多類運(yùn)動(dòng)想象腦電信號的識別

盧擴(kuò)鋒 謝云 甘達(dá)雲(yún)

摘要：腦電信息作為一種腦神經(jīng)細(xì)胞群電生理活動(dòng)在大腦皮質(zhì)表面的總體反映，其存在于生命的始終。而對于腦電信號的識別，可以有效預(yù)測將要發(fā)生的運(yùn)動(dòng)行為，并且由于其攜帶大量的生理和心理信息，所以在科學(xué)研究中具有重要的意義。鑒于此，文章重點(diǎn)就多類運(yùn)動(dòng)想象腦電信號的識別進(jìn)行研究分析，以供參考和借鑒。

關(guān)鍵詞：腦電信號;運(yùn)動(dòng)想象;識別;算法

中圖分類號：TN911 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2019）09-0066-02

0 引言

對于想象運(yùn)動(dòng)而言，其本質(zhì)上是在動(dòng)作還沒有發(fā)生的前提下，對將要發(fā)生的行為進(jìn)行預(yù)測和分析。當(dāng)一個(gè)人想象某一種行為，而這一種行為沒有發(fā)生時(shí)，大腦會(huì)產(chǎn)生一種執(zhí)行該類行為的腦電信號，這就是我們所說的運(yùn)動(dòng)想象腦電信號。而通過對該類信號的識別和研究，可以有效掌握運(yùn)動(dòng)者的行為意圖，從而實(shí)現(xiàn)我們?nèi)祟惻c外界新環(huán)境的有效溝通。

1 多類運(yùn)動(dòng)想象腦電信號的識別

1.1 腦電信號的采集

本次研究所使用的數(shù)據(jù)來源于某次競賽中的2a數(shù)據(jù)集，對信號采集的設(shè)備是利用22個(gè)Ag/AgCl電極的EEG放大器，該設(shè)備的一般常規(guī)參數(shù)如下，即采樣率為250Hz，以左側(cè)乳突作為參考電極，并配置通濾波器（0.5-100Hz），放大器的靈敏度在100，同時(shí)為了有效去除工頻干擾，設(shè)備帶有50Hz的陷波濾波，詳細(xì)情況如圖1所示。

1.2 信號識別的預(yù)處理

在進(jìn)行腦電信號的預(yù)處理中，最常用的方法是ICA，其作為一種高階統(tǒng)計(jì)信息的盲源分離法，在進(jìn)行信號處理中具有重要的作用。而ICA算法的假定源是高斯分布，所以使得分離處理后的信號具有很強(qiáng)的獨(dú)立性特征。而由于常見的EEG信號是屬于非高斯分布，但是其各個(gè)局部的神經(jīng)皮層產(chǎn)生的信號可認(rèn)定為相互獨(dú)立，在這種情況下可以利用ICA算法從大腦皮層EEG信號中進(jìn)行生理信號的分離，詳細(xì)如下：

2 運(yùn)動(dòng)想象腦電信號存在的問題及發(fā)展方向

2.1 存在問題

第一，識別種類較少。當(dāng)前對于運(yùn)動(dòng)想象腦電信號的識別模式較少，同時(shí)相關(guān)研究工作人員大都將研究重點(diǎn)放在了左右手運(yùn)動(dòng)想象識別分析中，所以這就造成了實(shí)際運(yùn)用算法出現(xiàn)很大的困擾，不能提升算法的運(yùn)用效率，同時(shí)也造成了巨大的限制作用;第二，識別率較低。通常情況下，識別率是評價(jià)算法應(yīng)用效果的關(guān)鍵性參數(shù)，但是就目前而言，運(yùn)動(dòng)想象腦電信號的識別率存在較低的情況，導(dǎo)致與理論存在很大的差距。由于識別率受到多種因素的影響，例如數(shù)據(jù)質(zhì)量、算法等，所以實(shí)際當(dāng)中需要綜合考慮多種限制性因素;第三，自適應(yīng)性較差。由于運(yùn)動(dòng)想象腦電信號是無固定變化規(guī)律的，這使得相應(yīng)算法必須要符合適應(yīng)性方面的具體需求，這樣才能達(dá)到實(shí)際的分析效果。而真正運(yùn)用當(dāng)中因?yàn)楹艽蟮乃惴ǘ际窃诠潭〝?shù)據(jù)集前提下進(jìn)行處理和運(yùn)算，所以出現(xiàn)了自適應(yīng)性降低的情況，造成最終的識別分析結(jié)果不準(zhǔn)確;第四，算法實(shí)用性較差。目前很多的算法過于復(fù)雜，這給實(shí)際應(yīng)用造成了巨大的困擾，使得研究只能停留在試驗(yàn)仿真階段，不能實(shí)現(xiàn)真正意義上的應(yīng)用和推廣。

2.2 發(fā)展方向

第一，學(xué)科融合。未來運(yùn)動(dòng)想象腦電信號的識別算法將朝著多科融合方向發(fā)展，通過融合和借鑒其它學(xué)科領(lǐng)域的先進(jìn)方法，進(jìn)行自身的優(yōu)勢互補(bǔ)，大大提升算法的可靠性，例如將傳統(tǒng)的算法與遺傳算法和蟻群算法進(jìn)行融合處理，這樣一來就可以高效的解決參數(shù)選取的弊端問題和缺陷;第二，算法融合。未來的運(yùn)動(dòng)想象腦電信號的處理和分析會(huì)越來越簡便和快捷，同時(shí)對比現(xiàn)在的算法也會(huì)更加實(shí)用，最減少訓(xùn)練次數(shù)和時(shí)間來實(shí)現(xiàn)信息的交流和溝通。但是需要注意的是，由于傳統(tǒng)的算法過于單一化，這種缺陷的存在使得研究人員需要加強(qiáng)研發(fā)，將多種算法進(jìn)行融合分析，實(shí)現(xiàn)對現(xiàn)有算法的優(yōu)化和改良，確保算法的運(yùn)用可以達(dá)到實(shí)際的效果。

3 結(jié)語

綜上所述，通過本次對運(yùn)動(dòng)想象腦電新高的識別算法分析，大體介紹了信號的特征提取和算法處理。由于現(xiàn)有算法自身的缺陷和弊端，所以本次研究還對算法的不足和未來的改進(jìn)進(jìn)行一定的分析，希望為該領(lǐng)域的研究提供幫助和建議。

參考文獻(xiàn)

[1] 鄺亞云.基于運(yùn)動(dòng)想象的腦機(jī)接口技術(shù)研究[D].中北大學(xué)，2019.

[2] 何群，杜碩，張園園，等.融合單通道框架及多通道框架的運(yùn)動(dòng)想象分類[J].儀器儀表學(xué)報(bào)，2018，39（09）：20-29.

[3] 牛新.基于ERN反饋的MI-BCI系統(tǒng)研究與實(shí)現(xiàn)[D].鄭州大學(xué)，2018.

Abstract：Electroencephalogram （EEG） information， as a general reflection of the electrophysiological activity of the brain neuronal cell population， exists on the surface of the cerebral cortex throughout life.The recognition of EEG signals can effectively predict the movement behavior that will occur， and because it carries a lot of physiological and psychological information， it is of great significance in scientific research. In view of this， this paper focuses on the recognition of multiple motor imagery EEG signals for reference and reference.

Key words：EEG signal; Motion imagination; recognition; algorithms