目標視場角對P300-RSVP目標檢測系統(tǒng)的影響分析

褚凱軒，常天慶，郭理彬，馬 也

陸軍裝甲兵學院 兵器與控制系，北京 100072

1 引言

P300電位是腦-機接口中常用的信號，是指在接受靶刺激后約300 ms出現(xiàn)的正向電位偏移。P300是一種經(jīng)典的事件相關電位（ERP）成分，是大腦對信息加工最好的反映，其潛伏期與刺激具有嚴格的鎖時關系。針對P300電位，Polich和Donchin[1]提出的Oddball范式沿用至今，Oddball范式中要求參與者對一系列刺激進行分類，這些刺激可分為兩類，靶刺激和非靶刺激，靶刺激出現(xiàn)的概率遠遠小于非靶刺激出現(xiàn)的概率。學術界以Oddball范式為基礎，將P300-RSVP目標檢測系統(tǒng)應用于多種目標的分類和檢測[2-4]：用RSVP技術將一系列待檢圖片快速播放，小概率出現(xiàn)的含有目標的圖片會刺激被試者產(chǎn)生P300電位，通過研究腦電波中是否含有P300即可鎖定目標圖片。P300-RSVP目標檢測系統(tǒng)需要與之配套的圖像最優(yōu)呈現(xiàn)技術，以刺激被試者產(chǎn)生更強烈的P300，提取更顯著的腦電特征，進而提高目標檢測的正確率[5]。圖片中的目標所占視場角是一個重要的因素，目標視場角是指目標的外緣與人眼視線形成的角度，目標視場角直接影響誘發(fā)的P300信號的強度。

當前對“視角”問題進行了較多的研究。文獻[6]的研究顯示，當目標位于中心視野4°以內時，被試者主觀發(fā)現(xiàn)目標概率達到90%，而當目標遠離視角4°時，被試者的識別率下降到50%，當目標遠離視角8°時，識別率進一步下降。雖然被試者的周邊視野仍然可以發(fā)現(xiàn)目標刺激，但目標在視野的外緣處必須特征更顯著才能被發(fā)現(xiàn)。文獻[7]在4 Hz播放幀率下采用6°×4°視角的圖片刺激被試者，圖片中的目標包括動物、汽車、飛機、人等，最后對P300的分類正確率達到90%以上。文獻[8]在10 Hz播放幀率下采用約26°視角的圖片刺激被試者，要求被試者從汽車圖片中篩選出人臉圖片，對3名被試者的P300的分類正確率分別為84.5%±0.63%、85.0%±0.61%、84.7%±0.63%。

文獻[6]對目標中心偏離中心視線（屏幕中心）的角度進行了研究，而在實際應用中，目標的位置是未知的，目標偏離視野的角度不可控，文獻中得到的結論難以直接用于實踐。文獻[7-8]對圖片所占視場角進行了研究，而在刺激實驗中，被試者更多的是關注圖片中的目標而非圖片本身。當前對于圖片中的目標所占視場角的問題研究較少。目標視場角是對刺激強度和最佳視域的權衡：因為相對較大的目標有利于刺激被試者產(chǎn)生更強的P300信號，但當目標視場角超過人眼的最佳視域范圍時，會造成被試者難以在短時間內觀察目標全貌而錯過目標。因此研究目標的最佳視場角具有重要意義。

前期實驗中已知，人能夠在短時間（0.1 s）內識別坦克目標的最少像素點個數(shù)為30個左右，分辨率為960×720的圖片中0.5°的視場角內大約有30個像素點，故選擇0.5°的目標視場角進行第一組實驗；文獻[6]中實驗表明目標位于中心視野4°以內時，被試者發(fā)現(xiàn)目標的概率最大，因此本實驗中也用4°目標視場角進行一組實驗；水平方向8°范圍內的物體，映像將落在視網(wǎng)膜最敏感的部分——黃斑上[9]，故選擇8°目標視場角進行一組實驗；人眼的分辨視域約為15°，該范圍內人眼能較快地捕捉圖像特征，識別簡單的數(shù)字和字母[10]，故選擇15°的目標視場角為最后一組實驗。

采用0.5°、4°、8°和15°共4種不同視場角的目標對5名被試者進行刺激實驗。比較不同視場角的目標刺激下P300的疊加平均信號的強度；采用結構化判別成分分析（HDCA）對不同目標視場角下的單試次信號進行分類，比較目標探測率。

