基于觸覺P300的腦控下肢康復(fù)機器人

張翔， 郭士杰,2,3*， 陳玲玲， 田璽偉， 段曉宇

(1.河北工業(yè)大學(xué)電氣工程學(xué)院， 天津 300130； 2.河北工業(yè)大學(xué)省部共建電工裝備可靠性與智能化國家重點實驗室， 天津 300130；3.智能康復(fù)裝置與檢測技術(shù)教育部工程研究中心， 天津 300130； 4.河北工業(yè)大學(xué)人工智能與數(shù)據(jù)科學(xué)學(xué)院， 天津 300130)

腦機接口(brain-computer interface, BCI)是一種新型的人機交互方式，通過在人腦與外部設(shè)備間建立通道，實現(xiàn)人腦與外部設(shè)備直接交流和控制[1-3]。BCI技術(shù)適用于思維正常但運動功能喪失的患者，通過該技術(shù)可將患者的運動意圖與康復(fù)器械的控制結(jié)合起來，以實現(xiàn)自主康復(fù)訓(xùn)練的目的，加速受損神經(jīng)的恢復(fù)[4-5]。BCI系統(tǒng)根據(jù)腦電的產(chǎn)生方式可為誘發(fā)式和自發(fā)式。相比于自發(fā)式BCI系統(tǒng)，誘發(fā)式BCI系統(tǒng)產(chǎn)生的腦電信號更加穩(wěn)定[6]。P300信號是一種典型的誘發(fā)腦電信號，它表示在刺激發(fā)生后300 ms左右出現(xiàn)的正峰值信號[7]?；赑300的BCI系統(tǒng)具有訓(xùn)練時間短、操作簡單方便、可輸出指令多等優(yōu)點，可用于患者控制康復(fù)器械的研究。

P300信號可以通過視覺刺激、聽覺刺激和體感刺激來獲得，在BCI系統(tǒng)中針對視覺刺激的研究較多[8-9]，也較為成熟，P300信號同樣如此。然而，長時間的閃爍刺激會對使用者造成極大的視覺負(fù)擔(dān)，降低使用者的舒適度和準(zhǔn)確率[10]，并不適用于患者進(jìn)行長時間的訓(xùn)練。基于聽覺刺激的P300-BCI系統(tǒng)也存在同樣的問題，且分類準(zhǔn)確率低，因此國內(nèi)外研究相對較少。此外，基于視聽刺激的P300-BCI系統(tǒng)需要呈現(xiàn)刺激的顯示屏幕，便攜性較差，不利于在病房和家庭等實際場景中應(yīng)用。經(jīng)過臨床證明，將體感刺激與運動命令相結(jié)合具有改善中風(fēng)后手功能的潛力[11]。因此，開發(fā)一種范式簡單、精度較高的實用型觸覺體感刺激范式，并依此實現(xiàn)對康復(fù)訓(xùn)練機器人的控制具有十分重要的現(xiàn)實意義。

Chen等[12]設(shè)計了一種傳統(tǒng)的觸覺P300腦機接口，將5個刺激器分別固定在被試的左手腕、右手腕、腹部、左腳踝和右腳踝。以左手腕或右手腕為目標(biāo)刺激，其他元件為干擾刺激，以此來誘發(fā)P300信號。實驗測試了兩種條件下(關(guān)注目標(biāo)刺激位置和不關(guān)注目標(biāo)刺激位置)的分類準(zhǔn)確率。結(jié)果顯示，被試在關(guān)注和不關(guān)注目標(biāo)位置時，平均分類準(zhǔn)確率分別為(90.91±8.89)%和(62.73±8.47)%。而兩種條件下單次試驗分類精度都低于70%。測試結(jié)果表明，通過關(guān)注目標(biāo)位置和信號疊加可以獲得較好的分類效果。Ziebell等[13]設(shè)計了一種基于觸覺刺激的P300-BCI，實驗將4個刺激器分別放置在手腕和手肘處，以手腕的刺激為目標(biāo)刺激，手肘處的刺激為干擾刺激。被試通過關(guān)注左手或右手的目標(biāo)刺激控制立方體移動，實驗的平均準(zhǔn)確率為84.79%，顯著高于隨機水平。Herweg等[14]針對訓(xùn)練是否可以在虛擬輪椅導(dǎo)航任務(wù)中改善觸覺式BCI性能這一問題，對老年被試進(jìn)行了5次訓(xùn)練實驗，將觸覺器放置在腿部、腹部和背部。經(jīng)過訓(xùn)練P300的平均幅度從5.46 μV增加到9.22 μV，信號疊加后的分類準(zhǔn)確率達(dá)到了95.56%。該實驗證明，經(jīng)過適當(dāng)?shù)挠?xùn)練可以提升P300-BCI的適用性。以上研究都是在身體多個部位放置刺激裝置，將其中一個刺激部位作為目標(biāo)刺激進(jìn)行感知識別。這種方式雖然有較高的分類精度，但是存在刺激器過多、操作過程復(fù)雜、注意力難集中等缺點[15]，并不適合行動不便的患者進(jìn)行實際操作。且分類信號需要經(jīng)過疊加處理，導(dǎo)致信息傳輸時間過長。

