【文章內(nèi)容簡介】 變長。關(guān)于P300和認(rèn)知過程的聯(lián)系，一種猜測是，P300代表大腦結(jié)束知覺任務(wù)時的活動，當(dāng)大腦對所期盼的目標(biāo)刺激做出反應(yīng)時，內(nèi)側(cè)顆葉或頂葉等相關(guān)部位會激活，產(chǎn)生了膜間負(fù)電位，當(dāng)結(jié)束反應(yīng)時這些部位又受到抑制，正是在這個時候會出現(xiàn)P300。關(guān)于潛伏期的研究，Donchin認(rèn)為[ ]，P300的潛伏期反映的是大腦對外界刺激的反應(yīng)所需的時間。這就意味著 P300可用于研究腦的高級認(rèn)知過程。另外，有研究發(fā)現(xiàn)，在一般的哺乳動物中也普遍存在著P300，這說明P300很有可能代表生物神經(jīng)系統(tǒng)的某種基本活動。按照ERP成分的劃分方法[ ]，根據(jù)潛伏期的差異，10ms內(nèi)為早成分，1050ms為中成分，50300ms為晚成分，300ms以后則稱為慢波。P300顯然屬于晚成分。通常所測量的P300是淹沒在自發(fā)腦電以及眼電、肌電、腦電、工頻等一系列干擾信號中的，而其中最難分離的就是自發(fā)腦電信號。事件相關(guān)電位有兩個重要的特性:潛伏期恒定和波形恒定。與此相對，自發(fā)腦電則是隨機(jī)變化的。所以，可以將同一事件多次引起的多段腦電記錄下來，但每一段腦電都是各種成分的綜合，包括自發(fā)腦電(噪聲)。將由相同刺激引起的多段腦電進(jìn)行多次疊加，由于自發(fā)腦電或噪音是隨機(jī)變化，有高有低，相互疊加時就出現(xiàn)正負(fù)抵消的情況，而 ERP信號則有兩個恒定，所以不會被抵消，其波幅反而會不斷增加，當(dāng)疊加到一定程度時，ERP信號就會顯現(xiàn)出來了。所以，在一般的ERP信號研究處理中，為了提取事件相關(guān)電位變化，會進(jìn)行多次重復(fù)刺激，通過預(yù)定程序?qū)崿F(xiàn)疊加提取。 P300電位圖 典型P300電位圖 信號采集過程 被試和實驗設(shè)計被試介紹選擇合適的受試者對研究結(jié)果的普遍性和可靠性都具有很重要的影響。本課題的受試者為7位在讀碩士，均身體健康、精神狀態(tài)良好、右利手；實驗室為環(huán)境安靜、隔磁、隔熱的電磁屏蔽室；電極采用了材料為氯化銀的表面電極；為了減少軀體運動和腦電活動的干擾，本次實驗選擇耳垂作為參考電極（耳垂位置為國際1020系統(tǒng)標(biāo)準(zhǔn)參考電極位置），而且為避免由同側(cè)顳區(qū)造成的耳電極活化，采用對側(cè)耳垂作為參考零電位。刺激方案設(shè)計實驗的刺激方案為聽覺刺激：錄制好6個需要回答“是”或“非”的問題（例如：你是中國人嗎？），其中3個問題的答案是“是”，3個問題的答案是“非”。受試者做實驗時需帶耳機(jī)聽問題，然后用大腦回答。每位受試者做10組重復(fù)性試驗。 聽覺刺激的問題實驗圖 刺激方案時間間隔圖 實驗設(shè)備和數(shù)據(jù)采集腦電信號采集系統(tǒng)主要為腦電圖儀。腦電圖儀是專門用于測量和記錄腦電圖的裝置，其工作做原理是：放置在頭皮的電極能夠檢測出微弱的腦電信號，其通過電極導(dǎo)聯(lián)耦合到差動放大器進(jìn)行適當(dāng)放大并且數(shù)字化，最后通過與其配套的PC上的記錄系統(tǒng)記錄下信號數(shù)據(jù)[ ]。 腦電信號采集系統(tǒng)上圖中腦電采集系統(tǒng)主要包括腦電放大器（本實驗采用的為一臺32導(dǎo)高空間分辨率腦電設(shè)備（NT9200））一臺、耳機(jī)線二根、USB電纜一根、電極帽一個、PC機(jī)兩臺（在采集腦電信號時，聽覺刺激和腦電采集記錄分別通過兩臺PC機(jī)同時進(jìn)行）。腦電放大器、電極帽、PC機(jī)的詳細(xì)性能指標(biāo)如下：1. 腦電放大器。 