2 P300-RSVP目標檢測系統(tǒng)

P300-RSVP目標檢測系統(tǒng)主要由腦電信號刺激模塊、腦電信號采集模塊、腦電信號處理模塊三個部分組成。腦電信號刺激模塊的功能是將圖片序列通過RSVP技術快速呈現(xiàn)給被試者，刺激被試者大腦產(chǎn)生相應的腦電信號。腦電信號采集模塊的主要功能是對刺激產(chǎn)生的腦電信號進行采集和儲存，同時產(chǎn)生標簽，使圖片序列和腦電波在時間上一一對應。腦電信號處理模塊主要是對腦電信號進行預處理、特征提取和分類，其中預處理包括對腦電波進行降采樣、濾波、分段和去噪聲等操作。

P300-RSVP目標檢測系統(tǒng)工作原理如圖1所示。將待檢測圖片通過RSVP技術快速播放，刺激被試者產(chǎn)生腦電信號，同時將圖片和對應的腦電波打上標簽，二者在時間上一一對應。根據(jù)腦電波中是否存在P300對腦電信號進行分類。通過圖片和腦電波之間的標簽，鎖定目標圖片，達到目標檢測的目的[11]。基于P300腦-機接口的目標檢測系統(tǒng)利用腦-機接口技術，實現(xiàn)機器智能與生物智能的有機融合，實時提供反饋信息幫助被試者完成高速、流水線式的目標檢測任務。

圖1 RSVP-BCI目標檢測系統(tǒng)工作原理圖

腦電波具有低信噪比的特點，P300信號的背景噪聲主要是自發(fā)腦電信號、眼電信號、肌電信號和工頻干擾組成。P300信號的幅值一般都在0.5～20μV，而自發(fā)EEG信號的幅值有時會達到100μV以上[12]，遠大于P300信號的幅值，造成P300信號經(jīng)常淹沒在噪聲之中。在單試次腦電波分類任務中，無法采取疊加平均的方法提高信噪比，腦電波分類難度較大。為了提高目標檢測系統(tǒng)的性能，除了改進信號處理的算法外，研究圖片最優(yōu)呈現(xiàn)技術從而提高刺激產(chǎn)生的P300強度也是一條重要途徑。因此，本文的研究主要是針對刺激——圖片，以期產(chǎn)生更強烈的P300電位，從而降低分類的難度，提高目標檢測的正確率。

3 實驗

3.1 被試者

共有5名被試者參加該實驗，受試者年齡在23～30，被試者身體健康，視力正常，進行實驗時精神狀態(tài)良好。實驗中對被試者提出以下要求：

（1）被試者需要了解實驗的基本原理和流程，實驗之前瀏覽一遍圖片。

（2）實驗過程中被試者保持面部肌肉放松，減少四肢和頭部的動作，保持呼吸平穩(wěn)，情緒鎮(zhèn)定。一旦出現(xiàn)咳嗽、瞌睡或注意力不集中等情況，需要及時報告，剔除相應的腦電波數(shù)據(jù)。

（3）由于兩張目標圖片間隔至少1.5 s，鼓勵被試者在發(fā)現(xiàn)目標圖片后0.8～1.5 s時間內眨眼，該段腦電不作為分析使用。

3.2 圖片

實地航拍獲取圖片素材、對圖片素材進行篩選、裁剪等預處理操作，建立圖庫。圖庫中包含目標圖片與非目標圖片，目標圖片中含有坦克目標，非目標圖片中無坦克目標。兩類圖片大小一致，分辨率均為960×720。目標圖片樣本和非目標圖片樣本如圖2所示。

圖2 目標圖片樣本和非目標圖片樣本

每100張圖片組成一組圖片序列，其中有非目標圖片96張，目標圖片4張，目標圖片位于圖片序列中的5～25、30～50、55～75、80～100，且任意兩張目標圖片至少間隔15張非目標圖片。每種目標視場角下進行100組實驗刺激實驗，共計可以產(chǎn)生400個正樣本腦電波和9 600個負樣本腦電波。

3.3 目標視場角

目標視場角的示意圖如圖3所示。

其中，α為目標邊緣偏離視線的角度，γ即為目標所占視場角，b為圖片邊緣距離目標中心的距離，L為被試者與屏幕間的距離，本實驗要求被試者距離屏幕0.6 m，即L=0.6 m。

圖3 視角示意圖

從近距離拍攝的源圖片中割取目標視場角較大的圖片樣本，從遠距離拍攝的源圖片中割取目標視場角較小的圖片樣本，再對割取的圖片進行適當縮放從而使目標視場角達到實驗要求。最后對所有的樣本圖片進行分辨率歸一化處理，輸出圖片的分辨率均為960×720，清晰度相同。由公式（1）計算不同大小的目標所占視場角，見表1。