因此現(xiàn)提出一種新的觸覺刺激范式，該范式僅使用兩個刺激裝置，每個裝置中根據(jù)刺激強度分為目標(biāo)刺激和干擾刺激。被試通過感受刺激強度來產(chǎn)生P300信號，通過調(diào)節(jié)目標(biāo)刺激和干擾刺激的比例，使誘發(fā)的P300信號幅值更加明顯，提高單試次信號的分類準(zhǔn)確率。應(yīng)用此范式設(shè)計了基于P300-BCI的下肢康復(fù)訓(xùn)練系統(tǒng)，通過識別運動意圖來控制康復(fù)機器人進(jìn)行相應(yīng)動作。系統(tǒng)利用患者的意圖進(jìn)行康復(fù)訓(xùn)練，讓大腦神經(jīng)系統(tǒng)參與訓(xùn)練，從而刺激受損神經(jīng)功能恢復(fù)，提高康復(fù)效果。

1 下肢康復(fù)訓(xùn)練系統(tǒng)組成

下肢康復(fù)系統(tǒng)主要包括振動刺激模塊、信號采集模塊、信號處理模塊、控制模塊和康復(fù)機器人，如圖1所示。大腦在刺激裝置作用下會誘發(fā)P300信號，由腦電采集模塊收集誘發(fā)的腦電信號，經(jīng)信號處理模塊處理分類，將分類結(jié)果傳遞至控制模塊，控制下肢康復(fù)器械進(jìn)行相應(yīng)動作。

圖1 腦控下肢康復(fù)機器人系統(tǒng)Fig.1 Brain controlled lower limb rehabilitation robot system

1.1 觸覺刺激裝置

觸覺刺激裝置采用STM32F103R8T6作為控制中心，驅(qū)動紐扣電機產(chǎn)生振動刺激，電壓范圍0～5 V，振動頻率0～300 Hz。兩個紐扣電機分別放在被試左右食指的指尖位置，如圖2所示。以振動頻率區(qū)分目標(biāo)刺激和干擾刺激。

圖2 刺激部位Fig.2 Stimulation site

圖3 10-20電極分布系統(tǒng)Fig.3 Distribution system of 10-20 electrodes

1.2 信號采集模塊

信號采集模塊使用德國BrainProducts公司生產(chǎn)的ActiCHamp Plus 32腦電分析儀，可采集32個電極的數(shù)據(jù)，電極分布遵循國際10-20系統(tǒng)，如圖3所示。接地電極放置在前額位置，參考電極為FCz，位于Fz和Cz之間。每個電極的阻抗都在5 kΩ以下，采樣頻率為1 000 Hz，采集過程進(jìn)行50 Hz的陷波濾波。

1.3 信號處理模塊

信號處理模塊包括數(shù)據(jù)預(yù)處理、特征提取和分類。

1.3.1 預(yù)處理

以遠(yuǎn)離感興趣區(qū)域的雙耳乳突(TP9、TP10)做參考電極；選擇巴特沃斯濾波器對數(shù)據(jù)進(jìn)行0.5～30 Hz帶通濾波；對連續(xù)的腦電信號進(jìn)行分段處理，以刺激時刻為0時刻，截取刺激前200 ms至刺激后600 ms的數(shù)據(jù)段，用刺激前的數(shù)據(jù)進(jìn)行基線校準(zhǔn)，以消除自發(fā)腦電波造成的腦電噪聲。

