雍穎瓊,張宏江,程奇峰,孫 光,陽(yáng) 佳

(中國(guó)運(yùn)載火箭技術(shù)研究院 研究發(fā)展部，北京 100076)

0 引言

腦機(jī)接口技術(shù)(brain-computer interface, BCI)是一種將大腦活動(dòng)產(chǎn)生的腦電信號(hào)轉(zhuǎn)化為控制信號(hào)，并利用這些信號(hào)對(duì)外部輸出設(shè)備進(jìn)行控制的新型人機(jī)交互技術(shù)[1]。1924年，德國(guó)耶拿大學(xué)精神病學(xué)教授Hans Berger首次在頭皮記錄到腦電信號(hào)，并開(kāi)創(chuàng)了腦機(jī)接口發(fā)展的新里程[2]。BCI系統(tǒng)根據(jù)腦電信號(hào)的獲取方式，分為植入式(invasive)和非植入式(non-invasive)。目前提取大腦信號(hào)最常用的方式為非植入式，包括腦電圖(electroencephalography，EEG)、功能性磁共振成像(functional magnetic resonance imaging，fMRI)、腦磁圖(magneto encephalo graphy，MEG)和功能近紅外光譜 (functional near-infrared spectroscopy，fNIRS)[3]。其中，基于EEG的腦電信號(hào)提取方式具備低成本、快響應(yīng)、易攜帶等優(yōu)點(diǎn)，成為腦機(jī)接口中普遍使用的一種方式。

圖1 BCI的早期描繪[2]

當(dāng)前單一模態(tài)的腦機(jī)接口依舊面臨一些挑戰(zhàn)，包括長(zhǎng)時(shí)作業(yè)魯棒性差、分類(lèi)精度受命令數(shù)量影響、人機(jī)適應(yīng)性和系統(tǒng)穩(wěn)定性有待提升等。比如單一模態(tài)的BCI系統(tǒng)能夠?qū)崿F(xiàn)的任務(wù)數(shù)量有限，一定程度上制約了外部輸出設(shè)備對(duì)復(fù)雜任務(wù)的完成情況；隨著功能指令數(shù)的增多，分類(lèi)準(zhǔn)確率下降，系統(tǒng)穩(wěn)定性受限，難以在實(shí)際應(yīng)用中獲得較好的結(jié)果。鑒于單一模態(tài)腦機(jī)接口存在的上述問(wèn)題，近年來(lái)混合腦機(jī)接口(hybrid brain-computer interface，HBCI)的概念被提出，HBCI又被稱為多模態(tài)腦機(jī)接口(multi-modal brain-computer interface, MBCI)[4]，指的是將一個(gè)單模態(tài)腦機(jī)接口，如P300視覺(jué)誘發(fā)電位[5]、穩(wěn)態(tài)視覺(jué)誘發(fā)電位(steady-state visual evoked potential，SSVEP)[6]、運(yùn)動(dòng)想象(motor imagery，MI)[7]等)，和另一個(gè)系統(tǒng)(BCI系統(tǒng)或者非BCI系統(tǒng))混合組成的系統(tǒng)[8]。HBCI具備多種輸入方式，對(duì)輸入信號(hào)的處理可采用并行處理方式(simultaneously)或者串行處理方式(sequentially)。

圖2 腦電信號(hào)獲取方式[9]

HBCI技術(shù)，可以滿足多自由度控制系統(tǒng)控制指令多、實(shí)時(shí)性強(qiáng)的實(shí)際控制需求，有利于突破單模態(tài)腦機(jī)接口控制指令有限和多分類(lèi)識(shí)別準(zhǔn)確率低的問(wèn)題，提升動(dòng)作指令數(shù)量，增加人機(jī)交互適用性和輸出特征，完善人機(jī)交互系統(tǒng)功能，在空間遙操作及裝備控制領(lǐng)域有著廣闊的應(yīng)用前景。

本文對(duì)HBCI的概念、研究進(jìn)展、關(guān)鍵技術(shù)進(jìn)行介紹，并對(duì)HBCI需解決的問(wèn)題及應(yīng)用前景進(jìn)行了討論。

