吳正平 魏 歡 趙 靖 楊翔宇 仇 凱

1(三江學(xué)院創(chuàng)新創(chuàng)業(yè)學(xué)院，南京 210012)2(江蘇博恩醫(yī)療科技有限公司，江蘇 南通 226002)3(燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004)4(東南大學(xué)生命科學(xué)研究院，南京 210009)5(南京偉思醫(yī)療科技股份有限公司，南京 210012)

引言

腦-機(jī)接口(brain-computer interface, BCI)，是指不需要通過常規(guī)的大腦輸出通道，在人或者其他動(dòng)物與外在環(huán)境之間建立一種溝通的環(huán)境[1]，達(dá)到意識(shí)控制設(shè)備的目的。德國神經(jīng)生理學(xué)家Berger首先發(fā)現(xiàn)腦電信號(hào)的存在，并為腦-機(jī)接口技術(shù)的發(fā)展奠定基礎(chǔ)。之后，研究人員一直致力于研發(fā)如何利用腦電信號(hào)來控制外部設(shè)備[2]，例如智能機(jī)器人、機(jī)械臂、智能輪椅、四旋翼無人機(jī)等。這種由腦機(jī)接口解析出腦信號(hào)中攜帶的信息，并由各種外部控制設(shè)備實(shí)時(shí)反饋的系統(tǒng)，是當(dāng)今腦機(jī)接口研究的熱點(diǎn)。美國Emory大學(xué)的Kennedy和Bakay最先在他們患有腦干中風(fēng)導(dǎo)致的鎖閉綜合征的患者Ray身上植入了可獲取高質(zhì)量腦電信號(hào)的接口，使他存活了足夠長的時(shí)間，并且學(xué)會(huì)了用腦信號(hào)控制電腦光標(biāo)[3]。

腦機(jī)接口系統(tǒng)是涉及神經(jīng)科學(xué)、信號(hào)處理、人工智能、機(jī)械控制等多個(gè)學(xué)科的交叉學(xué)科，具有重大科研價(jià)值和應(yīng)用前景。如今腦機(jī)接口中信號(hào)獲取的技術(shù)主要有以下幾種:頭皮腦電(EEG)、皮層腦電(ECoG)、植入式電極(Spike and LFP)、腦磁圖(MEG)、功能磁共振成像(fMRI)、功能近紅外成像(fNIR)等。本研究主要使用頭皮腦電(EEG)技術(shù)來完成腦機(jī)接口系統(tǒng)信號(hào)獲取部分。

腦-機(jī)接口的主要實(shí)現(xiàn)方式可以分為主動(dòng)和被動(dòng)兩種，主動(dòng)的有基于無能運(yùn)動(dòng)想象，而被動(dòng)的主要有基于P300信號(hào)和SSVEP(steady-state visual evoked potential, SSVEP)信號(hào)[4]。本研究主要針對(duì)穩(wěn)態(tài)視覺誘發(fā)電位(SSVEP)技術(shù)來完成腦機(jī)接口系統(tǒng)應(yīng)用的實(shí)現(xiàn)方案，SSVEP是指當(dāng)人體受到一個(gè)固定頻率的視覺刺激時(shí)大腦視覺皮層產(chǎn)生的一個(gè)連續(xù)的與刺激頻率有關(guān)(刺激頻率的基頻或倍頻處)的響應(yīng)[5]。

本研究開發(fā)的無線腦-機(jī)接口系統(tǒng)是由便攜式多通道無線腦電信號(hào)采集器、視覺誘發(fā)程序、腦電信號(hào)分析處理程序三部分組成?；赟SVEP的程序設(shè)計(jì)可以將用戶注意力集中于某個(gè)視覺激勵(lì)，從而產(chǎn)生特定的腦電模態(tài)[6]，再使用典型相關(guān)分析(canonical correlation analysis, CCA)和小波變換(wavelet transform, WT)進(jìn)行特征提取，這種基于WT-CCA的SSVEP的特征提取算法，相比最常用的CCA相關(guān)系數(shù)特征提取算法[7]，平均準(zhǔn)確率提高了近8.5%。

1 方法

1.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)結(jié)構(gòu)如圖1所示，包含4個(gè)模塊：主控系統(tǒng)、視覺刺激器、腦電信號(hào)采集器、信號(hào)處理及指令輸出[8]。