1.3.2 特征提取

被試在關(guān)注目標(biāo)刺激時大腦會產(chǎn)生明顯的P300信號，而在不關(guān)注目標(biāo)刺激和干擾刺激時不會產(chǎn)生明顯的P300信號。為區(qū)分這兩種信號，提高單次實驗的分類準(zhǔn)確率，使用典型的共空間模式(common spatial pattern， CSP)[16]算法對數(shù)據(jù)進(jìn)行特征提取。CSP算法的基本原理是利用矩陣的對角化，找到一組最優(yōu)空間濾波器進(jìn)行投影，使得兩類信號的方差差異最大化，從而得到具有較高區(qū)分度的特征向量。CSP特征提取過程如下。

(1)計算協(xié)方差矩陣。將采集的腦電數(shù)據(jù)進(jìn)行歸一化，并計算協(xié)方差矩陣R，公式為

(1)

式(1)中：X1和X2分別為關(guān)注刺激時和不關(guān)注刺激時的腦數(shù)據(jù)，大小為N×T，其中N為測量電極數(shù)量，經(jīng)過預(yù)處理后電極數(shù)目由原來的32個變?yōu)?9個，T為數(shù)據(jù)段中采樣點的個數(shù)，采樣點為600個；trace(X)表示對矩陣對角線上的元素求和。

求解混合空間的協(xié)方差矩陣R，公式為

(2)

(2)求白化矩陣。對混合空間協(xié)方差矩陣R的特征值進(jìn)行分解，即

R=UλUT

(3)

式(3)中：U為特征向量矩陣；λ為對應(yīng)的特征值構(gòu)成的對角陣。按特征值降序排列，可得白化特征值矩陣P，即

(4)

使用白化特征值矩陣對R1、R2進(jìn)行轉(zhuǎn)化，公式為

(5)

式(5)中：S1和S2有共同的特征向量B，而且存在兩個對角矩陣λ1和λ2，滿足條件

Si=BλiBT，i=1,2

(6)

λ1+λ2=I

(7)

式中：I是單位矩陣，若λ1遞減，則λ2遞增；反之亦然。

(3)求投影矩陣和特征向量。通過特征向量B和白化特征值矩陣P構(gòu)造空間濾波器的投影矩陣W，即

W=BTP

(8)

使用空間濾波器對測試集Y的數(shù)據(jù)進(jìn)行濾波，使濾波后的兩類數(shù)據(jù)差異最大化，即

Z2m×T=W2m×N×YN×T

(9)

提取特征向量fp，即

(10)

式(10)中：var(Zp)為矩陣Z第p行的方差。由于矩陣Z的信息不是等效的，有效信息主要集中在頭部和尾部，因此應(yīng)選取矩陣中前m行和后m行數(shù)據(jù)進(jìn)行特征值提取(2m

1.3.3 特征分類

提取腦電信號的特征后，選用支持向量機(support vector machines, SVM)[17]算法對腦電特征進(jìn)行分類，以區(qū)分不同的任務(wù)類型(控制下肢康復(fù)機器人輔助左腿或右腿進(jìn)行康復(fù)訓(xùn)練)。SVM的優(yōu)點是使用核函數(shù)將原始空間不能線性分離的數(shù)據(jù)映射到高維空間(可以線性分離)，該方法僅需較少的樣本量就能得到較為可靠地分類結(jié)果，在處理一些簡單二分類任務(wù)時具有很好的優(yōu)勢。

1.4 控制模塊與下肢康復(fù)機器人

控制模塊采用PCI-1240U運動控制卡作為控制單元，通過LabVIEW編程控制下肢康復(fù)機器人。下肢康復(fù)機器人作為整個系統(tǒng)的最終響應(yīng)單元，是由上海西貝電子科技發(fā)展有限公司自主研發(fā)的，主要用于腦卒中、腦外傷和脊髓損傷等運動功能障礙患者進(jìn)行腿部訓(xùn)練，如圖4所示。