通道數(shù)：32； 采樣率：1000/1024 次/秒； 共模抑制比：≥110dB； 噪聲電平：≤； 時間常數(shù)控制：，； 高頻濾波控制：15，30，45，60，120Hz； 工頻陷波：50Hz； 輸入范圍：177。15mV； 分 辨 率：； 標(biāo)記信號：正極電壓：++12V（串口8腳+ 9腳）（圓形 內(nèi)+ 外） 校準(zhǔn)方式：方波； 電源：USB供電； 隔離電壓：2500V； 運行環(huán)境：溫度10℃40℃，濕度30%76%； 腦電放大器NT9200 2. 電極帽。用來采集頭皮EEG信號。電極帽上的電極被固定在軟橡膠內(nèi)，以使佩戴者使用更舒適，適合長時間實驗的需要。使用時需要在電極內(nèi)注入導(dǎo)電膏或者用高濃度鹽水浸泡，以保證電極與頭皮接觸電阻小于5kΩ，用于獲得精確的腦電數(shù)據(jù)。實驗室采用的是符合國際1020標(biāo)準(zhǔn)系統(tǒng)（）的32導(dǎo)電極帽，電極為標(biāo)準(zhǔn)的銀/氯化銀（Ag/AgCl）電極。3. 兩臺PC機(jī)，其中一臺PC用于安裝聽覺刺激系統(tǒng)，用來對受試者產(chǎn)生聽覺刺激。另外一臺PC于腦電放大其配套使用，用于采集實驗產(chǎn)生的腦電信號。 PC機(jī)的技術(shù)參數(shù)為： CPU：Intel Pentium ，64位； 內(nèi)存：4GB DDR 主板：華碩P5GD1PRO FSB 800M； 顯卡：七彩虹 NVIDIA GeForce 6200 128M； 顯示器：聯(lián)想，19寸 LCD ； 硬盤：260GB SATA實驗過程做實驗時，在一個光線可控的屋子里，做實驗時熄燈。盡量隔絕外界噪聲和電磁干擾。受試者坐在椅子中，兩手自然地放在扶手上，閉上眼睛，戴著帶有棉套的耳機(jī)，聽刺激方案設(shè)計的問題。每個受試者做10組實驗，每組實驗要聽6個問題，每個問題聽完后根據(jù)問題內(nèi)容默答“是”或者“不是”，每兩個問題之間間隔3s。腦電采集的通道數(shù)為32，采樣率為1000Hz。與腦電放大器配套的實驗數(shù)據(jù)采集軟件的界面（NT9200系列數(shù)字腦電分析系統(tǒng)）。 NT9200系列數(shù)字腦電分析系統(tǒng) 實驗采集到的腦電信號 本章小結(jié)本章介紹了腦機(jī)接口的原理和實驗信號的采集。首先介紹了腦機(jī)接口的基本原理；然后介紹了腦電信號的采集和分類，重點介紹了P300電位；之后對腦機(jī)接口系統(tǒng)的基本結(jié)構(gòu)和原理進(jìn)行了介紹，最后對實驗數(shù)據(jù)的采集進(jìn)行了詳細(xì)介紹。第 3 章 腦電信號數(shù)據(jù)處理 腦電信號的特點和研究方法現(xiàn)代科學(xué)認(rèn)為大量神經(jīng)元細(xì)胞的非線性組合構(gòu)成了腦電信號，腦電活動信號具有確定性混沌的特性，人類的大腦是一個高度復(fù)雜、自組織的非線性系統(tǒng)。腦電信號的特點如下：腦電信號非常微弱，而背景噪聲卻很強(qiáng)。背景噪聲是指非研究對象的信號，如肌肉動作，眼睛眨動、精神緊張等[ ]，由此帶來一些工頻干擾和偽跡等信號。通常EEG信號的電壓都很低，范圍大致在50uV100uV之間，這些信號和腦電信號相比，表現(xiàn)比較強(qiáng)烈。這樣的話腦電信號的提取就很重要，相應(yīng)地對設(shè)備精度，檢測系統(tǒng)參數(shù)配置、分析系統(tǒng)等都有很高的要求，只有這樣才能從繁蕪復(fù)雜的信號中提取微弱的腦電信號。 腦的活動是涉及到很多方面的活動，由于影響因素太多，人們又未完全認(rèn)識其活動規(guī)律，只能從大量的統(tǒng)計結(jié)構(gòu)中尋找，導(dǎo)致隨機(jī)性很強(qiáng)。腦電信號是一種非平穩(wěn)隨機(jī)信號。非平穩(wěn)是指大腦中的神經(jīng)元的關(guān)系一直處于不斷發(fā)展變化中，并且對外界的影響具有一定的自我調(diào)節(jié)能力，因此腦電信號在時域上是非平穩(wěn)信號。