基于核主角的眼動腦電信號辨識系統(tǒng)

張井想 甘良志 趙榮剛 蔣大偉 岳大超

摘 要腦電信號是一種微弱的生理信號，包含了復(fù)雜的人體信息，需要特殊的模擬前端進(jìn)行采集。不同眼動狀態(tài)下的腦電信號有所差異，核主角算法可有效的對其識別，辨識出各種眼動狀態(tài)。

【關(guān)鍵詞】腦電信號 模擬前端 核主角 眼動辨識

腦電信號十分微弱，數(shù)量級為微伏級，頻率段在0.5-100Hz，這對于模擬前端采集裝置提出很高要求。設(shè)計出良好的采集裝置是腦電研究的基礎(chǔ)。不同狀態(tài)下的腦電信號幅值大小、頻率端有所不同，對于采集到的腦電信號做分類、辨識，有助于對腦電的研究及腦機接口的應(yīng)用。本文設(shè)計了一套基于核主角的眼動腦電信號辨識系統(tǒng)，主要包括模擬前端的設(shè)計和算法的設(shè)計研究。模擬采集前端，可以準(zhǔn)確的采集到腦電信號。對采集到的腦電信號運用核主角算法對其進(jìn)行分類辨識，有效識別出不同狀態(tài)下的腦電信號。

1 模擬前端設(shè)計

本系統(tǒng)的模擬前端設(shè)計結(jié)構(gòu)包括：采集電極、濾波網(wǎng)絡(luò)、濾波放大模塊、模數(shù)轉(zhuǎn)換模塊、微處理器模塊、電源模塊。

采集電極選用Agcl電極，相比于其它材質(zhì)，它更加有助于腦電信號的采集。濾波網(wǎng)絡(luò)包含無源低通濾波和輸入保護(hù)電路，無源低通濾波由RC組合而成，具有較好的抗頻率混疊效果。輸入保護(hù)電路串聯(lián)在低通濾波電路后，由兩個穩(wěn)壓二極管組成，保護(hù)腦電采集設(shè)備。AD8232模塊銜接在濾波網(wǎng)絡(luò)后，濾波網(wǎng)絡(luò)信號輸出端與AD8232模塊信號輸入端相連，對輸入信號做進(jìn)一步處理。AD8232模塊的內(nèi)部集成了放大電路、右腿驅(qū)動電路、濾波電路，其中高通濾波器采用雙極點，低通濾波器采用無使用約束運算放大器創(chuàng)建，為三極點型。AD7606模塊進(jìn)行模數(shù)信號的轉(zhuǎn)換，將從AD8232模塊得到的模擬信號轉(zhuǎn)換為數(shù)字信號，再通過串口將處理得到的腦電信號傳送至微處理器模塊。液晶模塊、SD卡模塊、串口模塊、Wi-Fi模塊是微處理器模塊的外圍模塊。液晶模塊外掛于微處理器模塊下，用于顯示數(shù)據(jù)的處理效果；SD卡模塊與微處理器模塊相連，用于存儲數(shù)據(jù)；Wi-Fi模塊與微處理器模塊相連，作為另一種數(shù)據(jù)存儲方式，直接將數(shù)據(jù)上傳至服務(wù)器；電源模塊為其他模塊提供電壓。微處理器模塊對數(shù)字信號做軟件濾波處理，處理后得到的數(shù)據(jù)可在液晶模塊顯示，并可以通過Wi-Fi模塊，將處理后數(shù)據(jù)傳送至服務(wù)器，或者通過SD卡模塊，將處理后數(shù)據(jù)保存在SD卡中。

2 核主角

核函數(shù)可以在特征中用線性方法解決原始空間中的非線性問題，主成分分析（PCA）的線性問題。B.Scholkopf結(jié)合核函數(shù)和主成分分析，得到一種研究原始空間非線性關(guān)系的方法，即KPCA。本文在研究KPCA的基礎(chǔ)上，對其稍作改進(jìn)，得到核主角的方法。其原理如下：

設(shè)和分別是兩個零均值的隨機變量X和隨機變量Y的兩組樣本。和構(gòu)成兩個行向量。和是兩個子空間。θ為兩個空間的主角，滿足：

，。整理重新定義式：

，。轉(zhuǎn)化為特征值問題為：

式中、、、可以用核矩陣來求得，最大特征值λl，即λl=cos θ為特征子空間SA和SB夾角的余弦值。

3 實驗設(shè)計與過程分析

本實驗嘗試使用基于核主角的不同眼動狀態(tài)識別方法。不同眼動狀態(tài)的腦電數(shù)據(jù)在特征空間中形成不同的特征子空間，計算不同眼動狀態(tài)樣本的特征子空間與當(dāng)前的眼動狀態(tài)的特征子空間之間的夾角，通過監(jiān)測相似度的變化情況，最后計算相似度平均值來判斷當(dāng)前眼睛處于哪種狀態(tài)。

本實驗利用腦電信號采集板，采集閉眼、向上、向下、向左和向右五種不同眼動狀態(tài)的腦電信號數(shù)據(jù)，然后用核主角對校驗樣本與訓(xùn)練樣本相似度進(jìn)行分析與總結(jié)。其具體實現(xiàn)步驟如下：

（1）采集五種不同眼動狀態(tài)下的數(shù)據(jù)各10組；

（2）分別取五種不同眼動狀態(tài)下的數(shù)據(jù)的前2組作為校驗樣本；

（3）計算五種不同眼動狀態(tài)下的校驗樣本與訓(xùn)練樣本的相似度；

（4）運用核主角算法計算五種不同眼動狀態(tài)下的單盲數(shù)據(jù)與校驗樣本的相似度；

（5）最后采用平均法計算核主角。

4 實驗結(jié)果分析

分別以不同眼動狀態(tài)數(shù)據(jù)作為校驗樣本，其余狀態(tài)數(shù)據(jù)作為訓(xùn)練樣本，所做實驗結(jié)果如表1所示。

由表1可以看出，當(dāng)以不同狀態(tài)數(shù)據(jù)為校驗樣本時，訓(xùn)練樣本為同類數(shù)據(jù)時，相似度很高，不同類數(shù)據(jù)相似度略有差異。以閉眼狀態(tài)為校驗樣本進(jìn)行說明：閉眼與閉眼數(shù)據(jù)相似度為0.9-1，閉眼與向左數(shù)據(jù)相似度為0.4-0.5，閉眼與向右數(shù)據(jù)相似度為0.54-0.6，閉眼與向上數(shù)據(jù)相似度為0.68-0.7，閉眼與向下數(shù)據(jù)相似度為0.72-75。當(dāng)閉眼數(shù)據(jù)作為校驗樣本時，可以根據(jù)相似度判斷訓(xùn)練樣本的眼動狀態(tài)類型。

參考文獻(xiàn)

[1]甘良志.核學(xué)習(xí)算法與集成方法研究[D].浙江大學(xué)，2010.

[2]Belkacem A N，Hirose H，Yoshimura N，et al.Classification of Four Eye Directions from EEG Signals for Eye-Movement-Based Communication Systems[J].Journal of Medical & Biological Engineering，2014，34（06）：581-588.

[3]李長海.融合眼電信息的多任務(wù)模式腦—機接口系統(tǒng)研究與實現(xiàn)[D].天津理工大學(xué)，2017.

作者簡介

張井想（1991-），男，工程碩士學(xué)位。主要研究方向為醫(yī)療電子。

作者單位

江蘇師范大學(xué) 江蘇省徐州市 221116