康復(fù)機器人訓(xùn)練過程如圖5所示，當(dāng)系統(tǒng)接收到控制命令時，電機開始轉(zhuǎn)動，并帶動推桿和下肢支架沿X軸方向從A點移動到B點，移動距離為15 cm，此過程為屈腿訓(xùn)練過程；當(dāng)屈腿動作結(jié)束后，電機開始反向轉(zhuǎn)動，推桿和下肢支架沿X軸方向向右移動，移動距離同樣為15 cm，此過程為伸腿訓(xùn)練過程。每次任務(wù)需要控制機器人完成一次屈伸腿訓(xùn)練，患者通過關(guān)注左手或右手的目標(biāo)刺激控制機器人進(jìn)行左腿或右腿訓(xùn)練。

圖4 下肢康復(fù)訓(xùn)練機器人Fig.4 Lower limb rehabilitation training robot

圖5 下肢康復(fù)機器人運動示意圖Fig.5 Motion diagram of lower limb rehabilitation robot

2 刺激范式設(shè)計

oddball范式[18]是P300實驗中最常用的方式之一，它表示在大概率的刺激序列中突然出現(xiàn)一個小概率刺激。人體在oddball范式作用下會對小概率刺激產(chǎn)生強烈的腦電反映。實驗在oddball范式基礎(chǔ)上對刺激頻率、刺激時長和刺激間隔等參數(shù)進(jìn)行最優(yōu)選取，振動刺激時序圖如圖6所示。

預(yù)先設(shè)置目標(biāo)振動頻率為100 Hz，持續(xù)時長為100 ms，干擾刺激為20 Hz，持續(xù)時長為100 ms，刺激間隔為300 ms，目標(biāo)刺激概率為1/5。

圖6 刺激范式Fig.6 Stimulus paradigm

2.1 刺激頻率設(shè)定

設(shè)置刺激頻率時，為避免誘發(fā)穩(wěn)態(tài)電位，干擾刺激和目標(biāo)刺激的頻率應(yīng)盡量避免成倍數(shù)關(guān)系。由于人體對20～50 Hz和高于100 Hz的頻率較為敏感[19]，同時為了區(qū)分目標(biāo)刺激和干擾刺激，設(shè)置目標(biāo)刺激在100～200 Hz范圍內(nèi)選擇，干擾刺激在20～50 Hz范圍內(nèi)選擇。被試在不同頻率刺激下誘發(fā)的P300幅值如圖7所示。

圖7 不同刺激頻率的P300幅值Fig.7 P300 amplitude of different stimulus frequencies

由圖7可以看出，在干擾刺激頻率固定時，P300幅值大小和目標(biāo)刺激頻率成反比，其原因是在頻率超過一定閾值時，人體對刺激的感受會隨之下降，目標(biāo)刺激感受不明顯。在目標(biāo)刺激一定時，隨著干擾刺激頻率的增加，P300幅值也會隨之下降，這是因為干擾刺激頻率越高，與目標(biāo)刺激頻率越接近，被試越不易區(qū)分兩者的區(qū)別，所以造成幅值下降。實驗結(jié)果顯示，當(dāng)干擾刺激頻率和目標(biāo)刺激頻率分別為23 Hz和100 Hz時，P300電位幅值最高。因此本文將目標(biāo)刺激的頻率設(shè)置為100 Hz，干擾刺激的頻率設(shè)置為23 Hz。

2.2 刺激時長設(shè)定

在干擾刺激和目標(biāo)刺激頻率確定后，對不同的刺激時長進(jìn)行對比實驗，圖8為不同刺激時長下P300的幅值大小，不同曲線表示不同的干擾刺激時長。如圖8所示，在干擾刺激時長不變時，隨著目標(biāo)刺激時長的增加，P300幅值呈下降趨勢。這是由于目標(biāo)刺激的時間越長，在刺激序列中所占比例越大，而P300信號的誘發(fā)幅值與目標(biāo)刺激的比例成反比，所以誘發(fā)的P300信號會隨著目標(biāo)刺激占比增加而降低。根據(jù)圖中幅值大小選取目標(biāo)刺激和干擾刺激的時長為100 ms和200 ms。

