(杭州電子科技大學(xué)計(jì)算機(jī)學(xué)院，浙江 杭州310018)

0 引 言

腦機(jī)接口(Brain-Computer Interface，BCI)技術(shù)是指在人腦和計(jì)算機(jī)或其它電子設(shè)備之間建立一種不依賴于腦的正常輸出通路的全新對(duì)外信息交流和控制方式[1，2]。近年來(lái)，BCI技術(shù)發(fā)展迅速，從1995年到1999年，僅僅4年的時(shí)間，全世界從事腦-機(jī)接口的研究小組就從不超過(guò)6個(gè)上升到已超過(guò)20個(gè)[3，4]。2000年美國(guó)Duke 大學(xué)醫(yī)學(xué)中心的研究人員與其合作者完成的Monkey Think，Robot Do 實(shí)驗(yàn)[5]，更開(kāi)啟了用思想去控制假肢運(yùn)動(dòng)的先河。本文利用人們運(yùn)動(dòng)想象時(shí)產(chǎn)生的腦電信號(hào)具有事件相關(guān)同步/事件相關(guān)去同步(Event-Related Synchronization/Event-Related Desynchronization，ERS/ERD)這一特性，通過(guò)分析左右手運(yùn)動(dòng)想象時(shí)的腦電信號(hào)來(lái)判斷想象者的意圖，從而實(shí)現(xiàn)對(duì)下肢輔助康復(fù)設(shè)備的控制。

1 基于運(yùn)動(dòng)想象的BCI控制原理

腦電信號(hào)(Electroencephalogram，EEG)是腦內(nèi)眾多神經(jīng)元活動(dòng)產(chǎn)生的生理電活動(dòng)，反應(yīng)了大腦的功能狀態(tài)[6]。當(dāng)人們做單側(cè)肢體運(yùn)動(dòng)(如左手運(yùn)動(dòng))時(shí)，大腦對(duì)側(cè)主感覺(jué)運(yùn)動(dòng)皮層的μ 節(jié)律(8 13Hz)幅度明顯減小，而同側(cè)主感覺(jué)運(yùn)動(dòng)皮層的μ 節(jié)律幅度明顯增大，這種現(xiàn)象稱為ERS/ERD。研究表明:ERS/ERD是出現(xiàn)在與運(yùn)動(dòng)相關(guān)的特定頻帶的信號(hào)，該信號(hào)主要產(chǎn)生于感覺(jué)運(yùn)動(dòng)皮層，其信號(hào)的頻譜特征如圖1所示。

當(dāng)想象左手運(yùn)動(dòng)時(shí)，如圖1(a)中CP3通道(實(shí)心線表示)的數(shù)據(jù)在9-12Hz 頻段表現(xiàn)為幅值升高，CP4通道(空心線表示)數(shù)據(jù)則表現(xiàn)為幅值的降低;當(dāng)想象右手運(yùn)動(dòng)時(shí)，如圖1(b)中情況正好相反。這也正符合想象腦電信號(hào)的ERD/EDS 特點(diǎn):單邊的肢體運(yùn)動(dòng)或想象運(yùn)動(dòng)，大腦對(duì)側(cè)會(huì)產(chǎn)生事件相關(guān)去同步電位，大腦同側(cè)會(huì)產(chǎn)生事件相關(guān)同步電位。

圖1 頻譜能量圖

2 BCI 肢體康復(fù)系統(tǒng)框架設(shè)計(jì)

BCI 肢體康復(fù)系統(tǒng)框架設(shè)計(jì)大致可以分為EEG 信號(hào)特征離線分析和EEG 信號(hào)實(shí)時(shí)分析兩部分。整體框架圖如圖2所示。

圖2 BCI 肢體圖康復(fù)系統(tǒng)

