【正文】 ? 顯示器：三星 SyncMaster 710NZ ， 17 寸 LCD ? 顯卡：七彩虹 NVIDIA GeForce 6200 128M ? 硬盤： 200G SATA 第三臺(tái)運(yùn)行 EEG 信號(hào)分析軟件，配置稍低 ： ? CPU： Intel Pentium ? 內(nèi)存： 1GB DDR ? 顯示器：優(yōu)派 ViewSonic 15 寸 腦電波采集設(shè)備： Stim2 介紹 Stim2 是一個(gè)產(chǎn)生刺激系統(tǒng)， 通過它我們可以產(chǎn)生視覺、聽覺等其他方面的刺激。 由上面的證明，很容易產(chǎn)生一種誤解，例如，對(duì)于第一種方法， 某樣本不屬于 A 類 就一定表示該樣本就 屬于 B 類。 若 Out=0，則必有一個(gè) max 模塊的輸出是 0?！璉n n)， 其中 In1。 方法一： 圖 5 統(tǒng)合方式一 用來連接各個(gè)模塊的集成單元是： Min 單元和 Max 單元。 一個(gè)大的 2 類問題經(jīng)過分解可以轉(zhuǎn)化成多個(gè)小的 2 類問題。其他類似。其它的 M 模塊以此類推。所謂最優(yōu)超平面是指距離超平面最近的點(diǎn)跟超平面的距離達(dá)到最大。 SVM介紹 支持向量機(jī) （ Support Vector Machine） 是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則 (Structure Risk Minimization)的通用學(xué)習(xí)算法， 它的基本思想是在樣本輸入空間或特征空間構(gòu)造出一個(gè)最優(yōu)超平面，使得超平面到兩類樣本集之間的距離達(dá)到最大，從而取得最好的泛化能力。o 的系統(tǒng)中，對(duì)用戶的三種心理作業(yè)進(jìn)行區(qū)分，當(dāng)分類器無法明確區(qū)分用戶當(dāng)前的狀態(tài)時(shí)，用不知道來回答，從而不做任何操作，直到明確的判斷出用戶的意圖為止，在他們的 ABI 系統(tǒng)中，系統(tǒng)的正確率為 70%以上，錯(cuò)誤率低于 5%，其他的就都屬于不知道的范圍 [13]。 在 Eleanor Curran 等人實(shí)驗(yàn)中使用 AR 的方法進(jìn)行特征提取，并采用邏輯 小 回歸的方法進(jìn)行分類 [11]。實(shí)驗(yàn)結(jié)果表明，用小波時(shí)頻濾波器結(jié)合少量（ 9~20）次累加平均 ,可提高信噪比 ,提取出視覺誘發(fā)電位信號(hào)，視覺誘發(fā)電位的正確識(shí)別率在 70 %～ 100 %之間 ,當(dāng)屏幕上目標(biāo)個(gè)數(shù)為 12 時(shí) ,通訊率可達(dá) 30bit/ min[10]。 %。采用擴(kuò)展 Infomax算法對(duì)一混有心電 ( ECG) 偽跡、眼電 ( EOG) 偽跡的腦電信號(hào)進(jìn)行分離。 為了提高降噪處理的精度，很多新的降噪處理方法被提出。另外一個(gè)或多個(gè)電極與參考電極的電位差即 是 該電極的電位值。 Fpz 之前和 Oz 之后各占中線全長 10%，其余點(diǎn)間距皆占 20%。這種方法相對(duì)于介入式 EEG 信號(hào)采集方法而言更簡單更安全，實(shí)驗(yàn)時(shí)間也大大縮短。其一般結(jié)構(gòu)如下圖： 圖 1 BCI 系統(tǒng)一般結(jié)構(gòu) 以下各 部分分別詳細(xì)介紹各部分內(nèi)容。本次會(huì)議主要目的是： ? 回顧并評(píng)論腦 — 計(jì)算機(jī)接口研究的現(xiàn)狀； ? 定義基礎(chǔ)的且可應(yīng)用的腦 — 計(jì)算機(jī)接口的研究目標(biāo)； ? 確定并提出腦 — 計(jì)算機(jī)接口研究中的關(guān)鍵技術(shù)問題； ? 