圖8 不同刺激時長的P300幅值Fig.8 P300 amplitude of different stimulation durations

2.3 刺激間隔設(shè)定

不同刺激間隔下P300信號幅值如圖9所示，隨著刺激間隔的增加，幅值呈現(xiàn)先增加后下降的趨勢。在刺激間隔為400 ms和500 ms時幅值最大，為了提高信息傳輸率，需要縮短刺激間隔時間，因此設(shè)置目標(biāo)刺激和干擾刺激之間的刺激間隔為400 ms。

圖9 不同刺激間隔的P300幅值Fig.9 P300 amplitude of different stimulus intervals

2.4 目標(biāo)刺激概率設(shè)定

在不同刺激概率下P300電位的幅值大小如圖10所示，可以看出，隨著目標(biāo)概率的減小，幅值呈增加的趨勢，符合P300電位誘發(fā)原理。綜合考慮幅值大小和信息傳輸率兩方面的因素，選取目標(biāo)刺激和干擾刺激比例為1/6。

圖10 不同刺激概率的P300幅值Fig.10 P300 amplitude of different stimulus probabilities

3 實驗流程

3.1 被試選擇

實驗招募了5名在讀研究生，包括4名男性和1名女性，年齡為23～27歲，均為右利手。所有被試身體狀況良好，視力正常，且能夠感知振動刺激。每位被試均簽署了知情同意書。

3.2 實驗步驟

實驗包括離線實驗和在線實驗兩部分，離線實驗的目的是采集P300腦電數(shù)據(jù)，對數(shù)據(jù)進(jìn)行離線分析和處理，驗證實驗的可行性；在線實驗的目的是實現(xiàn)在真實環(huán)境下對下肢康復(fù)機器人的控制，驗證觸覺P300-BCI控制下肢康復(fù)訓(xùn)練機器人的有效性。

3.2.1 離線實驗

每位被試需要進(jìn)行200次測試，分4組完成。每次測試包含6個振動刺激(1個目標(biāo)刺激和5個干擾刺激)，目標(biāo)刺激出現(xiàn)順序都是隨機的，且不會出現(xiàn)在首位，兩個刺激器的目標(biāo)刺激不會同時出現(xiàn)。實驗時長為30 min。實驗開始前的準(zhǔn)備工作包括：①告知被試實驗流程，對被試的頭部進(jìn)行清洗；②在被試左右食指處各固定一個刺激裝置，調(diào)整振動器的刺激強度，讓被試能夠感受到目標(biāo)刺激和干擾刺激的區(qū)別；③為被試帶上電極帽，在電極與頭皮處打上導(dǎo)電膏；④被試按照指示平躺于下肢康復(fù)機器人上。

在實驗過程中，被試需要按照提示選擇關(guān)注一只手的目標(biāo)刺激而忽略其他刺激，在一次測試結(jié)束后，刺激器等待2 s，然后進(jìn)入下一次測試，直到實驗結(jié)束。

3.2.2 在線實驗

在線實驗需要被試控制下肢康復(fù)機器人進(jìn)行40次屈腿伸腿訓(xùn)練，分4組完成。準(zhǔn)備工作與離線實驗一致。被試通過關(guān)注左手目標(biāo)刺激來控制康復(fù)器械左側(cè)推桿做一次往返運動，通過關(guān)注右手目標(biāo)刺激來控制右推桿做一次往返運動。

在線實驗控制策略步驟如下。

(1)實驗開始后，信號采集裝置開始向系統(tǒng)傳輸腦電數(shù)據(jù)，刺激裝置啟動并向系統(tǒng)發(fā)送刺激時刻代碼(S1代表干擾刺激，S2代表左手目標(biāo)刺激，S3代表右手目標(biāo)刺激)。