(1)EEG 信號(hào)特征離線分析

1)信號(hào)采集

準(zhǔn)備好實(shí)驗(yàn)所需的設(shè)備，為受試者戴上電極帽，打好電極膏，保證各個(gè)電極的導(dǎo)通性良好后，打開(kāi)實(shí)驗(yàn)過(guò)程提示界面，受試者根據(jù)實(shí)驗(yàn)員的提示，進(jìn)行左右手的運(yùn)動(dòng)想象來(lái)控制下肢輔助康復(fù)設(shè)備，同時(shí)記錄腦電信號(hào)。采集的腦電信號(hào)被腦電放大器放大，經(jīng)過(guò)濾波、去噪、采樣等預(yù)處理后，再通過(guò)A/D 轉(zhuǎn)換將模擬信號(hào)數(shù)字化，并通過(guò)USB 接口傳給計(jì)算機(jī)。

2)對(duì)采集的腦電信號(hào)進(jìn)行離線分析

大腦感覺(jué)運(yùn)動(dòng)皮層電極分布如圖3所示，電極的位置是按照國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián)10-20系統(tǒng)安放。利用Matlab 離線分析受試者的腦電數(shù)據(jù)，分析結(jié)果如圖4所示，左腦控制著右手的運(yùn)動(dòng)，右腦控制著左手的運(yùn)動(dòng)，因此要在左、右腦各選一個(gè)電極作為參考電極。從圖4可以看出，相對(duì)于其它14個(gè)通道，第14和第16通道對(duì)應(yīng)CP3、CP4電極在9-12Hz 頻段想象左手和想象右手時(shí)存在著非常明顯的差別，因此，選取CP3、CP4 兩個(gè)通道的腦電數(shù)據(jù)作為區(qū)分受試者想象左手還是右手運(yùn)動(dòng)的依據(jù)。

圖3 感覺(jué)運(yùn)動(dòng)皮層電極分布圖

圖4 matlab 離線分析圖

(2)EEG 信號(hào)實(shí)時(shí)分析

該部分主要分為3個(gè)模塊:EEG 輔助模塊、EEG數(shù)據(jù)分析處理模塊、應(yīng)用模塊。

1)EEG 輔助模塊

模塊主要分兩部分，網(wǎng)絡(luò)通信部分和信息反饋部分。網(wǎng)絡(luò)通信部分采用了TCP/IP 協(xié)議和串口通信協(xié)議。信息反饋部分不僅為實(shí)驗(yàn)員操作BCI系統(tǒng)提供指示，還能幫助實(shí)驗(yàn)員根據(jù)反饋信息來(lái)提示受試者改變想象運(yùn)動(dòng)，同時(shí)將設(shè)備的當(dāng)前運(yùn)行角度反饋給實(shí)驗(yàn)員。

2)EEG數(shù)據(jù)分析處理模塊

模塊是BCI系統(tǒng)的核心，負(fù)責(zé)對(duì)接收到的腦電信號(hào)進(jìn)行實(shí)時(shí)特征提取，并實(shí)現(xiàn)單次分類和進(jìn)行優(yōu)化處理后的綜合決策，具體的分析處理步驟如下:

①對(duì)CP3、CP4 兩個(gè)通道的信號(hào)進(jìn)行去均值處理，即分別用兩個(gè)通道的信號(hào)值減去16個(gè)通道信號(hào)的平均值;

②分別取CP3、CP4 兩個(gè)通道數(shù)據(jù)的N點(diǎn)樣本值，利用FFT 進(jìn)行快速傅里葉變換進(jìn)行信號(hào)的特征提取。長(zhǎng)度為N，序列為xn=x(n)的變換公式。

③計(jì)算每個(gè)樣本點(diǎn)的幅值，然后除以N 得到CP3、CP4 兩個(gè)通道的信號(hào)的功率譜P3、P4。信號(hào)xn=x(n)的功率譜計(jì)算公式。

式中，X*(k)為X(k)的共軛;

④對(duì)功率譜P3、P4 進(jìn)行平滑處理，以降低數(shù)據(jù)變化;