1 混合腦機(jī)接口技術(shù)國(guó)內(nèi)外研究進(jìn)展

HBCI可以分為三大類(lèi)，包括：(1)基于兩種或兩種以上的多腦電模式混合，如P300視覺(jué)誘發(fā)電位、穩(wěn)態(tài)視覺(jué)誘發(fā)電位SSVEP、運(yùn)動(dòng)想象MI的混合模式；(2)基于多種刺激誘發(fā)的HBCI，即由多個(gè)刺激誘發(fā)腦電信號(hào)；(3)基于腦電及腦電以外其他模態(tài)信號(hào)的HBCI，包括兩種及兩種以上模態(tài)，如基于腦電與眼動(dòng)的HBCI、肌電與腦電的HBCI、腦電與位恣的HBCI等。

基于多腦電模式的混合腦機(jī)接口，結(jié)合了SSVEP、P300、MI等多種腦電模式，可被用于拼寫(xiě)器、輪椅等外控設(shè)備導(dǎo)航、鼠標(biāo)和瀏覽器等計(jì)算機(jī)部件的控制[10-19]。Liu等[10]開(kāi)發(fā)了一個(gè)二維光標(biāo)控制系統(tǒng)，通過(guò)利用SSVEP和P300的信號(hào)來(lái)控制光標(biāo)的方向和速度，P300視覺(jué)刺激分布在上下邊緣，分別代表加速和減速指令，SSVEP刺激位于左右兩側(cè)，分別代表順時(shí)針和逆時(shí)針旋轉(zhuǎn)。結(jié)果表明，該光標(biāo)控制系統(tǒng)具有良好的控制效率和精度，光標(biāo)運(yùn)動(dòng)平穩(wěn)連續(xù)，方向和速度控制精度達(dá)可以達(dá)到95.88%。Duan等[13]充分利用SSVEP和MI的優(yōu)勢(shì)，設(shè)計(jì)了HBCI系統(tǒng)，支持多腦電控制指令對(duì)機(jī)器人的操控。其中三個(gè)SSVEP信號(hào)被用于控制機(jī)器人的向前、向左、向右運(yùn)動(dòng)；一個(gè)MI信號(hào)用于控制機(jī)器人的精確抓取動(dòng)作。Long等[16]將MI和P300結(jié)合，以實(shí)現(xiàn)對(duì)二維光標(biāo)的控制以及對(duì)控制目標(biāo)的選擇，結(jié)果表明實(shí)驗(yàn)平均準(zhǔn)確率為92.84%；通過(guò)離線分析，證明基于MI和P300的混合腦機(jī)接口在目標(biāo)選擇上的性能優(yōu)于單獨(dú)的P300或MI系統(tǒng)。Xu等[19]研發(fā)了一種新型HBCI拼寫(xiě)器，能夠在使用同一刺激的情況下，同時(shí)顯著激發(fā)P300電位信號(hào)和SSVEP阻斷(SSVEP blocking，SSVEP-B)。12名受試者進(jìn)行了試驗(yàn)，每名受試者在離線狀態(tài)下，連續(xù)兩次在不同拼寫(xiě)模式(HBCI拼寫(xiě)器和P300拼寫(xiě)器)下完成拼寫(xiě)操作。研究表明，在無(wú)目標(biāo)刺激階段，HBCI范式下的EEG信號(hào)主要來(lái)源于SSVEP信號(hào)，而被目標(biāo)刺激后，SSVEP信號(hào)被P300信號(hào)取代。與P300拼寫(xiě)器相比，HBCI拼寫(xiě)器獲得了更高的準(zhǔn)確率和信息傳輸率，整體拼寫(xiě)性能更優(yōu)。