(2)當(dāng)系統(tǒng)檢測到目標(biāo)刺激的事件代碼后，開始讀取腦電數(shù)據(jù)，讀取時長為0.6 s。

(3)將讀取的數(shù)據(jù)導(dǎo)入處理模塊進(jìn)行分類，如果判斷被試在這一時刻關(guān)注了目標(biāo)刺激，系統(tǒng)將根據(jù)對應(yīng)的事件代碼輸出預(yù)測結(jié)果。否則，返回上一步。

(4)預(yù)測結(jié)果通過TCP/IP輸出至控制模塊，控制康復(fù)機器人進(jìn)行一次伸屈腿運動。

4 實驗結(jié)果

4.1 離線數(shù)據(jù)分析

被試關(guān)注目標(biāo)刺激時腦電信號的平均地形圖如圖11所示，各通道的位置表示采集頭皮腦電信號時的對應(yīng)位置，與圖3位置一致。圖11中時間段為刺激前200 ms到刺激后600 ms。P300信號是當(dāng)被試受到小概率事件刺激時在大腦內(nèi)出現(xiàn)的一個正向波峰，其位置大約出現(xiàn)在刺激后300 ms時刻。從圖11中可以看出，位于中央腦區(qū)的腦電通道中均出現(xiàn)了明顯的P300信號，且波形一致，而在其他腦區(qū)位置如FP1、FP2、F7、FT9、T7、P7、O1、O2通道處P300信號并不顯著，這表明振動刺激誘發(fā)的腦電活動主要分布在中央腦區(qū)即頂葉腦區(qū)。因此，為了減少無關(guān)通道對分類結(jié)果產(chǎn)生的影響，剔除沒有明顯P300信號的通道。

圖11 腦電信號平均地形圖Fig.11 Average topographic map of electroencephalography signals

圖12所示受試者在關(guān)注目標(biāo)刺激時0～600 ms內(nèi)的腦區(qū)能量圖。從圖中可以看出，中央腦區(qū)能量變化明顯，呈現(xiàn)出先降低后升高再降低的變化趨勢，與圖11的變化一致。在目標(biāo)刺激觸發(fā)后，被試大腦區(qū)域在300 ms處誘發(fā)了明顯的P300信號。

圖12 腦區(qū)能量圖Fig.12 Energy map of brain regions

圖13 全通道平均波形Fig.13 Average waveform of all channels

為比較被試關(guān)注刺激和不關(guān)注刺激時腦電信號的區(qū)別，對比兩種狀態(tài)下0～600 ms時間段內(nèi)所有通道的平均腦電波形(剔除無關(guān)通道)，如圖13所示?？梢钥闯?，當(dāng)被試關(guān)注或不關(guān)注刺激時，在300 ms附近均有P300電位，這是由于在不關(guān)注的刺激中包括目標(biāo)刺激，雖然被試忽略了這些刺激，但在大腦內(nèi)會產(chǎn)生微弱的事件相關(guān)電位(event-related potential,ERP)信號。比較兩種狀態(tài)下的腦電波形，可以看出在被試關(guān)注目標(biāo)刺激時誘發(fā)的P300信號較高。兩種狀態(tài)的波形有顯著差異，證明了刺激范式的可行性。

4.2 離線實驗結(jié)果

在對原始數(shù)據(jù)進(jìn)行預(yù)處理和剔除無關(guān)通道后，將樣本按照1∶1比例分成訓(xùn)練集和測試集，訓(xùn)練集用來訓(xùn)練空間濾波器，測試集用來測試分類準(zhǔn)確率。由于使用CSP算法對數(shù)據(jù)進(jìn)行濾波，濾波后的特征矩陣有效信息集中在頭部和尾部，因此需要選擇合適的m值，來提取特征矩陣中前m行和后m行的有效數(shù)據(jù)。實驗利用SVM算法對不同m值下的特征矩陣進(jìn)行分類，結(jié)果如表1所示。S表示被試，從表中看出，在m=1和m=2時分類準(zhǔn)確率較低，平均準(zhǔn)確率低于80%，說明此時特征值數(shù)量較少丟失了大量的有效信息，從而導(dǎo)致分類準(zhǔn)確率低。通過分類結(jié)果對比發(fā)現(xiàn)，在m=8時分類準(zhǔn)確率最高，為86.07%，因此將m設(shè)置為8。