圖1 系統(tǒng)結(jié)構(gòu)Fig.1 System diagram

1.1.1視覺刺激器

視覺刺激器是基于LabVIEW開發(fā)平臺(tái)實(shí)現(xiàn)的，在刺激源少的情況下，相對(duì)于LED對(duì)硬件電路的要求高和CRT的體積過大[9]，LCD顯示器只需要通過軟件操作即可，操作簡單，更利于用戶的使用。基于LCD顯示器60 Hz的刷新特性，通過調(diào)整時(shí)間參數(shù)，可以實(shí)現(xiàn)圖片以指定頻率閃爍。刺激界面選用4個(gè)相同的黑色圓組成，整個(gè)操作界面簡潔、方便、可控。

1.1.2腦電采集器

本研究自主研發(fā)了無線腦電信號(hào)采集器，具有使用方便、功能豐富、指標(biāo)性能優(yōu)良等特點(diǎn)，尺寸僅為56.7 mm×50.8 mm×19 mm，便于攜帶。采集器通過電極采集到的腦電信號(hào)經(jīng)模數(shù)轉(zhuǎn)換后，無線輸出發(fā)送到上位機(jī)，由上位機(jī)程序進(jìn)行信號(hào)分析和處理。圖2所示為采集器的結(jié)構(gòu)框圖，包括電源供電模塊、模擬前端模塊、主控系統(tǒng)模塊和WiFi無線傳輸模塊。

圖2 腦電采集器硬件結(jié)構(gòu)Fig.2 Hardware structure diagram of collector

無線腦電采集器采用了內(nèi)置可充電鋰電池供電，通過外部USB接口充電，這樣既能避免交流電信號(hào)帶來的工頻干擾，也能便攜地供用戶使用[10]。

由于腦電信號(hào)微弱(0.5～100 μV)的特性，傳統(tǒng)的腦電信號(hào)采集前端通常在每個(gè)通道前配有放大電路和濾波電路。本研究的模擬前端模塊選用TI公司生產(chǎn)的具有內(nèi)置可編增益放大器(PGA)的芯片ADS1299，高輸入阻抗和高共模抑制比，同步24位采樣，三角積分(Δ-Σ)模數(shù)轉(zhuǎn)換器(ADC)，可調(diào)PGA可以方便地確定信號(hào)的放大倍數(shù)。該系統(tǒng)抗干擾能力強(qiáng)，適合在各種復(fù)雜的環(huán)境中使用。通過MCU，可以靈活配置輸入增益和參考偏置[11]。

微處理單元選用STM32F405R作為主控芯片，具有高性能、低功耗、快速運(yùn)算力，在各類醫(yī)療和手持設(shè)備中得到廣泛的運(yùn)用。無線傳輸模塊采用的是TI公司生產(chǎn)的CC3200，體積小，功耗低，支持802.11 b/g/n協(xié)議標(biāo)準(zhǔn)，可以實(shí)現(xiàn)將采集到的腦電信號(hào)實(shí)時(shí)地傳輸?shù)缴衔粰C(jī)進(jìn)行處理反饋。通過測(cè)試，采集器具有極低的失真和輸入噪聲。

1.1.3波形顯示界面

本系統(tǒng)波形顯示界面也由LabVIEW軟件編寫，與上面介紹的視覺刺激器軟件環(huán)境相同，顯示界面如圖3所示，能夠顯示8個(gè)通道的腦電數(shù)據(jù)波形。

1.2 SSVEP特征提取算法

1.2.1信號(hào)預(yù)處理

由于環(huán)境噪聲和自身的各種干擾(如眼電、肌電)，須對(duì)信號(hào)進(jìn)行預(yù)處理，消除干擾信號(hào)的影響。在本研究中，上位機(jī)采用巴特沃斯濾波器組，對(duì)無線接收到的腦電信號(hào)進(jìn)行濾波，該濾波器在通帶內(nèi)具有最大限度平坦的幅度響應(yīng)，其頻率響應(yīng)模型為

(1)

式中，Ωc為截止頻率，N為階數(shù)，pk為歸一化極點(diǎn)。

選取適合的截止頻率和階數(shù)的濾波器來濾除不需要的腦電信號(hào)，結(jié)合SSVEP在人體大腦枕部誘發(fā)的腦電信號(hào)頻率，本次選取的刺激頻率為4、8.57、15、20 Hz[12-13]，將通頻帶設(shè)置為40 Hz，這樣既能去除干擾信號(hào)，又能保證諧波的存在，其濾波效果對(duì)比如圖4所示。

