基于傳感器技術(shù)的實時腦-機(jī)接口設(shè)計*

王宇丁，陳民鈾，張 莉

(重慶大學(xué) 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點(diǎn)實驗室，重慶400044)

0 引 言

自從發(fā)現(xiàn)腦電信號以來，科學(xué)家就一直努力通過腦電信號了解大腦的活動規(guī)律。隨著人體解剖學(xué)、計算機(jī)技術(shù)、通信技術(shù)、電子技術(shù)、心理學(xué)等學(xué)科的發(fā)展，出現(xiàn)了一個新的研究領(lǐng)域，這就是腦-機(jī)接口(brain－computer interface，BCI)技術(shù)［1～4］。BCI 技術(shù)是利用一些有規(guī)律的腦電信號特征，實現(xiàn)大腦與計算機(jī)或者其他電子設(shè)備的通信［5～7］。作為一項跨學(xué)科的技術(shù)，BCI 的研究涉及的領(lǐng)域廣泛，包括微電子學(xué)、生物學(xué)、計算機(jī)、通信工程、哲學(xué)、心理學(xué)、臨床醫(yī)學(xué)、數(shù)學(xué)等各個學(xué)科。

α 波是自發(fā)腦電的主要成分之一，對應(yīng)了大腦視覺皮層的閑散節(jié)律，頻率范圍為 8 ～12 Hz，幅值一般小于100 μV。大腦皮層各個位置都會產(chǎn)生 α 波，但是，枕部的α 波阻斷現(xiàn)象最為明顯［8，9］。不同受試者的 α 波幅值雖然具有明顯個體差異，但同一受試者在睜眼、閉眼2 種狀態(tài)下的α 波幅值差異顯著，通過分析腦電數(shù)據(jù)容易區(qū)分出2 種不同狀態(tài)。

按照信號控制方式的不同，BCI 系統(tǒng)分為同步(synchronous)模式和異步(asynchronous)模式［10］，同步 BCI 系統(tǒng)要求用戶必須在預(yù)定的時間進(jìn)入一種特定的精神狀態(tài)，異步BCI 系統(tǒng)需要不斷分析腦電信號，用戶可以自由啟動某種思維任務(wù)來完成特定的控制。本文建立的實時光標(biāo)控制系統(tǒng)屬于異步模式的BCI 系統(tǒng)。

1 系統(tǒng)設(shè)計

圖1 為BCI 系統(tǒng)結(jié)構(gòu)圖，包括傳感器系統(tǒng)和信號處理系統(tǒng)。傳感器系統(tǒng)從受試者頭皮表面采集微弱的腦電信號，經(jīng)過信號放大、A/D 轉(zhuǎn)換后，發(fā)送給信號處理系統(tǒng)處理;信號處理系統(tǒng)將接收到的EEG 信號轉(zhuǎn)換成反映受試者意圖的命令控制光標(biāo)移動。

圖1 BCI 系統(tǒng)結(jié)構(gòu)設(shè)計Fig 1 Structural design of BCI system

1.1 傳感器系統(tǒng)

傳感器系統(tǒng)采用Ag/AgCl 電極獲取腦電信號，腦電信號采集電路對其濾除干擾信號、程控放大、消除電平漂移、帶通濾波、A/D 轉(zhuǎn)換，然后發(fā)送給信號處理系統(tǒng)。采集電路采用C8051F410 內(nèi)部的12 位ADC 采樣，由于該ADC 分辨率不高而眼電信號的幅度在μV 量級，且腦電信號中含有很強(qiáng)的干擾，無法直接轉(zhuǎn)換為數(shù)字信號，因此，必須對其進(jìn)行放大和去干擾。對腦電信號進(jìn)行采樣，放大倍數(shù)需設(shè)定在1000 ～32000 倍，需通過兩級或兩級以上的電路來完成，以保證信號的線性放大。由于采用多級放大電路，腦電信號的前置級電路的性能直接影響到整個系統(tǒng)的特性，尤其是信噪比。