CSP-SVM算法與SVM算法的分類結(jié)果如圖14所示。從圖中可以看出，在5名被試S1～S5中，CSP-SVM算法的準(zhǔn)確率要普遍高于SVM算法，其中S4的分類準(zhǔn)確率最高，為95.85%。CSP-SVM算法的平均準(zhǔn)確率為86.07%，較SVM算法的分類準(zhǔn)確率提高了5.65%。結(jié)果表明，利用CSP空域濾波進(jìn)行腦電數(shù)據(jù)的特征提取可以有效提高分類精度。

表1 不同 m 值下的識別率Table 1 Recognition rate of different m values

圖14 不同算法的分類正確率Fig.14 Classification accuracy of different algorithms

4.3 在線實驗結(jié)果

5位被試參加在線實驗，被試通過關(guān)注目標(biāo)刺激，完成控制下肢機器人運動的任務(wù)。實驗采用CSP-SVM算法進(jìn)行在線分類測試，總命令數(shù)為40個。在線實驗中，當(dāng)系統(tǒng)輸出結(jié)果與被試關(guān)注結(jié)果不相符時，判定為錯誤命令，在線實驗分類結(jié)果如表2所示。所有被試均有較高的分類準(zhǔn)確率，被試的平均正確命令數(shù)為34個，平均準(zhǔn)確率為86.50%，分類效果較好。意圖識別過程幾乎沒有延遲，滿足系統(tǒng)性能要求。實驗結(jié)果表明P300-BCI康復(fù)系統(tǒng)的可行性，展示了其在康復(fù)領(lǐng)域潛在的應(yīng)用價值。

表2 在線實驗結(jié)果Table 2 Online experimental results

傳統(tǒng)的觸覺P300范式使用多個刺激器對被試的不同部位進(jìn)行刺激，且需要一定的疊加平均次數(shù)才能達(dá)到較為滿意的分類精度。本實驗設(shè)計的實驗范式僅使用兩個刺激器，以頻率區(qū)分目標(biāo)刺激和干擾刺激，以空間區(qū)分不同的目標(biāo)刺激，實驗任務(wù)更為簡單，使用兩個刺激器即可達(dá)到較高的分類精度，更適用于腦卒中患者。

5 結(jié)論

本文設(shè)計了一種適用于患者的觸覺P300范式，該范式具有刺激裝置少，操作過程簡單，不易疲勞，實用性強等優(yōu)點。實驗通過對比P300電位幅值，確定范式的振動頻率、振動時長、振動間隔和振動比例等參數(shù)?；谟|覺P300范式的離線實驗結(jié)果顯示，被試通過區(qū)分目標(biāo)刺激和干擾刺激，可以輕松誘發(fā)P300信號，并且通過選擇關(guān)注不同的目標(biāo)刺激可以發(fā)出不同的指令。實驗采用CSP-SVM算法對腦電數(shù)據(jù)進(jìn)行分類預(yù)測，5名被試的平均準(zhǔn)確率為86.07%，高于SVM算法的80.42%，證明了采用CSP算法對腦電數(shù)據(jù)進(jìn)行特征提取可以有效提高分類準(zhǔn)確率。

基于觸覺刺激范式和CSP-SVM算法，搭建了一套P300-BCI下肢訓(xùn)練康復(fù)系統(tǒng)，患者通過關(guān)注左右手的刺激來控制下肢機器人運動?？祻?fù)系統(tǒng)的平均分類準(zhǔn)確率為86.50%，實驗結(jié)果顯示，所有被試均可利用腦電信號控制機器人進(jìn)行康復(fù)訓(xùn)練，證明了本文中采用的體感振動刺激范式BCI系統(tǒng)具有一定的可行性和有效性。

通過刺激人的手指來誘發(fā)P300信號，不僅能解決視聽疲勞問題，還能為失去視覺和聽覺功能的患者提供一種可替代的交互方式。觸覺刺激不同于視覺和聽覺刺激，它不局限于特定的感知部位。因此，手功能障礙的患者可以通過刺激腰部或其他部位來誘發(fā)P300信號。未來可以應(yīng)用此范式對腰部或背部刺激進(jìn)行研究。