⑤在9 12Hz 頻段對(duì)P3、P4 求平均值得到P3'、P4'，并作差值運(yùn)算，得出分類結(jié)果，實(shí)現(xiàn)單次分類。建立一個(gè)簡(jiǎn)單的基于功率譜能量為特征的左右手運(yùn)動(dòng)想象分類方法。

⑥對(duì)EEG 分析結(jié)果進(jìn)行優(yōu)化處理。即每5次分類即進(jìn)行一次綜合決策，設(shè)P3'-P4' ＞0的次數(shù)為P1，P3'-P4' ＜0的次數(shù)為P2，那么綜合決策的公式。

此種方法能提高分類的準(zhǔn)確性，更好的實(shí)現(xiàn)大腦對(duì)設(shè)備的有效控制。

3)應(yīng)用模塊

控制對(duì)象為下肢輔助康復(fù)控制器，如圖5所示，受試者根據(jù)提示，分別想象左右手運(yùn)動(dòng)，來(lái)控制康復(fù)設(shè)備“屈”或者“伸”，從而達(dá)到輔助訓(xùn)練的功效。

圖5 應(yīng)用BCI系統(tǒng)實(shí)現(xiàn)對(duì)下肢輔助康復(fù)設(shè)備的控制

3 實(shí)驗(yàn)結(jié)果分析

選取受試者的4組實(shí)驗(yàn)數(shù)據(jù)分析，單次分類和綜合決策兩種分類方法的結(jié)果如表1所示。

表1 兩種分類方法準(zhǔn)確率統(tǒng)計(jì)

從表1可以看出，單次分類準(zhǔn)確率達(dá)到80%左右，而采用綜合決策后，分類準(zhǔn)確率由原來(lái)的80%提高到了86%左右。單次分類處理時(shí)間近似為200/256≈0.78s(其中200為窗口數(shù)據(jù)，256為采樣頻率)，而綜合決策時(shí)間用了大約(200+200(1-75%)(5-1))/256≈1.56s(其中75%為窗口重疊率)，比單次分類所需時(shí)間多了0.78s，所以采取合理的決策方法不僅可以提高準(zhǔn)確率，而且從一定程度上可以減弱受試者因?yàn)槠B(tài)而對(duì)實(shí)驗(yàn)造成的影響。

4 結(jié)束語(yǔ)

本文大腦感覺(jué)運(yùn)動(dòng)區(qū)域產(chǎn)生的ERS/ERD 特征這一特性，實(shí)現(xiàn)BCI技術(shù)對(duì)下肢輔助康復(fù)設(shè)備的控制。但環(huán)境的干擾以及眼電和肌電等的干擾都對(duì)決策的準(zhǔn)確性和實(shí)時(shí)性有很大的影響，因此，如何改進(jìn)實(shí)驗(yàn)方案來(lái)優(yōu)化系統(tǒng)是研究的方向。另外，該種方案還只是處于實(shí)驗(yàn)室階段，如何更快更好的把該項(xiàng)技術(shù)應(yīng)用到市場(chǎng)上，為癱瘓病人服務(wù)是最終的目的。

[1]Wolpaw J R，Birbaumer N，Heetderks W J.Brain-computer interface technology:A review of the first international meeting[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering，2000，8(2):222-225.

[2]程明，高上凱，張琳.基于腦電信號(hào)的腦-計(jì)算機(jī)接口[D].北京:清華大學(xué)，2000:113-118.

[3]Mason S G，F(xiàn)atourechi M.A comprehensive survey of brain interface technology designs[J].Ann Biomed Eng，2007，35(2):137-169.

[4]楊立才，李佰敏，李光林.腦-機(jī)接口技術(shù)綜述[J].電子學(xué)報(bào)，2005，33(7):1 234-1 241.

[5]Sandro M.Real brains for real robots[J].Nature，2000，40(8):305-306.

[6]李穎潔，邱意弘，朱貽盛.腦電信號(hào)分析方法及其應(yīng)用[M].北京:科學(xué)出版社，2009∶1-11.