蘇田豐 路林吉

（上海交通大學(xué)，上海，200240）

0 引言

人腦結(jié)構(gòu)復(fù)雜，功能強(qiáng)大。Jcaques Vidal在1973年首次提出“腦機(jī)接口（BCI）”的概念，并在隨后進(jìn)行了定義： 腦機(jī)接口是一種反映大腦活動(dòng)內(nèi)在機(jī)理的微弱信息的計(jì)算機(jī)科學(xué)系統(tǒng)技術(shù)。1999年第一屆國際BCI會議給出了BCI技術(shù)的定義，“BCI是不用通過大腦和相關(guān)肌肉組織進(jìn)行動(dòng)作就可與外部設(shè)備交互的系統(tǒng)”。隨著醫(yī)學(xué)、集成電路，模式識別等學(xué)科的發(fā)展，我國對于腦機(jī)接口的研究日益深入，2012年，浙江大學(xué)研究團(tuán)隊(duì)通過侵入式腦電采集系統(tǒng)采集猴子的腦電信號，使其可以控制機(jī)械手；浙江大學(xué)還通過識別人腦信號對實(shí)驗(yàn)小鼠進(jìn)行左右行動(dòng)控制；鄭州大學(xué)張利朋利用腦電信號進(jìn)行機(jī)器人的前進(jìn)以及左右移動(dòng)控制。

根據(jù)誘發(fā)信號種類的不同，腦機(jī)接口可以分為基于視覺刺激電位的腦電接口和基于運(yùn)動(dòng)想象的腦機(jī)接口兩類。基于運(yùn)動(dòng)想象的腦機(jī)接口由于其使用便利性獲得了越來越多研究者的關(guān)注。目前對于腦機(jī)接口的研究多是針對多通道設(shè)備，采集數(shù)據(jù)多，冗余量大，雖然取得了較高的準(zhǔn)確率，但計(jì)算速度較慢。本文設(shè)計(jì)了一款基于運(yùn)動(dòng)想象的少通道腦機(jī)接口，通過這款設(shè)備實(shí)現(xiàn)燈的開關(guān)。

1 硬件設(shè)計(jì)

本文中的腦機(jī)接口的組成部分有：腦電極、數(shù)據(jù)采集與信號放大、通信部分、計(jì)算機(jī)（PC）、控制設(shè)備。設(shè)備硬件的工作流程如圖1所示。

圖1 硬件部分工作流程圖

1.1 腦電極

腦電極分為濕電極和干電極。濕電極在使用時(shí)要實(shí)現(xiàn)在受試人頭皮部涂抹導(dǎo)電膏或者將電極浸泡在生理鹽水中增加其導(dǎo)電性，因此濕電極采集到的信號信噪比較高，但使用不便。干電極不需要在使用前進(jìn)行任何操作，使用方便，其材料一般選取阻抗很小的物質(zhì)，例如：銀(Ag)、氯化銀(AgCl)等，本設(shè)計(jì)采用由AgCl為材料的干電極。

1.2 A/D轉(zhuǎn)換

采集芯片使用ADS1256，其是TI公司推出的一款A(yù)D轉(zhuǎn)換芯片，精度為24bit，數(shù)據(jù)傳輸率高達(dá)30kSPS，可實(shí)現(xiàn)快速切換，最高可實(shí)現(xiàn)8通道同時(shí)采集數(shù)據(jù)，也可將8個(gè)通道轉(zhuǎn)為4個(gè)差分電路進(jìn)行采集，噪聲較低。

1.3 放大電路部分

腦電信號幅值微弱，僅僅只有10-200uV，因此需要對其進(jìn)行放大，并且要采取多級放大的方式。本設(shè)計(jì)經(jīng)過實(shí)驗(yàn)后采用2級放大的方式，初級放大10倍，次級放大1000倍。電路原理圖如圖2所示。

圖2 放大電路原理圖

1.4 通信部分

本設(shè)計(jì)采用的通信方式為網(wǎng)絡(luò)通信方式，通信電路硬件原理圖如圖3所示。協(xié)議為TCP/IP協(xié)議。

圖3 通信部分電路原理圖

上位機(jī)客戶端計(jì)算機(jī)在監(jiān)聽到硬件設(shè)備后，發(fā)出“握手”命令，“握手”成功后，開始接受數(shù)據(jù)采集卡中的數(shù)據(jù)。

2 軟件設(shè)計(jì)

本設(shè)計(jì)用MATLAB作為軟件環(huán)境，MATLAB是一款強(qiáng)大的數(shù)學(xué)應(yīng)用軟件，并且具備基本的通信功能，其保證了在信號分析過程中使用方法的可靠性并可加快開發(fā)速度。