考慮腦 — 計(jì)算機(jī)接口的標(biāo)準(zhǔn)研究過程和評(píng)估方法的發(fā)展。通過腦 計(jì)算機(jī)接口，病人可以進(jìn)行 3D的鼠標(biāo)控制，可以進(jìn)行單詞拼寫。這種新的系 統(tǒng)就被稱作腦 — 計(jì)算機(jī)接口（ BrainComputer Interface, BCI）。 大量的研究試驗(yàn)表明，當(dāng)人們準(zhǔn)備進(jìn)行某種行為的時(shí)候，人腦中的神經(jīng)元會(huì)產(chǎn)生相應(yīng)的電生理信號(hào)，正是這些腦電生理信號(hào)通過神經(jīng)系統(tǒng)控制肌肉來完成人的意圖。 關(guān)鍵詞： 腦 計(jì)算機(jī)接口 ， 腦電波， Treble M, 支持向量機(jī)，特征提取 ，分類 基于腦電信號(hào)的腦機(jī)接口 第 ii 頁 共 29 頁 A BCI System Based On EEG ABSTRACT As the development of scientific technology, the understanding of human brains and the PC technology, a new studying area—BrainComputer Interface has been developing quickly during the recent twenty years. It has been discovered that some electricity signals will appear in the brain when one person wants to do something. These signals stand for his or her meaning and control the muscles to implement the person39。 基于腦電信號(hào)的腦機(jī)接口 基于腦電信號(hào)的腦機(jī)接口系統(tǒng) 班 級(jí)： F0103304 學(xué)生姓名： 于洪 指導(dǎo)教師： 呂寶糧 基于腦電信號(hào)的腦機(jī)接口 第 i 頁 共 29 頁 基于腦電信號(hào)的腦機(jī)接口系統(tǒng) 摘要 隨著科學(xué)技術(shù)的不斷進(jìn)步、人們對(duì)大腦功能認(rèn)識(shí)的不斷深入以及高性能 PC 的問世等，近 20年以來一個(gè)新的研究領(lǐng)域 —— “腦 — 計(jì)算機(jī)接口”正在蓬勃發(fā)展。s goals. Therefore, researchers are trying to develop a system which can directly read one39。研究結(jié)果還進(jìn)一步表明，用來產(chǎn)生單個(gè)事件（某個(gè)具體的動(dòng)作）的腦信號(hào)，很可能是相同腦區(qū)域不同地方的神經(jīng)元共同作用的結(jié)果，并且存在相當(dāng)程度的冗余，這樣即便腦中的部分區(qū)域受損，但腦的功能并不會(huì)缺失。 更進(jìn)一步， 假設(shè)我們有一種方法可以測(cè)試出并且分辨開若干種不同的思維狀態(tài)，我們就可以把這些思維狀態(tài)作為字母，在此之上建立一個(gè)更為復(fù)雜的語言，這種語言便可用來人與計(jì)算機(jī)甚至人與人之間的交流。最近，美國的一家醫(yī)療科研機(jī)構(gòu)已獲批準(zhǔn)在病人腦皮層上植入微 型 芯片，從而病人通過腦電的改變就可以控制生活中的一些常用的設(shè)備了。 本次會(huì)議的成功舉辦，成功的推動(dòng)了腦 — 計(jì)算機(jī)接口研究的交流和發(fā)展。 