【文章內(nèi)容簡介】 α 8～ 13Hz 運(yùn)動、感覺 β 13～ 30Hz 視覺 ? 30Hz以上 特征結(jié)合 早在 1947 年 Dawson 就最先提出了誘發(fā)電位 (EP)的概念 ,80 年代起誘發(fā)電位的研究十分熱門。因?yàn)檎T發(fā)電位的特異性 ,即它與“特定”刺激的有關(guān)性以及與特定感覺回路的密切聯(lián)系 ,使得它攜帶了關(guān)于大腦結(jié)構(gòu)及功能的更多信息。因此 ,誘發(fā)電位非常具有研究的意義。 在研究與高 級神經(jīng)活動相關(guān)的誘發(fā)腦電時(shí) ,人們除了采用一些經(jīng)典的誘發(fā)方式 ,如視覺誘發(fā)(AEPAuditory Evoked Potential ）、聽 覺誘發(fā) (VEPVisual Evoked Potential) 、體感 誘發(fā)(SEPSomatosensory Evoked Potential)等外 ,還利用各種不同的心理因素如期待、預(yù)備 ,以及各種隨意活動進(jìn)行誘發(fā) ,其電位稱為事件相關(guān)電位 (ERPEvent Related Potentials)。事件相關(guān)電位 (ERP)把大腦層的神經(jīng)生理學(xué)與認(rèn)識過程的心理學(xué)融合了起來 ,它包 括 P300。 (反映人腦認(rèn)知功能的客觀指標(biāo) )、N400(語言理解和表達(dá)的相關(guān)電位 )等內(nèi)源性成分。 ERP 和許多認(rèn)知過程的密切相關(guān)的聯(lián)系 ,使它成為了解認(rèn)知的神經(jīng)基礎(chǔ)的最主要信息來源 ,這些認(rèn)識過程包括心理判斷、理解、辨識、注意、選擇、做出決定、定向反應(yīng)和某些語言功能。 ERP 是一種特殊的誘發(fā)腦電信號 ,它與一般 EP 的區(qū)別主要在于 ERP 是在受試者主動參與的情況下獲得的誘發(fā)電位 ,但兩者的信號處理方法大致相同。 EP不同于傳統(tǒng)的 EEG。它具有以下三個(gè)特性 : (1)EP 的出現(xiàn)與刺激之間有確定和嚴(yán)格的時(shí)相關(guān)系 ,即有較穩(wěn)定的潛伏期。 咔嚓大學(xué) 2020屆本科生畢業(yè)論文 (2)某種刺激引起的 EP 有一定的反應(yīng)形式 ,不同感覺系統(tǒng)中反應(yīng)的形式也不相同。 (3)由各種感覺刺激引起的 EP,在大腦內(nèi)具有各自不同的空間分布。 因?yàn)? EP 是在刺激控制下出現(xiàn) ,同時(shí)具有上述特性 ,故它可以提供關(guān)于不同感覺系統(tǒng)及相應(yīng)腦區(qū)更多的信息 ,是一個(gè)較復(fù)雜的、有一定規(guī)律的、具有潛伏期、極性、波幅和時(shí)程的特定腦電圖形。因此 EP 比 EEG 記錄有較多的數(shù)量分析的可能 ,是 EEG 無法比擬的。 腦電的采集 腦電信號屬于μ V級的微弱信號 ,頻率范圍在 30Hz之間。 EEG 信號一般通過金屬電極和導(dǎo)電膠從顱外頭皮表面固定的位置進(jìn)行記錄。通?？梢詫㈩^皮上的一個(gè)電極的電位位置設(shè)為零 ,這個(gè)電極成為參考電極電位 ,其他電極與該電極電位差即為記錄電位。國際腦電圖學(xué)會在 1958 年制定了統(tǒng)一的10/20國際腦電為記錄系統(tǒng)（見圖 22） [1] 圖 22 10/20 系統(tǒng)電極放置法 10一 20系統(tǒng)的原則是頭皮電極點(diǎn)之間的相對距離以 10%和 20%來表示 ,并采用下面兩條標(biāo)志線 : 矢狀線 :從鼻根到枕外隆凸的連線 ,又稱中線。從前往后標(biāo)出五個(gè)記錄點(diǎn) :Fpz 、 Fz、 Cz、 Pz、 Oz。Fpz之前和 0z之 后各占中線全長 10%,其余點(diǎn)間距皆占 20%。 冠狀線 :兩外耳道之間的連線。從左到右也記錄五個(gè)點(diǎn) :T C Cz、 C T4。 T T4外側(cè)各占 10%,其余各點(diǎn)間占 20%。 Cz是矢狀線和冠狀線的交點(diǎn) ,因而常作為基準(zhǔn)點(diǎn)。 