腦電信號的頻域特征明顯。腦電信號具有非線性特征。腦電信號是大腦中各種神經(jīng)元之間互相作用的信號的復(fù)雜組合，組合的非線性導(dǎo)致腦電信號具有非線性的特點。腦電信號的測量一般都是用多電極測得的多導(dǎo)聯(lián)信號，在各導(dǎo)聯(lián)信號之間的互信息中蘊(yùn)含著重要的信息，深入有效地挖掘?qū)нB之間互信息，找出多導(dǎo)聯(lián)腦電信號之間的規(guī)律特征是目前腦電科學(xué)研究的一個熱點。事件相關(guān)電位(ERP，Event Related Potential)是一種與特定事件發(fā)生進(jìn)程有鎖時關(guān)系的腦電信號。ERP是刺激事件引起的實時腦電波，時間精度可以達(dá)到納級。穩(wěn)定的鎖時性和高時間精度是事件相關(guān)電位的主要優(yōu)勢。而事件相關(guān)電位的主要弱點在于低的空間分辨率，只能達(dá)到厘米級。理論研究中，事件相關(guān)電位只能采用數(shù)學(xué)推導(dǎo)來實現(xiàn)腦電的源定位，比如偶極子，此方法的穩(wěn)定及可靠性有限。事件相關(guān)電位不需要特別的訓(xùn)練，信號檢測和處理技術(shù)已經(jīng)比較成熟，不足就是需要人具備一定的知覺來配合(如視覺)。以下通過事件相關(guān)電位的產(chǎn)生過程來介紹一些經(jīng)典的ERP成分[ ]，包括CNV，MMN，N400以及本文所研究的P300電位。研究方法包括信號預(yù)處理、特征提取、特征分類等，其中腦機(jī)接口信號處理中最關(guān)鍵的環(huán)節(jié)是特征提取和特征分類。通過閱讀和總結(jié)大量論文發(fā)現(xiàn)，所有比較好的算法都顯示出了一些共同特點:幾乎所有的分類方法都是線性的,最常用的方法是Fisher 判別分析和線性支持向量機(jī)(SVM) ；獲勝算法大都使用了CSSD/ CSP 方法；某些獲勝算法聯(lián)合使用了振蕩事件相關(guān)去同步( ERD) 和非振蕩事件相關(guān)電位( ERP) 特征[ ]。這些結(jié)論可以一定程度的反應(yīng)腦機(jī)接口信號處理的研究現(xiàn)狀。 信號預(yù)處理一般情況下，腦電波的數(shù)據(jù)量非常大，因此對信號的預(yù)處理首先是進(jìn)行降采樣，以降低數(shù)據(jù)量。然后要進(jìn)行導(dǎo)聯(lián)的選取，通常是根據(jù)經(jīng)驗或者通過一些導(dǎo)聯(lián)算法來進(jìn)行相關(guān)導(dǎo)聯(lián)的選取。最后，還要對信號進(jìn)行帶通濾波，一般為230Hz的濾波。人體腦電信號是一種很微弱的電信號，采集腦電信號時，會受到各種噪聲的干擾，從電極記錄下來的信號會帶有偽跡，比較常見的偽跡如下：工頻干擾、眨眼、眼球運動偽跡和心電偽跡等。在帶通濾波之后要對信號進(jìn)行初步的偽跡去除，用來增強(qiáng)我們要處理的腦電成分。50Hz工頻干擾是由人體的分布電容所引起，包含豐富的諧波分量以及因電網(wǎng)不穩(wěn)定而造成的其他噪聲，用帶通濾波器之后會濾掉一部分這種干擾[ ]。另外，在做實驗時一般要考慮眼動干擾和心電干擾的因素。電極接觸噪聲是瞬時干擾，是由于電極與肌膚接觸不良引起的，即病人與檢測系統(tǒng)的連接不好，這方面在采集信號時要注意。濾波器類型的選擇要根據(jù)要處理的信號特征而定。Butterworth濾波器[ ]的頻率特性曲線，無論是在通帶和阻帶都是頻率的單調(diào)函數(shù)，因此，當(dāng)通帶邊界處滿足指標(biāo)要求時，通帶內(nèi)肯定有余量。Chebyshev濾波器[ ]能將精確度均勻地分布在整個通帶內(nèi)，或者均勻分布在整個阻帶內(nèi)，或者是同時分布在兩者之內(nèi)，這樣就可實現(xiàn)用階數(shù)較低的系統(tǒng)來滿足要求的目的。