2.1 腦電信號的分類

腦電信號幅值微弱，在時(shí)域上分布復(fù)雜，但其在頻域上有一定的特征性。醫(yī)學(xué)發(fā)現(xiàn)，人日常的腦電波根據(jù)頻率可以分為：δ波（0.3-3Hz）、θ波（4-7Hz）、α波（8-13Hz）、β波（16-30Hz）。其中α波，β波在人進(jìn)行思維活動(dòng)時(shí)會有明顯的變化。腦電信號中的特定節(jié)律波形圖見圖4。

圖4 α波與β波的波形圖

2.2 基于運(yùn)動(dòng)想象的腦機(jī)接口的信號分類原理

當(dāng)人在實(shí)際進(jìn)行身體某部分動(dòng)作或者想象身體某部分動(dòng)作時(shí)，大腦在相應(yīng)的區(qū)域的腦電信號較為活躍，這種現(xiàn)象被稱為事件相關(guān)同步化（Event Related Synchronization, ERS）；其他區(qū)域腦電信號相對沒有這樣活躍，這種狀態(tài)就是事件相關(guān)去同步化（Event Related Desynchronization, ERD）。人在想象自身左手或者右手運(yùn)動(dòng)時(shí)，大腦異側(cè)會出現(xiàn)去同步化現(xiàn)象，而大腦同側(cè)會出現(xiàn)同步化現(xiàn)象。

基于運(yùn)動(dòng)想象的腦機(jī)接口一般就是根據(jù)大腦特定區(qū)域中的同步/去同步現(xiàn)象來對采集到的腦電信號進(jìn)行區(qū)分。

2.3 軟件流程

本設(shè)計(jì)使用MATLAB中的filterDesigner設(shè)計(jì)巴特沃斯濾波器，如圖5、圖6所示。

圖5 通帶為8-13Hz的濾波器

圖6 通帶為16-30Hz的濾波器

將所有采集到的腦電數(shù)據(jù)的特征向量輸入支持向量機(jī)(Support Vector Machine,SVM)進(jìn)行訓(xùn)練，SVM是一種有監(jiān)督機(jī)器學(xué)習(xí)方法，主要思想是通過尋找出一個(gè)最優(yōu)的超平面，使得數(shù)據(jù)樣本盡可能地分布在超平面兩側(cè)，從而達(dá)到分類效果。

計(jì)算出所有 后，SVM訓(xùn)練完畢。

SVM訓(xùn)練完成后，繼續(xù)采集佩戴者的腦電信號并提取信號特征輸入SVM中進(jìn)行分類,將其帶入到下式中：

計(jì)算出的結(jié)果就是SVM對于數(shù)據(jù)的判別結(jié)果(計(jì)算結(jié)果大于50%時(shí)判別為正樣本，否則判為負(fù)樣本)，從而控制燈的開關(guān)。

規(guī)定實(shí)驗(yàn)者通過想象自身右手運(yùn)動(dòng)(抓取動(dòng)作)時(shí)控制燈亮，而想象自身左手運(yùn)動(dòng)時(shí)(抓取動(dòng)作)控制燈滅，具體軟件流程圖見圖7。

圖7 軟件流程圖

3 實(shí)驗(yàn)結(jié)果

本文對兩名健康男性青年和兩名健康青年女性進(jìn)行信號采集并進(jìn)行分類，使用信號采樣率為128Hz，使用3通道進(jìn)行采集，其中1個(gè)電極為參考電極，參考電極放在耳垂處。每次采樣時(shí)間為9s，每位實(shí)驗(yàn)者采集20組腦電數(shù)據(jù)訓(xùn)練SVM，之后再次進(jìn)行20組腦電數(shù)據(jù)的采集（其中10組數(shù)據(jù)是控制開燈的腦電信號，10組數(shù)據(jù)是控制關(guān)燈的腦電信號）并通過分類器分類后輸出控制指令，實(shí)驗(yàn)結(jié)果見表1。

表1 實(shí)驗(yàn)結(jié)果

從表1可以看出，前三次組實(shí)驗(yàn)均取得了較好的準(zhǔn)確率，但最后組次實(shí)驗(yàn)得到結(jié)果不是很理想，分析原因可能是第二名實(shí)驗(yàn)者的頭發(fā)過長，電極與頭皮接觸不充分所致。而在控制開燈的實(shí)驗(yàn)中，3位實(shí)驗(yàn)者得到的結(jié)果較好，而且女1實(shí)驗(yàn)者在進(jìn)行關(guān)燈實(shí)驗(yàn)時(shí)獲得最好的準(zhǔn)確率，這里推測造成這樣結(jié)果的原因是女1實(shí)驗(yàn)者是左利手，而其余三位實(shí)驗(yàn)者都是右利手。

4 結(jié)論

本文設(shè)計(jì)了一款基于運(yùn)動(dòng)想象的腦機(jī)接口設(shè)備，不同于以往多通道的腦機(jī)接口設(shè)備，本實(shí)驗(yàn)采用3通道進(jìn)行數(shù)據(jù)采集，使用一種較為簡便的信號特征提取方法對腦電信號進(jìn)行特征提取，在實(shí)驗(yàn)中保持了一定的準(zhǔn)確率。