表1 目標大小與目標所占視角對應關系

4 數(shù)據(jù)分析

4.1 P300強度

對腦電波進行降采樣、0～30 Hz濾波、去眼點、分段和截取等操作，隨機選取每名被試者的各組目標視場角實驗中50段正樣本腦電波數(shù)據(jù)，進行疊加平均。目標視場角影響因素下P300波形如圖4所示。

圖4 目標視場角影響因素下P300波形

目標視場角影響因素下P300波峰值見表2。

表2 目標視場角影響因素下P300波峰值μV

五位被試者中，有四位在目標視場角為8°左右時產(chǎn)生了最強的P300，有一位在目標視場角為4°時產(chǎn)生了最強P300，但是比8°目標視場角時的P300峰值僅高0.06μV。而當目標視角小于0.5°和大于15°的情況下，四位被試者的P300強度均出現(xiàn)了一定程度的衰減。

雖然P300的峰值是評價P300信號強弱的重要指標，但這并不是決定分類的唯一因素。例如，N200與刺激也有嚴格的鎖時關系，從圖4中可以看出N200和P300的強度不是嚴格的正相關。當前對于P300腦電信號的分類算法不是只依據(jù)潛伏期附近的正向偏移，而是將整個波段的信息都列入分析[13-17]。因此，最終判定最佳目標視場角，還需要對腦電波進行分類。

4.2 分類

采用結構化判別成分分析（HDCA）對單試次腦電波進行分類。算法的核心是對權重系數(shù)進行訓練，使得目標圖像的得分盡可能地高于非目標類圖像的得分[18]。HDCA分類器的訓練過程如圖5所示。P300信號最晚不會超過400 ms，且根據(jù)實驗要求，每當被試者發(fā)現(xiàn)目標后500～1 000 ms之間允許眨眼。因此選取0～400 ms內的腦電數(shù)據(jù)作為樣本。分類方案中用到FLD和Logistic Regression方法。FLD對多維樣本進行降維，使來自不同類別的樣本在該低維空間中具有可分性。LR通過一個多項式函數(shù)將樣本向量映射為一個(-∞,+∞)范圍內的值，然后通過該值在Logistic曲線對應的值給出樣本向量屬于某類別的概率。

圖5 HDCA分類器訓練過程

HDCA訓練分類器的步驟如下：

第一步：將0～400 ms腦電數(shù)據(jù)以50 ms為間隔分為8個時間窗口。

第二步：將各導聯(lián)第i(i=1,2,…,8)個時間窗內腦電信號取平均值。

第三步：FLD降維，得到該時間窗內腦電的判決值yi，使得目標刺激對應的yi值大于非目標刺激對應的yi值。記第i個時間窗內第k個導聯(lián)xik特征降維所對應的投影系數(shù)為ωik。對應公式為：

第四步：通過LR找出第i個時間窗的加權系數(shù)ci，使得通過ci加權后的yi值之和成為圖像評分值IS，并且目標刺激的IS值大于非目標刺激的IS值。記第k個導聯(lián)xk特征降維所對應的投影系數(shù)為ωik。對應的公式為：

第五步：控制誤檢率為15%的前提下，設置分類閾值ω，進行分類。當IS≥ω時，判斷腦電波中含有P300，當IS＜ω時，判斷腦電波中不含P300。

從每位被試者的各不同目標視場角刺激下的腦電數(shù)據(jù)中隨機選取正樣本腦電波和負樣本腦電波各100段，采用“留一法”對HDCA分類器進行訓練和分類，統(tǒng)計正樣本的分類正確率（即目標探測率）。目標視場角影響因素下目標探測率見表3。

表3 目標視場角影響因素下目標探測率%

表中數(shù)據(jù)顯示，每位被試者都在目標視場角為8°時，達到了最高的目標的探測率，5位被試者平均目標探測率達到82%以上。

5 結論

針對目標所占視場角對P300-RSVP目標檢測系統(tǒng)的影響，設計對照實驗，研究被試者在不同視場角的目標刺激下P300的強度以及分類效果。采用HDCA分類算法，經(jīng)過FLD的空間加權平均和LR的時間加權平均，訓練權值，計算圖像的評分值，以誤檢率為標準設置分類閾值，實現(xiàn)分類。實驗結果顯示，目標所占視角為8°左右時，刺激被試者產(chǎn)生的P300強度最強，峰值最高，相應的目標探測率最高，5位被試者的平均目標探測率達到82%以上。