1.2.2信號(hào)特征提取及處理

作為一種常用的數(shù)字信號(hào)分析處理方法，小波包算法能夠把信號(hào)按頻帶進(jìn)行分解,根據(jù)信號(hào)的特性與分析要求，匹配最佳的對(duì)應(yīng)頻帶和信號(hào)頻譜，小波包分解重構(gòu)公式為

(2)

圖3 前面板信號(hào)波形Fig.3 Signal waveform in front panel

圖4 濾波前(上)和濾波后(下)信號(hào)Fig.4 Signals before (top) and after (bottom) filtering

其中j為小波包分解層數(shù)，un為

(3)

式中，hk、gk是尺度函數(shù)φ(x)和小波函數(shù)ψ(x)對(duì)應(yīng)的濾波器函數(shù)。

小波包算法將SSVEP腦電信號(hào)中特定頻點(diǎn)的信號(hào)分解重構(gòu)出來，就本研究所選的頻點(diǎn)，根據(jù)采樣率選擇分解層數(shù)。例如，對(duì)256 SPS采樣率，選擇對(duì)信號(hào)進(jìn)行小波包6層分解，重構(gòu)出SSVEP特定頻點(diǎn)的信號(hào)，然后與參考信號(hào)做相關(guān)性CCA算法。 典型相關(guān)分析方法(CCA)是對(duì)SSVEP信號(hào)簡單有效計(jì)算相關(guān)性的算法，可以結(jié)合多通道的特點(diǎn)，滿足本研究所采用的8通道信號(hào)采集。此外，CCA在信號(hào)處理過程中能顯著提高信噪比。

CCA是研究多個(gè)變量與多個(gè)變量之間的相關(guān)性的算法，其基本思想是找出兩組變量X和Y在整體上的相關(guān)系數(shù)ρ并使其最大。定義多通道SSVEP信號(hào)為Xn，有

(4)

式中，n為通道編號(hào)，xnfm是原始SSVEP腦電信號(hào)經(jīng)過小波包分解重構(gòu)的fm頻段的信號(hào)。建立相應(yīng)的參考信號(hào)矩陣為

(5)

然后，求得最大的相關(guān)系數(shù)為

(6)

式中，cov(Xn,Y) 為Xn和Y的協(xié)方差，σXn和σY分別為Xn和Y的標(biāo)準(zhǔn)差。

由于單純的CCA算法在識(shí)別SSVEP頻率以參考信號(hào)為依據(jù)，其識(shí)別效果受SSVEP中存在的干擾信號(hào)影響，所以提出用WT-CCA算法對(duì)腦電信號(hào)進(jìn)行特征提取及處理，提高了特征識(shí)別的準(zhǔn)確率。

圖5 WT-CCA識(shí)別方法Fig.5 Recognition of WT-CC

本研究提出的WT-CCA算法，能對(duì)低頻和高頻部分進(jìn)行分解，避免了參考信號(hào)中存在的干擾，有效提高了信號(hào)的識(shí)別率，過程如圖5所示。將SSVEP信號(hào)進(jìn)行小波包分解后得到重構(gòu)信號(hào)，根據(jù)CCA算法計(jì)算出各個(gè)通道的Xn和Y的最大相關(guān)系數(shù)ρn，然后比照判斷SSVEP刺激信號(hào)的頻點(diǎn)fm。

1.3 系統(tǒng)測(cè)試方法

本次測(cè)試選了10位精神狀態(tài)良好的志愿者進(jìn)行實(shí)驗(yàn)。采集的背景光線不宜過亮，時(shí)間不宜過長，以免造成被測(cè)試者的不適。

實(shí)驗(yàn)準(zhǔn)備階段，將8通道信號(hào)采集器戴在待測(cè)試者頭部上，并適當(dāng)調(diào)整以確保接觸良好，在阻抗測(cè)試時(shí)調(diào)試各個(gè)通道(一般阻抗不高于1000 kΩ)，SSVEP誘發(fā)電位主要發(fā)生在人體大腦枕部，根據(jù)10-20國際標(biāo)準(zhǔn)導(dǎo)聯(lián)(見圖6所示)，將采集腦電信號(hào)的電極放置在Fp1、Fp2、F3、F4、Cz、Pz、O1、O2位置[14-15]，參考電極放置在人體耳后乳突，接地電極接AFz的位置。