圖2 為單通道的腦電信號采集電路框圖，系統(tǒng)分三級實現(xiàn)系統(tǒng)的放大增益，前置級放大電路采用AD8221 儀表放大器，可以去除極化電壓和共模信號，其放大倍數(shù)為10.15 倍。前置級放大輸出的信號仍然存在基線不穩(wěn)的情況，基線漂移嚴(yán)重時輸出會超過放大器動態(tài)范圍，測不出信號，因此，在前置級電路后面加上去基線漂移電路，即限幅電路。經(jīng)過去基線漂移的腦電信號還必須通過帶通濾波才能被識別，帶通濾波電路同時可放大腦電信號，放大倍數(shù)為100 倍。電平遷移電路把信號的基線電平調(diào)整到1.1 V 左右，程控放大電路進(jìn)行可調(diào)增益的后級放大，放大倍數(shù)為1～32 倍，最后由 C8051F410 內(nèi)部 ADC 采樣。此外輸入的腦電信號可能出現(xiàn)幅度過大的干擾信號，存在損壞電路的風(fēng)險，因此，在儀表放大電路前增加了輸入保護(hù)電路，將輸入腦電信號電壓限制在一定范圍內(nèi)，從而保證電路正常工作。

圖2 單通道的傳感器系統(tǒng)框圖Fig 2 Block diagram of single channel sensor system

1.2 信號處理系統(tǒng)

信號處理系統(tǒng)包括信號處理和實時光標(biāo)移動控制部分，本文利用LabVIEW 語言實現(xiàn)。信號處理系統(tǒng)接收到EEG 信號后對其進(jìn)行8～12 Hz 的帶通濾波，得到 O1，O2 導(dǎo)聯(lián)的α 波，濾波器采用10 階 Butterworth 無限長沖擊響應(yīng)(IIR)濾波器，然后對這導(dǎo)聯(lián)的α 波能量進(jìn)行600 ms 滑窗平均處理。設(shè)Xij為第i 導(dǎo)的第j 個采樣點(diǎn)腦電數(shù)據(jù)，則N 個采樣點(diǎn)對應(yīng)第i 導(dǎo)腦電數(shù)據(jù)的平均能量為

本文選取采樣率為 1 000 Hz，N =600 時 O1，O2 兩導(dǎo)聯(lián)的α 波平均能量P1和P2作為特征。最后根據(jù)Fisher 線性判別分析(Fisher discriminant analysis，F(xiàn)DA)進(jìn)行模式分類，其原理是試圖通過訓(xùn)練數(shù)據(jù)找到一組最佳的投影方向w，在這些投影方向投影可以將訓(xùn)練集中不同類別的樣本最大程度地區(qū)分開來［11］。定義Fisher 的準(zhǔn)則函數(shù)

用lagrange 乘子法求解w 的最優(yōu)解w*

式中 Sw為樣本類內(nèi)離散度，Sb為樣本類間離散度，m1，m2為2 類樣本的均值。

圖3 為Fisher 法二分類示意圖，其中實心圓與空心圓代表二維空間的2 類不同樣本。從圖中可以看出原樣本無論在x 軸或是y 軸上的投影都是混雜的，因此，直接將它們投影到x 軸或是y 軸上都是不好分類的，但是投影到方向w上就很容易區(qū)分。