經(jīng)過上述兩線的邊緣 4 點(diǎn) ,以 Cz 為圓心 ,4 個(gè)點(diǎn)各在圓周上等距離的取 2 個(gè)點(diǎn) ,在 Fz、 C Pz、 C4間各取一個(gè)點(diǎn)。這樣 10一 20 系統(tǒng)共 21個(gè)有效電極組成。電極總數(shù)共 23個(gè) ,見表 。 咔嚓大學(xué) 2020屆本科生畢業(yè)論文 表 電極名稱、部位、編號、代號 部位 名稱 代號 電極編號 前額 Frontal Pole Fp1,Fp2 1,2 額 Frontal F3,F4,Fz 3,4,17 中央 Central C3,C4,Cz 5,6,18 頂 Parietal P3,P4,Pz 7,8,19 枕 Occipital O1,O2 9,10 側(cè)額 Inferior Frontal F7,F8 11,12 顳 Temporal T3,T4 13,14 后顳 Posterior Temporal T5,T6 15,16 耳 Auricular A1,A2 22,23 腦電信號數(shù)據(jù)集 慢 皮層電位數(shù)據(jù)集 本文采用的慢皮層電位數(shù)據(jù)集來源于第 2屆 BCI競賽的 Data set Ia(selfregulation of CSPS),由德國 Tuebingen大學(xué)提供。實(shí)驗(yàn)期間 ,測試者被要求移動在電腦屏幕上光標(biāo)向上或向下移動 ,在這個(gè)過程中獲得測試者的慢皮層電位。在記錄過程中 ,測試者會收到慢皮層電位的反饋。皮層電位為正時(shí)光標(biāo)向下移動 ,為負(fù)時(shí)向上移動 ,每次實(shí)驗(yàn)持續(xù) 6秒。在每次實(shí)驗(yàn)開始后的 ,任務(wù)通過屏幕上的顯示條來指示測試者向上或向下移動。慢皮層的反饋指示則在第 2秒開始顯示持續(xù)到第 ,具體過程見圖 31所示。采樣頻率為 256Hz,有 6個(gè)電極通道采集腦電信號（ 通道 1:A1Cz(10/20系統(tǒng) )(A1 =左乳突 )；通道 2:A2Cz；通道 3:2厘米額的 F3；通道 4:2厘米頂骨的 C3；通道 5:2厘米額的 F4；通道 6:2厘米頂骨的 C4）。這樣記錄到的第 2一 896個(gè)采樣點(diǎn)。訓(xùn)練數(shù)據(jù)有 268組 ,其中 135組屬于 class0(光標(biāo)向上移動 ),133組屬于 class1(光標(biāo)向下移動 )。測試數(shù)據(jù)有 293組。 數(shù)據(jù)集 Ia該數(shù)據(jù)包含 268次試驗(yàn) ,其中 168次試驗(yàn)數(shù)據(jù)來自第一天 ,100次來自第二天 ,兩者隨機(jī)混合。訓(xùn)練數(shù)據(jù)中 135次試驗(yàn)屬于類別 0（慢皮層電位為正向） ,133次試驗(yàn)屬于類別 1（慢皮層電位為負(fù)向）。測試數(shù)據(jù)包含 293次試驗(yàn) ,全部來自第二天 ,判斷屬于類別 0還是類別 1,對測試數(shù)據(jù)判別準(zhǔn)確率的高低作為比賽結(jié)果的依據(jù) ]11[ 。 圖 31 實(shí)驗(yàn)過程示意圖 咔嚓大學(xué) 2020屆本科生畢業(yè)論文 BCI 數(shù)據(jù)結(jié)構(gòu) 在提取慢皮層電位數(shù)據(jù)的特征前 ,需要先對采取到的信號數(shù)據(jù)進(jìn)行處理。 Class0和 class1分別有135組數(shù)據(jù)和 133組 數(shù)據(jù)。采取二維矩陣排列為 135 5376與 133 5376；先將數(shù)據(jù)組進(jìn)行維數(shù)轉(zhuǎn)換 ,把原始數(shù)據(jù)分通道 ,轉(zhuǎn)換成三維矩陣 135 896 6與 133 896 6；由于轉(zhuǎn)換后的兩組數(shù)據(jù)個(gè)數(shù)不一樣 ,為保證矩陣大小一樣 ,只取前 130個(gè)的。結(jié)果處理得到的 Traindata0forCSP和 Traindata1forCSP都是780 896,從而使用 CSP算法對兩組信號進(jìn)行特征提取。 