基于多種刺激誘發(fā)的混合腦機(jī)接口，通過(guò)不同感官信息通道間的競(jìng)爭(zhēng)現(xiàn)象及信息交叉和整合機(jī)制[20-22]，實(shí)現(xiàn)操作者注意力自上而下的加強(qiáng)，從而形成一種互協(xié)同、互補(bǔ)充機(jī)制，進(jìn)而改善和增強(qiáng)BCI系統(tǒng)的整體性能。Pan等[23]提出一種結(jié)合視覺(jué)和聽(tīng)覺(jué)的基于EEG的BCI系統(tǒng)，用于意識(shí)障礙患者(DOC)的情緒識(shí)別。8名DOC患者(包括5名植物狀態(tài)患者和3名最小意識(shí)狀態(tài)患者)和8名健康參照人員進(jìn)行了相關(guān)測(cè)試。8名DOC患者中的3名患者和8名健康參照人員都達(dá)到了要求的在線檢測(cè)準(zhǔn)確度。該研究表明，3名DOC患者具有情緒識(shí)別和命令跟隨能力。盡管DOC患者無(wú)法提供認(rèn)知功能，但仍可采用BCI系統(tǒng)對(duì)DOC患者進(jìn)行認(rèn)知實(shí)驗(yàn)。該系統(tǒng)有望用于意識(shí)障礙患者意識(shí)檢測(cè)和康復(fù)。Rutkowski等[24]開(kāi)展了針對(duì)視聽(tīng)受損用戶的觸聽(tīng)功能研究，比較了三種六指令觸覺(jué)和骨傳導(dǎo)聽(tīng)覺(jué)方法對(duì)BCI系統(tǒng)的改善能力。實(shí)驗(yàn)結(jié)果證實(shí)了初步的研究假設(shè)，即優(yōu)化刺激模式可以最終提高BCI的準(zhǔn)確性。觸聽(tīng)誘發(fā)的腦機(jī)接口性能整體優(yōu)于單模態(tài)P300電位腦機(jī)接口，可用于視力受損的用戶。 Belistk 等[25]研究了基于視聽(tīng)兩種刺激的P300腦機(jī)接口，提出了一種基于翻轉(zhuǎn)字母矩陣的新型擴(kuò)展矩陣拼寫(xiě)器，可以在一個(gè)交互界面支持視覺(jué)、聽(tīng)覺(jué)或視聽(tīng)混合刺激，允許用戶根據(jù)自身狀況進(jìn)行最佳輸入模式選擇。7名健康受試者進(jìn)行了操作測(cè)試，數(shù)據(jù)分析結(jié)果表明，該系統(tǒng)具有良好的效果，且基于純聽(tīng)覺(jué)系統(tǒng)的拼寫(xiě)器性能低于視聽(tīng)雙刺激系統(tǒng)性能。

圖3 混合腦機(jī)接口組合方式[8]

