4］高上凱.無創(chuàng)高通訊速率的實時腦-機接口系統(tǒng)［J］.中國基礎科學·研究進展，2007，3:25-26.

［5］McFarlandDJ， SarnackiWA， Wolpaw JR. Electroencephalographic(EEG)control of three-dimensional movement［J］.J Neural Eng.，2010，7(036007):1-9.

［6］Bradberry TJ，Gentili RJ，Contreras-Vidal JL.Reconstructing three-dimensional hand movements from noninvasive electroencephalographic signals ［J］.J Neurosci，2010，30(9):3432-3437.

［7］Royer AS，Doud AJ，Rose ML，et al.EEG control of a virtual helicopter in 3-Dimensionalspace using intelligentcontrol strategies［J］.Neural System and Rehab Eng，2010，18(6):581-589.

［8］Allison BZ，Brunner C，Kaiser V，et al.Toward a hybrid braincomputer interface based on imagined movement and visual attention［J］.J Neural Eng，2010，7(026007):1-9.

［9］Li Yuanqing，Long Jinyi，Yu Tianyou，et al.An EEG-based BCI system for 2-D cursor control by combining Mu/Beta rhythm and P300 potential［J］.IEEE Trans Biomed Eng，2010，57(10):2495-2505.

［10］Blankertz B，Tangermann M，Vidaurre C，et al.The Berlin brain-computer interface:non-medical uses of BCI technology［J］. Frontiersin Neuroscience/Neuroprosthetics，2010， 4(Article 198):1-17.

［11］Pfurtscheller G，Neuper C.Motor imagery and direct braincomputer communication［J］.Proceedings of the IEEE，2001，89(7):1123-1134.

［12］Gu Y，Dremstrup K，F(xiàn)arina D.Single-trial discrimination of type and speed of wrist movements from EEG recordings ［J］.Clinical Neurophysiology，2009，120:1596-1600.

［13］Gu Y，F(xiàn)arina D，Murguialday AR，et al.Offline identification of imagined speed of wrist movements in paralyzed ALS patients from single-trial EEG ［J］.Frontiers in Neuroprosthetics，2009，1(Article 3):1-7.

［14］Yuan H，Perdoni C，He B.Relationship between speed and EEG activity during imagined and executed hand movements［J］.J Neural Eng，2010，7(026001):1-10.

［15］Gala'n F， Nuttin M， Lew E， etal. A brain-actuated wheelchair:asynchronous and non-invasivebrain-computer interfaces forcontinuous controlofrobots［J］. Clinical Neurophysiology，2008，119:2159-2169.

［16］趙啟斌，張麗清，Andrzej C.三維虛擬現(xiàn)實環(huán)境中基于 EEG的異步BCI小車導航系統(tǒng)［J］.科學通報，2008，53(23):2888-2895.

［17］Aschersleben G.Temporal control of movements in sensorimotor synchronization［J］.Brain Cogn，2002，48:66-79.

［18］Kopp B，Kunkel A，Muller G，et al.Steady-state movement related potentials evoked by fast repetitive movements［J］.Brain Topogr，2000，13(1):21-28.

［19］Gerloff C，Richard J，Hadley J，et al.Functional coupling and regional activation of human cortical motor areas during simple，internally paced and externally paced finger movements［J］.Brain，1998，121(8):1513-1531.

［20］Stancák AJ，Wackermann J.Spatial EEG synchronisation over sensorimotor hand areas in brisk and slow self-paced index finger movements［J］.Brain Topogr，1998，11(1):23-31.

［21］邢華，賓光宇，張志廣，等.基于快速節(jié)律性運動的皮層腦電分析［J］.北京生物醫(yī)學工程，2008，27(4):376-379.

［22］Guger C，Schl?gl A.，Neuper C，et al.Rapid prototyping of an EEG-based brain-computer interface(BCI)［J］.IEEE Trans Neural System and Rehab Eng，2001，9(1):49-58.

［23］Nascimento OFD，Voigt KDNM.Movement-related parameters modulate cortical activity during imaginary isometric plantarflexions［J］.Exp Brain Res，2006，171:78-90.