圖6 導(dǎo)聯(lián)分布Fig.6 Lead distribution

調(diào)節(jié)被試與顯示器之間的距離，規(guī)定在60 cm左右(可根據(jù)被試最舒適的距離進(jìn)行調(diào)整)。每組實(shí)驗(yàn)有50個(gè)block，每個(gè)block的流程為：屏幕隨機(jī)閃爍一種頻率1.5 s，并伴隨一聲提示音提示被試觀看，閃爍1.5 s后，顯示屏進(jìn)入睡眠，不會(huì)有閃頻信息，持續(xù)2.5 s，此時(shí)被試進(jìn)入休息狀態(tài)。每個(gè)被試進(jìn)行15組實(shí)驗(yàn)，每組實(shí)驗(yàn)大約3 min 20 s，每組實(shí)驗(yàn)間隔5 min，用來給被試休息。所有數(shù)據(jù)完成后，系統(tǒng)會(huì)自動(dòng)記錄采集到的數(shù)據(jù)，并上傳到上位機(jī)進(jìn)行數(shù)據(jù)的特征提取及分類。

2 結(jié)果

采用本研究所完成的腦機(jī)接口分別進(jìn)行了兩次測(cè)試實(shí)驗(yàn)，主要驗(yàn)證所提出的WT-CCA算法對(duì)目標(biāo)頻率識(shí)別正確率和與普通常用的CCA算法的對(duì)比。

表1WT-CCA目標(biāo)頻率特征識(shí)別正確率

Tab.1WT-CCAtargetfrequencyfeaturerecognitionaccuracy%

表1列取了10名被試使用WT-CCA算法對(duì)目標(biāo)頻率特征識(shí)別并計(jì)算識(shí)別正確率，第一列1～10代表被試的編號(hào)信息，第一行為目標(biāo)頻率，表格中的其他值代表了被試編號(hào)在某個(gè)目標(biāo)頻率下的識(shí)別正確率，最后一行為各目標(biāo)頻率下的平均識(shí)別正確率。從實(shí)驗(yàn)中得出的數(shù)據(jù)可以看出，本系統(tǒng)和算法對(duì)SSVEP的識(shí)別率很高，達(dá)到90%。同一個(gè)測(cè)試者對(duì)不同頻率的目標(biāo)刺激產(chǎn)生不同的響應(yīng)，而同一刺激頻率對(duì)不同的測(cè)試者則產(chǎn)生不同的響應(yīng)，這也體現(xiàn)了個(gè)體之間的差異性，與生物學(xué)人體各異的觀點(diǎn)相符。

表2 目標(biāo)頻率特征識(shí)別正確率對(duì)比Tab.2 Target frequency feature recognition accuracy %

在同樣的實(shí)驗(yàn)環(huán)境下，選取10名被試，使用本研究設(shè)計(jì)的腦機(jī)接口進(jìn)行數(shù)據(jù)獲取，采用傳統(tǒng)的CCA識(shí)別算法對(duì)目標(biāo)頻率進(jìn)行識(shí)別，并計(jì)算相應(yīng)的識(shí)別正確率。如表2所示，采用CCA算法與本系統(tǒng)提出的WT-CCA算法對(duì)比，第一行為目標(biāo)頻率，第一列為算法，其他數(shù)據(jù)為在各個(gè)目標(biāo)頻率下算法的正確識(shí)別率。從測(cè)試結(jié)果上得出對(duì)SSVEP信號(hào)的識(shí)別，WT-CCA算法的識(shí)別率要明顯高于CCA算法的識(shí)別率。

3 結(jié)論

本研究的主要目標(biāo)是實(shí)現(xiàn)基于SSVEP無線腦-機(jī)接口系統(tǒng)的設(shè)計(jì)。設(shè)計(jì)了基于LabVIEW的LCD視覺刺激器，根據(jù)顯示器60 Hz的特性設(shè)定需要閃爍的頻率，通過軟件控制刺激源的個(gè)數(shù)和閃爍的頻率，這是不同于其他刺激器的一個(gè)特點(diǎn)。自主研發(fā)的腦電信號(hào)采集器成功采集到8個(gè)通道腦電信號(hào)，提出的WT-CCA算法能對(duì)采集到的腦電信號(hào)進(jìn)行特征提取和分類甄別。經(jīng)試驗(yàn)論證，證實(shí)WT-CCA算法在識(shí)別分類上要優(yōu)于CCA算法，識(shí)別率達(dá)90%以上。

(致謝：本研究得到江蘇省高?！扒嗨{(lán)工程”的資助，在此表示感謝)