基于多模態(tài)信號(hào)的混合腦機(jī)接口，包括腦電信號(hào)、眼電信號(hào)、肌電信號(hào)、近紅外功能信號(hào)、位姿信號(hào)等[26-33]。通過(guò)不同生理通道間信號(hào)的融合，起到不同生理信號(hào)間的互補(bǔ)作用，最終達(dá)到提升混合腦機(jī)接口整體性能的目的。Li等[26]提出了一種基于腦電圖-眼電圖(electroencephalography-electrooculogram，EEG-EOG)的多模態(tài)高準(zhǔn)確率快速拼寫(xiě)系統(tǒng)。通過(guò)結(jié)合腦電圖、眼電圖及視覺(jué)反饋技術(shù)，搭建用戶拼寫(xiě)系統(tǒng)-高交互系統(tǒng)，協(xié)同進(jìn)行最優(yōu)決策。拼寫(xiě)系統(tǒng)包括基于RC(row/column)的事件相關(guān)電位拼寫(xiě)器、EOG命令探測(cè)器、視覺(jué)反饋模組。20名受試者參加了拼寫(xiě)系統(tǒng)性能測(cè)試，結(jié)果表明，系統(tǒng)拼寫(xiě)準(zhǔn)確率可以達(dá)到97.6%，信息傳輸率可達(dá)到39.6(±13.2) bits/min。Buccino等[28]將EEG與fNIRS相結(jié)合，用于分析基于異步感覺(jué)運(yùn)動(dòng)節(jié)律(asynchronous Sensory Motor rhythm，SMR)的BCI信號(hào)。研究者嘗試將四種不同的操作(右臂運(yùn)動(dòng)、左臂運(yùn)動(dòng)、右手運(yùn)動(dòng)、左手運(yùn)動(dòng))進(jìn)行分類(lèi)。15名受試者參與了實(shí)驗(yàn)，結(jié)果表明，在所有操作中，基于EEG和fNIRS的混合交互系統(tǒng)的動(dòng)作精度高于各單模態(tài)(EEG或fNIRS)子系統(tǒng)精度。謝等[32]構(gòu)建基于支持向量機(jī)和粒子群優(yōu)化算法的腦電-肌電(electroencephalography electromyography，EEG-EMG)融合模式，研究表明，基于EEG和EMG的混合腦機(jī)系統(tǒng)模式識(shí)別率得到進(jìn)一步提升，此外融合模態(tài)規(guī)避了由于運(yùn)動(dòng)疲勞而導(dǎo)致的識(shí)別率下降問(wèn)題，提升了整體系統(tǒng)的魯棒性。Cui等[33]開(kāi)展了基于EEG、EMG和肌動(dòng)圖(mechanomyography，MMG)的多模融合研究，用于解碼人類(lèi)對(duì)下肢多關(guān)節(jié)運(yùn)動(dòng)的意圖。結(jié)果表明，在EEG-EMG-MMG三種模態(tài)融合的混合模態(tài)下，實(shí)驗(yàn)最優(yōu)精度可以達(dá)到98.61%，精度顯著由于雙模態(tài)或單一模態(tài)。

2 混合腦機(jī)接口的關(guān)鍵技術(shù)

2.1 混合腦機(jī)接口信號(hào)采集和預(yù)處理

混合腦機(jī)接口涉及兩種或兩種以上刺激或模態(tài)，其信號(hào)采集和預(yù)處理也涉及多刺激或多模態(tài)的信號(hào)采集和預(yù)處理。

大多數(shù)的生理信號(hào)具備低頻率、變化大、穩(wěn)定性差等特點(diǎn)，容易受到受試者情緒、周?chē)h(huán)境等影響，使得采集到的原始信號(hào)中包含一定的干擾信號(hào)，從而影響到信號(hào)采集的準(zhǔn)確率。這些干擾信號(hào)可分為神經(jīng)源噪聲和非神經(jīng)源噪聲[34]，包括運(yùn)動(dòng)偽跡、基線漂移、工頻干擾、信號(hào)采集設(shè)備內(nèi)部噪聲等。運(yùn)動(dòng)偽跡是由貼附于皮膚表面的電極片由于錯(cuò)位移動(dòng)導(dǎo)致皮膚阻抗階躍變化而形成?；€漂移是指由于貼附于皮膚表面的電極片電阻發(fā)生變化或受試者皮膚表面電流變化造成采集到的信號(hào)偏離原來(lái)信號(hào)位置，從而對(duì)真實(shí)信號(hào)造成干擾或使信號(hào)失真的現(xiàn)象。工頻干擾是指信號(hào)采集環(huán)境中電磁場(chǎng)在一定頻率(50 Hz或60 Hz)下產(chǎn)生的交流電會(huì)對(duì)采集到的信號(hào)產(chǎn)生干擾的現(xiàn)象。

這些干擾信號(hào)會(huì)使得真實(shí)信號(hào)失真，對(duì)后續(xù)的信號(hào)分析的結(jié)果產(chǎn)生影響，需要采用各類(lèi)去噪技術(shù)進(jìn)行預(yù)處理，以提升信噪比。如對(duì)于運(yùn)動(dòng)偽跡的處理，包括讓受試者保持安靜狀態(tài)、自適應(yīng)濾波等方式。對(duì)于工頻干擾，通常采用陷波濾波器去除。主要的預(yù)處理方法包括，主分量分析(principle component analysis, PCA)、獨(dú)立分量分析(independent component analysis, ICA)、Robust Kalman濾波、Kalman濾波、自適應(yīng)干擾消除、直接相減、非線性濾波等，實(shí)際處理中，通過(guò)各類(lèi)算法的融合有望產(chǎn)生更好的效果[34]。