基于腦電信號(hào)的腦機(jī)接口 第 4 頁 共 29 頁 EEG 信號(hào)的獲取 EEG 信號(hào)獲取的主要的功能是采集和存儲(chǔ)腦電信號(hào)，并 將其轉(zhuǎn)換成數(shù)字信號(hào)作為后續(xù)處理的輸入。因而現(xiàn)在很多腦 — 計(jì)算機(jī)接口的研究都是基于頭皮表面的腦電信號(hào)進(jìn)行的。 冠狀線：兩外耳道之間的連線。這些電極叫做記錄電 極。 Benjamin J. Culpepper 和 Robert M. Kelle 在訓(xùn)練分類不同的心理作業(yè)時(shí)，使用 ICA 的方法將干擾信號(hào)從腦電信號(hào)中分離，通過訓(xùn)練好的多層神經(jīng)網(wǎng)絡(luò)模型對(duì) 12 個(gè)通道的腦電信號(hào)進(jìn)行分類。雖每次經(jīng)過 ICA 分析后所得到的獨(dú)立分量的次序是不定的 , 但相同的心理作業(yè)所得獨(dú)立分量在頭皮電極上的能量分布情況是非常相似的。但他們 設(shè)計(jì)了一種基于 AR 模型的 ARX 模型用來對(duì)原始信號(hào)進(jìn)行 特征提取 ，這種模型把全體平均的 Bereitschaftspotential（一種在動(dòng)作開始 之前產(chǎn)生的事件相關(guān)電位）作為AR 模型的一個(gè)外因輸入，從而對(duì) AR 模型進(jìn)行改進(jìn)，將系統(tǒng)的分類性能提升到了 %177。 我們的試驗(yàn)中準(zhǔn)備使用小波變換作為特征提取的方法。 有時(shí) 輸入的腦信號(hào)并不能 唯 一的確定一個(gè)輸出，因?yàn)榇藭r(shí)用戶也沒有決定唯一的輸出是什么，如果嚴(yán)格的制定一種輸入，將導(dǎo)致錯(cuò)誤的控制，此時(shí)最合理的方法就是以概率的方式賦予每一個(gè)備選的輸出一個(gè)可能的概率。 有于每個(gè)用戶的反應(yīng)能力，記憶能力，以及操作能力不同，甚至一個(gè)用戶由于心理狀態(tài)等因素的改變?cè)谶M(jìn)行同樣的心理作業(yè)的時(shí)候，產(chǎn)生的腦行為也會(huì)有所改變，而 且人腦本身也是一個(gè)高度自適應(yīng)的控制器，因此腦 — 計(jì)算機(jī)接口應(yīng)具有一定的適應(yīng)能力。不同于神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)的解是全局最優(yōu)的，而且支持向量機(jī)不需要人工設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)。如圖 3 所示， h*就是最優(yōu)超平面。 粗 線箭頭表示傳遞原值的非：若是尾端值 為 0，則首端傳遞的值為 1；反之，則傳遞 0。 Treble M方法簡介 通過上面的變換，我們得到了 6 個(gè)兩類問題，但若是直接 解決這些 2 類問題，我們 可能會(huì)遇到一些困難。 例如： 一個(gè) 2 類問 題， 0 類訓(xùn)練樣本 共 有 1000 個(gè)， 1類訓(xùn)練樣本有 200 個(gè)。 Min 單元的作用是從多個(gè)輸入中找出最小值并輸出，其傳遞函數(shù)為： Out = min(In1。 In2。不妨 假 設(shè)第 i 個(gè) max 模塊輸出是 0，即 AiB0，AiB1 取值都為 0，這表示該樣本在 Ai 的控制范圍內(nèi)；同時(shí)， 該樣本不在 B 的子類的控制范圍內(nèi)，即不在 B 的控制范圍內(nèi)。 其實(shí)不然。該系統(tǒng)分為以下幾個(gè)部分： ? Motor：包含 Tap 和 Track 任務(wù)。 基于腦電信號(hào)的腦機(jī)接口 第 14 頁 共 29 頁 當(dāng)我們使用 Stim 專用硬件時(shí)，可以達(dá)到的精度如下： ? 聲音： ? 噪音 106dB SNR ? 精度 24 bits ? 速率 192 kHz ? SPL 0120dB ， .75dB 獨(dú)立通道控制 ? 