圖3 Fisher 法分類示意圖Fig 3 Diagram of classification by Fisher method

2 實驗設(shè)計

受試者通過調(diào)節(jié)閉眼時間的長短實現(xiàn)控制光標(biāo)向4 個方向移動。實驗方法如下:在LabVIEW 平臺下，根據(jù)式(1)得到采樣率為1 000，N =600 時受試者頭部O1，O2 導(dǎo)聯(lián)對應(yīng)的α 波平均能量P1和P2，通過線性判別分析的方法判定受試者當(dāng)前睜眼閉眼狀態(tài)并輸出控制信號Cr，當(dāng)Cr =1時系統(tǒng)發(fā)出一聲提示音，如受試者保持閉眼狀態(tài)，系統(tǒng)每隔600 ms 發(fā)出一次提示音，當(dāng)受試者僅聽到1 聲提示音后睜眼，則表示選擇方向‘上’;聽到2 聲提示音后睜眼，則表示選擇方向‘下’;聽到3 聲提示音后睜眼，則表示選擇方向‘左’;聽到4 聲提示音后睜眼，則表示選擇方向‘右’。輸出的控制信號與所對應(yīng)的命令如表1 所示。

表1 控制命令表Tab 1 Control command table

正常人閉眼后α 波能量上升輸出Cr =1 需要2.4s，保持閉眼狀態(tài)輸出上下左右4 個方向分別需要1.2，1.8，2.4，3.0 s，所以，系統(tǒng)輸出一個控制命令平均需要4.5 s。

參加實驗的10 位受試者均為在校研究生，均未經(jīng)過先期訓(xùn)練。具體實驗如下:受試者控制光標(biāo)分別向上下左右4 個方向移動5 步，統(tǒng)計每位受試者完成任務(wù)所需時間和出錯次數(shù)。如果光標(biāo)未按受試者目標(biāo)方向移動，則記為一個錯誤。在相同實驗條件下，首先進(jìn)行1 組測試實驗，以確定最佳投影方向w，然后每位受試者重復(fù)完成5 組實驗，作為系統(tǒng)實驗用以檢驗系統(tǒng)的正確率。

3 實驗結(jié)果分析

表2 為系統(tǒng)實驗記錄，從表中可以看出:受試者通過幾次實驗訓(xùn)練即可有效提高操作正確率。分析出現(xiàn)誤操作的主要原因有以下幾種:1)受試者閉眼期間α 波幅值下降導(dǎo)致錯誤輸出‘0’;2)受試者睜眼后α 波幅值下降延遲而導(dǎo)致多輸出‘1’;3)受試者睜眼狀態(tài)下α 波幅值出現(xiàn)抖動上升而導(dǎo)致錯誤輸出‘1’。

表2 系統(tǒng)實驗記錄Tab 2 Records of system experiments

從實驗數(shù)據(jù)看，不同受試者在睜眼和閉眼時α 波能量差異明顯，進(jìn)一步驗證了α 波阻斷現(xiàn)象的普適性。通過實驗數(shù)據(jù)統(tǒng)計和分析可以得出結(jié)論:

1)最佳投影方向w 的設(shè)定因受試者不同而異，系統(tǒng)實驗前需進(jìn)行測試實驗，用以確定最佳投影方向w。

2)α 波平均處理時間常數(shù)的設(shè)定直接影響了系統(tǒng)的抗干擾能力和系統(tǒng)響應(yīng)速度，由此影響了實驗的正確率。將濾波后的α 波信號進(jìn)行平均處理，適當(dāng)?shù)钠骄幚頃r間可以有效提高系統(tǒng)抗干擾能力，如眨眼，打哈欠等;過大的平均處理時間會降低系統(tǒng)的靈敏度;平均處理時間同時也是提示音間隔時間，需考慮受試者反應(yīng)速度，通過統(tǒng)計分析多次實驗數(shù)據(jù)將其設(shè)定為600 ms。

文獻(xiàn)［12］建立的基于腦電α 波的BCI 控制系統(tǒng)需要受試者注視有5 個指示燈(代表5 種不同操作命令)的控制面板，指示燈按順時針方向依次循環(huán)閃爍點(diǎn)亮并持續(xù)一段時間，如果某個指示燈點(diǎn)亮?xí)r受試者閉眼產(chǎn)生α 波，則選中該指示燈代表的操作命令，其工作方式為同步模式，需要受試者注視有指示燈的控制面板，該系統(tǒng)輸出一個控制命令需要9 s;文獻(xiàn)［10］建立的基于α 波的異步BCI 系統(tǒng)輸出一個控制命令需要45 s;本文建立的實時光標(biāo)控制系統(tǒng)輸出一個控制命令僅需3.6～5.4 s，操作簡單，響應(yīng)速度快，正確率高，實用價值高，與現(xiàn)有的基于腦電α 波的BCI 系統(tǒng)相比，具有更好的實時性，見表3。