2.2 混合腦機(jī)接口信號(hào)的特征提取與分類(lèi)

為了實(shí)現(xiàn)混合腦機(jī)接口對(duì)外部輸出設(shè)備的控制，需要將不同的信號(hào)進(jìn)行特征提取及分類(lèi)。主要的特征提取方法包括基于時(shí)域特征和頻域特征的單一特征提取，基于時(shí)域-頻域特征組合的復(fù)合特征提取，基于AR(autoregression)參數(shù)估計(jì)的特征提取，基于小波或小波包變換的特征提取，基于共空域模式(common spatial patterns，CSP)算法的特征提取等[35-36]。

對(duì)于分類(lèi)方法，主要包括基于Fisher準(zhǔn)則的線性判別分類(lèi)器(linear discriminant analysis，LDA)、人工神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò)、PNN網(wǎng)絡(luò)、LVQ網(wǎng)絡(luò)等)、決策樹(shù)、遺傳算法、貝葉斯分類(lèi)、K-近鄰算法、支持向量機(jī)等[37-38]。基于Fisher準(zhǔn)則的線性判別分類(lèi)器具備簡(jiǎn)單易行、速度快、存儲(chǔ)量小等特點(diǎn)；人工神經(jīng)網(wǎng)絡(luò)是通過(guò)模仿生物的神經(jīng)網(wǎng)絡(luò)，從而進(jìn)行相關(guān)信息處理的數(shù)學(xué)模型。具備參數(shù)選擇方便、分類(lèi)準(zhǔn)確率高、信息處理速度快等優(yōu)點(diǎn)；支持向量機(jī)是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則(structure risk minimization，SRM)提出的一類(lèi)機(jī)器學(xué)習(xí)方法，在模式識(shí)別表現(xiàn)優(yōu)良，將其應(yīng)用于腦機(jī)接口也顯現(xiàn)出很好的性能，某些實(shí)際應(yīng)用中，尤其對(duì)于復(fù)雜、大量數(shù)據(jù)可輸出良好的結(jié)果[39]；決策樹(shù)作為典型的分類(lèi)算法，具備生成模式較簡(jiǎn)單、魯棒性較高、分類(lèi)精度較高等特點(diǎn)；遺傳算法是通過(guò)模擬自然界遺傳進(jìn)化過(guò)程的一種尋優(yōu)算法，其具備較好的適用性和靈活性。但遺傳算法對(duì)噪聲信號(hào)誘發(fā)的野值(outliers)較為敏感，在實(shí)際操作中需進(jìn)行合理的預(yù)處理設(shè)計(jì)；貝葉斯分類(lèi)要求進(jìn)行分類(lèi)對(duì)象的類(lèi)別數(shù)目固定且需預(yù)先知道各個(gè)類(lèi)別的概率分布情況[40]； K-近鄰算法是近鄰分類(lèi)算法的擴(kuò)展，屬于應(yīng)用較為廣泛的一種分類(lèi)方法，具備實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度較快等特點(diǎn)。

2.3 混合腦機(jī)接口信號(hào)的融合

采集到的各刺激或各模態(tài)信號(hào)，經(jīng)過(guò)預(yù)處理、特征提取、分類(lèi)，隨后進(jìn)行多級(jí)、多層次處理、有機(jī)結(jié)合，達(dá)到提升系統(tǒng)輸出準(zhǔn)確性、決策效率等目的。