圖像： ? 至少 256Mb RAM ? 雙顯示器支持 ? 達(dá)到系統(tǒng)所支持的刷新率 ?至少分辨率 1024*768 ? 內(nèi)置硬件加速， Microsoft DirectX 支持 ? 觸摸板： ? 鍵盤，鼠標(biāo)以及 4button response pad 都是 1ms 精度。如上圖所示，點(diǎn)擊右邊的按鈕，可將腦電波 EEG 信號(hào)保存。 // Body size (in bytes) } PacketHeader。 基于腦電信號(hào)的腦機(jī)接口 第 17 頁 共 29 頁 7. 發(fā)送斷開連接數(shù)據(jù)包。 而運(yùn)行 Stim2 的電腦 2 此時(shí)將圖片顯示給被測(cè)試者看，同時(shí)此電腦將當(dāng)前圖片信息傳送給電腦 3， 電腦 3 也同時(shí)在收集電腦 1 傳送過來的 EEG 信號(hào)，電腦 3 根據(jù)這兩個(gè)信息訓(xùn)練 SVM 分類器，此時(shí)電腦系統(tǒng)運(yùn)行模式如下圖： Signal acquiring Classification Solution Signal process Feature extraction 基于腦電信號(hào)的腦機(jī)接口 第 18 頁 共 29 頁 圖 12 訓(xùn)練階段模型 在預(yù)測(cè)階段， 腦電波 EEG信號(hào)采集后通過放大器傳送給運(yùn)行 Scan的電腦 1，而運(yùn)行 Stim2的電腦 2 此時(shí)將圖片顯示給被測(cè)試者看， 與上面不同的是此時(shí)該 電腦 不 將當(dāng)前圖片信息傳送給電腦 3，電腦 3 僅僅 在收集 電腦 1 傳送過來的 EEG 信號(hào)， 并 根據(jù) EEG 信號(hào)判斷此時(shí)被測(cè)試者所觀察的圖片是哪一幅圖片，此時(shí)電腦系統(tǒng)運(yùn)行模式如下圖： 圖 13 預(yù)測(cè)階段模型 基于腦電信號(hào)的腦機(jī)接口 第 19 頁 共 29 頁 腦電信號(hào)數(shù)據(jù)獲取 在本試驗(yàn)中，被測(cè)試為一名上海交通大學(xué)計(jì)算機(jī)系在校學(xué)生，資料如下： ? 性別：男 ? 年齡： 21 ? 健康狀況：良好 試驗(yàn)時(shí)，被測(cè)試者坐在一間安靜的房間內(nèi)，一直注視著電腦屏幕，不受到任何外力的打擾。 腦電信號(hào)的處理和分類 腦電信號(hào)的處理和分類均在 Matlab 上實(shí)現(xiàn)。wname39。 RbfSVC 函數(shù)是用來訓(xùn)練樣本集。 由上表可以看出， 對(duì)兩種分類器而言，參數(shù)調(diào)整對(duì)分類準(zhǔn)確率會(huì)產(chǎn)生很大的影響，因而我決定對(duì)每路腦電信號(hào)分類器采用不同的參數(shù)，分別進(jìn)行分類。 這幾路信號(hào)分別對(duì)應(yīng)著以下幾路信號(hào)： Fp1, Fp2, T4, A1, T5, P3, Oz。 基于腦電信號(hào)的腦機(jī)接口 第 25 頁 共 29 頁 4. BCI 系統(tǒng)的發(fā)展前景 目前，基于 EEG 的 BCI 研究才剛剛起步， 目前的腦 — 計(jì)算機(jī)接口的研究主要用于康復(fù)工程，為那些肌肉活動(dòng)有障礙的人提供一種新的通訊和控制途徑。廣義上來說，生物反饋就是用監(jiān)控儀器檢測(cè)并放大人體內(nèi)部的生理過程，使這種本身對(duì)人來說不可得的信息變?yōu)榭傻?，并以某種形式返回給個(gè)人，以進(jìn)行生理活動(dòng)的調(diào)節(jié)。 當(dāng)前在世界范圍內(nèi) ， BCI 已經(jīng)越來越受到工程研究專家、心理學(xué)家、 計(jì)算機(jī)學(xué)家、 康復(fù)醫(yī)