表3 基于腦電α 波的BCI 系統(tǒng)對比Tab 3 Comparision of BCI system based on EEG α wave

4 結(jié)束語

本文利用在腦神經(jīng)功能正常的人中普遍存在的腦電α 波阻斷現(xiàn)象，設(shè)計了一種基于傳感器技術(shù)的實時光標(biāo)控制BCI 系統(tǒng)。10 名受試者的操作實驗表明:未經(jīng)先期訓(xùn)練的受試者可以利用該系統(tǒng)穩(wěn)定可靠地實現(xiàn)既定實驗任務(wù)，驗證了此系統(tǒng)的易操作性、較高的正確率和較快的響應(yīng)速度。同現(xiàn)有的基于腦電α 波的BCI 系統(tǒng)相比，具有更好的實用價值。本文的研究工作為進(jìn)一步開發(fā)便攜式EEG 采集設(shè)備和實時控制的BCI 系統(tǒng)提供了技術(shù)基礎(chǔ)。

［1］ Wolpaw J R，McFarland D J，Neat G W，et al.An EEG－based brain－computer interface for cursor control［J］.Electroencephalography and Clinical Neurophysiology，1991，78(3):252 －259.

［2］ Wolpaw J R，Birbaumer N，McFarland D J，et al.Brain－computer interfaces for communication and control［J］.Clinical Neurophysiology，2002，113(6):767 － 791.

［3］ Wolpaw J R，McFarland D J，Vaughan T M.Brain－computer interface research at the Wadsworth Center［J］.IEEE Transactions on Rehabilitation Engineering，2000，8(2):222 －226.

［4］ 韓 雪，李醒飛，鐘 瑩.腦-機(jī)接口用微傳感器設(shè)計與制造方法研究［J］.傳感器與微系統(tǒng)，2009，28(1):52 －55.

［5］ Pfurtscheller G，Muller－Putz G R，Schlogl A，et al.15 years of BCI research at Graz University of Technology:Current projects［J］.IEEE Transactions on Neural Systems and Rehabilitation Engineering，2006，14(2):205 －210.

［6］ Pfurtscheller G，Kalcher J，Neuper C，et al.On－line EEG classification during externally－paced hand movements using a neural network－based classifier［J］.Electroencephalography and Clinical Neurophysiology，1996，99(5):416 －425.

［7］ Leeb R，Pfurtscheller G.Walking through a virtual city by thought［C］∥2004 The 26th Annual International Conference of IEEE Engineering in Medicine and Biology Society，IEMBS’04，2004:4503 －4506.

［8］ Dewan E M.Occipital alpha rhythm eye position and lens accommodation［J］.Nature，1967，214(5092):975 － 977.

［9］ 黃遠(yuǎn)桂，吳聲伶.臨床腦電圖學(xué)［M］.北京:人民衛(wèi)生出版社，1998.

［10］ 趙海濱，王 宏，李春勝.基于Alpha 波的異步腦-機(jī)接口系統(tǒng)［J］.東北大學(xué)學(xué)報:自然科學(xué)版，2009(10):1377 －1380.

［11］ 邊肇祺，張學(xué)工.模式識別［M］.北京:清華大學(xué)出版社，1988.

［12］ 萬柏坤，綦宏志，趙 麗.基于腦電 Alpha 波的腦-機(jī)接口控制實驗［J］.天津大學(xué)學(xué)報，2006(8):978 －984.