按照輸入信息融合的抽象程度，融合可以分為三類(lèi)[41]：一類(lèi)是數(shù)據(jù)層的融合，即為不同傳感器獲取的信號(hào)數(shù)據(jù)直接進(jìn)行融合，隨后再對(duì)融合后的傳感數(shù)據(jù)進(jìn)行特征提取及分類(lèi)。數(shù)據(jù)層融合能夠直接融合各類(lèi)傳感器的數(shù)據(jù)，信息更為豐富、全面、準(zhǔn)確，丟失的信息量較小。但由于各個(gè)傳感器獲取的信息具有一定的冗余性，造成數(shù)據(jù)處理的耗時(shí)較長(zhǎng)，對(duì)于在線系統(tǒng)等要求快速響應(yīng)的系統(tǒng)，難以滿足其實(shí)時(shí)性需求；第二類(lèi)為特征層次融合，即為通過(guò)對(duì)各個(gè)傳感器獲取的數(shù)據(jù)先進(jìn)行特征向量提取，隨后進(jìn)行特征數(shù)據(jù)的融合處理，最后將融合后特征用于系統(tǒng)分類(lèi)決策。特征層融合通過(guò)提取各傳感器獲取數(shù)據(jù)的有效特征，在保留了有用信息的同時(shí)又對(duì)信息進(jìn)行了壓縮，利于提升處理速度，滿足系統(tǒng)實(shí)時(shí)性要求，同時(shí)準(zhǔn)確率也較優(yōu)；第三類(lèi)為決策層融合，即為各個(gè)傳感器先分別進(jìn)行處理分類(lèi)決策，隨后按照投票或者權(quán)重計(jì)算等方法輸出整體系統(tǒng)的決策結(jié)果。決策層融合有利于形成一種互糾正、互校對(duì)模式，即系統(tǒng)中某個(gè)傳感器發(fā)生決策錯(cuò)誤，整體系統(tǒng)還可以通過(guò)一定的決策占比調(diào)整，達(dá)到輸出準(zhǔn)確決策的目的。如圖4所示。

圖4 三類(lèi)融合方式

三類(lèi)融合方法相比較而言，數(shù)據(jù)層融合的處理信息量最大，融合性能最優(yōu)，信息損失量最小，但容錯(cuò)性最小，抗干擾性最差，算法也最難；特征層融合在三類(lèi)融合中無(wú)論從處理信息量、信息量損失、抗干擾性能、算法難度、融合性能等均處于中等；決策層融合的處理信息量最小、抗干擾性能和容錯(cuò)性能最優(yōu)、算法最容易，但信息損失量最大，在實(shí)際處理過(guò)程中，需要根據(jù)實(shí)際系統(tǒng)需求，進(jìn)行合理的選擇[41]。

3 混合腦機(jī)接口的發(fā)展與展望

文章按照基于多腦電模式的混合腦機(jī)接口、基于多種刺激誘發(fā)的混合腦機(jī)接口、基于多模態(tài)信號(hào)的混合腦機(jī)接口三個(gè)分類(lèi)對(duì)混合腦機(jī)接口的研究進(jìn)展進(jìn)行了闡述，通過(guò)對(duì)比發(fā)現(xiàn)，基于多腦電/多模態(tài)融合的腦機(jī)接口有利于獲得更高的識(shí)別率和精度，系統(tǒng)輸出也更穩(wěn)定。以EEG和EMG混合為例，混合模式有利于降低運(yùn)動(dòng)功能部分缺失以及操作疲勞等因素對(duì)模式識(shí)別結(jié)果造成的不利影響，從而提升整體系統(tǒng)的準(zhǔn)確率和魯棒性。