下面針對該數(shù)據(jù)進(jìn)行數(shù)據(jù)讀取和維數(shù)轉(zhuǎn)換，用兩個(gè)子代碼實(shí)現(xiàn)： 子代碼一 : 功能是先提取文件中數(shù)據(jù)某一行 tline 變量，然后 判斷 tline 變量是否是 字符串類型的變量 ，如果變量 tline 屬于非字符串，那么執(zhí)行 break，否則執(zhí)行 if 語句將 tline 變量轉(zhuǎn)換 數(shù)字字符串矩陣。 Traindata0=[]。 while 1 tline=fgetl(fid)。 if ~ischar(tline),break。end tline=str2num(tline)。 Traindata0=[Traindata0。tline]。 end 子代碼二 : 功能是確保數(shù)據(jù)組的個(gè)數(shù)也即是矩陣大小一樣，只取前 130個(gè)，并從 3維矩陣 1 896 6轉(zhuǎn)換為二維矩陣 896 6。 Traindata0forCSP=[]。 for i=1:130 t=Traindata0_sect(i,:,:)。 t=shiftdim(t)。 Traindata0forCSP=[Traindata0forCSP。t]。 end 咔嚓大學(xué) 2020屆本科生畢業(yè)論文 第 3 章 慢皮層電位特征提取及分析結(jié)果 腦電特征的提取方法 CSP 簡介 目前以運(yùn)動想象為基礎(chǔ)的 BCI 系統(tǒng)中 ,CSP 特征提取方法作為一種有效的處理方法被廣泛使用。CSP算法在 BCI系統(tǒng)的應(yīng)用中取得了巨大的成功 ,它由 Fukunaga和 Koles首先提出并應(yīng)用于分類問題。在以往幾屆 BCI 競賽中 ,CSP 算法被廣泛采用 ,并取得了較好的效果。然而 ,基于多通道特性的 CSP 算法在這些應(yīng)用中只是作為空間濾波器來處理腦電信號的空間信息 ,對時(shí)域以及頻域的信息并未做任何加工。為了彌補(bǔ)這一不足 ,多種方法隨之被提出 ,大致可分為兩類思路。 第一類思路是在應(yīng)用 CSP算法之前對頻段和時(shí)間段進(jìn)行選擇 ,將其作 為 CSP算法的預(yù)處理過程。 CSP 算法利用代數(shù)上矩陣同時(shí)對角化的理論 ,尋找一組空間濾波器 ,使得在這組濾波器的作用下 ,一類信號的方差達(dá)到極大 。 另一類信號是方差達(dá)到極小 ,從而達(dá)到分類的目的。設(shè)一個(gè) Trial 的原始 EEG 信號為 EN T,其中 N 為電極導(dǎo)聯(lián)數(shù) ,T 為單次訓(xùn)練采樣點(diǎn)數(shù) ,即采樣時(shí)間長度與采樣率的乘積。對光標(biāo)上移運(yùn)動和光標(biāo)下移運(yùn)動分別進(jìn)行 n 個(gè) Trial 的數(shù)據(jù)采集。 CSP 運(yùn)算過程如下 [5]:第 1步 : 計(jì)算 2 類光標(biāo)移動信號的每個(gè) Trial 的協(xié)方差 ,協(xié)方差計(jì)算公式為 : )( TTEEtraceEEC ? （ ） 式中 : trace( X) 為矩陣 X 的跡 ,既矩陣 X 的對角線元素之和。 而后計(jì)算出所有 Trial的平均協(xié)方差 : ??? ni ill CC 1 , （ ） ??? ni ilr CC 1 , （ ） 進(jìn)而求得混合空間的協(xié)方差 : rlC CCC ?? （ ） 第 2步 : 對混合空間協(xié)方差進(jìn)行特征值分解 : TCCCC UAUC ? （ ） 式中 : Uc為特征向量矩陣 ,Ac為特征值對角矩陣。 第 3步 : 進(jìn)行白化 : TCC UAP 21?? （ ） Tll PPCS ? （ ） 咔嚓大學(xué) 2020屆本科生畢業(yè)論文 Trr PPCS ? （ ） 利用白化之后 lS 、 rS 具有相同的特征向量的特點(diǎn) ,經(jīng)特征值分解后可得 : Ttl BBAS ? （ ） Trr BBAS ? （ ） 由此求得所需的空間濾波器 W = ( BTP)T,通過 W濾波后獲得 ZN T= WN NEN