但當(dāng)前混合腦機(jī)接口技術(shù)仍面臨著不小的挑戰(zhàn)及亟待解決的問(wèn)題：(1)單模態(tài)識(shí)別率有待進(jìn)一步提升。異構(gòu)信息源需考慮不同程度的非平穩(wěn)態(tài)、魯棒性、源間變量信息[42]，單一模態(tài)性能會(huì)對(duì)融合系統(tǒng)性能產(chǎn)生影響；(2)多信號(hào)同步采集及分析方法有待進(jìn)一步探索研究?；谀X電的多信號(hào)融合主要涉及特征層、決策層融合[43]，以多模態(tài)混合腦機(jī)接口特征層融合為例，各模態(tài)信號(hào)的同步采集、特征提取是需要融合時(shí)需要解決的首要問(wèn)題，而多模態(tài)系統(tǒng)涉及2類(lèi)以上不同模態(tài)的同步處理和檢測(cè)，這就為實(shí)際融合帶來(lái)一定的難度，需要進(jìn)一步研究；(3)融合方式及融合機(jī)制有待進(jìn)一步探索。融合方式對(duì)融合系統(tǒng)的性能，包括準(zhǔn)確率、結(jié)果輸出穩(wěn)定性等產(chǎn)生影響。建立互補(bǔ)、互糾正的基于容錯(cuò)模式的融合機(jī)制有利于提升混合腦機(jī)接口系統(tǒng)的性能；(4)人機(jī)良耦合系統(tǒng)有待于進(jìn)一步完善。面向應(yīng)用的混合腦機(jī)接口，應(yīng)當(dāng)為用戶的使用提供友好、清晰、易于操作的界面及敏捷反饋系統(tǒng)，需要考慮操作人員的適應(yīng)能力，構(gòu)建人機(jī)良耦合系統(tǒng)。

雖然當(dāng)前混合腦機(jī)接口仍面臨一些挑戰(zhàn)，但由于其可以進(jìn)一步提升單模態(tài)腦機(jī)接口控制指令數(shù)目、識(shí)別準(zhǔn)確率、系統(tǒng)穩(wěn)定性及魯棒性，拓展人機(jī)交互通道數(shù)，未來(lái)在空間遙操作、裝備控制、康復(fù)醫(yī)療及日常輔助領(lǐng)域具有廣闊的應(yīng)用前景。

1)應(yīng)用于空間遙操作，為特殊場(chǎng)景下的外控裝備操控提供路徑。航天員在外太空作業(yè)時(shí)，受限于現(xiàn)有技術(shù)局限性、特殊任務(wù)復(fù)雜性、太空環(huán)境特殊性，可使用混合腦機(jī)接口技術(shù)，滿足復(fù)雜環(huán)境多控制通道作業(yè)需求。目前，歐洲航天局和美國(guó)航空航天管理局已開(kāi)展腦機(jī)接口技術(shù)在載人航天中的相關(guān)應(yīng)用研究。

2)應(yīng)用于裝備領(lǐng)域，作為相關(guān)裝備輔助控制方法。美國(guó)空軍前期已開(kāi)展通過(guò)腦電等生理通道協(xié)同控制研究，用于提升戰(zhàn)斗機(jī)飛行員的快速反應(yīng)能力；美國(guó)國(guó)防高級(jí)研究計(jì)劃局開(kāi)展了“阿凡達(dá)”計(jì)劃，通過(guò)腦機(jī)接口技術(shù)遠(yuǎn)程操控機(jī)器人，代替士兵作業(yè)，執(zhí)行相關(guān)任務(wù)[4]。

3)應(yīng)用于醫(yī)療行業(yè)，用于康復(fù)醫(yī)療與日常輔助[44-45]。針對(duì)癱瘓及殘障人員的日常生活，進(jìn)行生活上的智能輔助。對(duì)于重癥癱瘓病人，拓展其對(duì)外界的控制能力以及交互能力。美國(guó)國(guó)防高級(jí)研究計(jì)劃局開(kāi)展的“腦計(jì)劃”中有一項(xiàng)“假肢革新”項(xiàng)目，用于恢復(fù)殘障者的感知能力。

4 結(jié)束語(yǔ)

目前混合腦機(jī)接口能夠?qū)崿F(xiàn)一些相對(duì)不太復(fù)雜的生理信號(hào)的讀取與轉(zhuǎn)換輸出，實(shí)現(xiàn)對(duì)外部設(shè)備的簡(jiǎn)單操控。未來(lái)，建立穩(wěn)定、便攜化、良效耦合、精細(xì)化的交互系統(tǒng)，還有待人類(lèi)對(duì)混合腦機(jī)接口的深入認(rèn)知，包括人體機(jī)能構(gòu)造、感知情緒影響、生理信號(hào)獲取與處理方法等方面的進(jìn)一步研究，但相信混合腦機(jī)接口的應(yīng)用和發(fā)展前景將十分廣闊。