對性能要求一定的情況下，如果對頻率截至特性沒有特殊要求，考慮采用Chebeshev濾波器。腦電信號是由人體大腦發(fā)出的極其精密、相當(dāng)復(fù)雜并且有規(guī)律的微弱信號，外界干擾以及其它因素的存在都會使其變得更復(fù)雜，要準(zhǔn)確地對其進(jìn)行檢測、存儲和分析等是一項十分艱巨的任務(wù)。腦電信號的監(jiān)視、分析必須建立在有效抑制各種干擾、檢出良好的腦電信號的基礎(chǔ)之上。數(shù)據(jù)預(yù)處理始終是是腦電信號處理中一項非常重要的內(nèi)容。 腦電信號的特征提取算法 特征提取算法簡介特征提取：對某一模式的測量值進(jìn)行各種矩陣變換，以突出該模式中的具有代表性特征的一種方法。腦電信號特征提取是從經(jīng)過了預(yù)處理和數(shù)字化處理的腦電信號中提取出能反應(yīng)使用者意圖的信號特征，常用的特征提取方法有自回歸模、小波變換、獨立分量分析和共空間模式等[ ]。 自回歸AR 模型：AR 模型參數(shù)的估計方法是基于分段法，待處理數(shù)據(jù)被分為若干段，估計每段數(shù)據(jù)的AR 模型參數(shù)，這樣會得到一個關(guān)于AR 模型參數(shù)的時間過程，AR 的系數(shù)就是線性回歸模型的參數(shù)，也是代表信號特征的特征信號，通過改變這些系數(shù)，就可以得到不同的特征信號功率譜密度估計，信號的功率譜密度為當(dāng)波的頻譜密度乘以一個適當(dāng)?shù)南禂?shù)后將得到每單位頻率波攜帶的功率，這要求信號的傅里葉變換必須存在，即信號平方可加或者平方可積。小波變換[ ]：小波變換是一種時頻信號處理方法。小波這一術(shù)語，顧名思義，“小波”就是小區(qū)域、長度有限、均值為0的波形。所謂“小”是指它具有衰減性；而“波”則是指它的波動性，其振幅正負(fù)相間的震蕩形式。與傅里葉變換相比，小波變換是時間(空間)頻率的局部化分析，它通過伸縮平移運算對信號(函數(shù))逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時間細(xì)分，低頻處頻率細(xì)分，能自動適應(yīng)時頻信號分析的要求，從而可聚焦到信號的任意細(xì)節(jié)，解決了傅里葉變換的困難問題，成為繼傅里葉變換以來在科學(xué)方法上的重大突破。有人把小波變換比作“數(shù)學(xué)顯微鏡”。在缺乏先驗知識的條件下，小波變換能夠有效地檢測出腦電信號中短時、低能量的瞬時脈沖， 其最大的優(yōu)點是采用可變的時頻窗口去分析信號的不同頻率成分。 獨立分量分析[ ]（independent ponent analysis，ICA）：獨立分量分析是近年來發(fā)展起來的一種新的信號處理技術(shù)?；镜莫毩⒎至糠治鍪侵笍亩鄠€源信號的線性混合信號中分離出源信號的技術(shù)。除了已知源信號是統(tǒng)計獨立外，無其他先驗知識，獨立分量分析是伴隨著盲信源問題而發(fā)展起來的，因此又被稱為盲分離。 獨立分量分析方法是基于信源之間的相互統(tǒng)計獨立性。與傳統(tǒng)的濾波方法和累加平均方法相比，獨立分量分析在消除噪聲的同時，對其它信號的細(xì)節(jié)幾乎沒有破壞，它的去噪性能也往往要比傳統(tǒng)的濾波方法好很多。而且，與基于特征分析，如主成分分析（PCA）、奇異值分解（SVD）等傳統(tǒng)信號分離方法相比，獨立分量分析是基于高階統(tǒng)計特性的分析方法。在很多應(yīng)用中，對高階統(tǒng)計特性的分析更符合實際。公共空間模式[ ](Common Spatial Pattern , CSP)：共空間模式是假設(shè)在高維空間中的兩種情況分類，希望找到某個方向上一類方差最大，而另一類方差最小。因此共空間模式能估計出兩個空間濾波器來提取任務(wù)相關(guān)信號成分，并且同時去除任務(wù)不相關(guān)成分和噪聲。共空間模式用于線性和非線性均可。該算法的數(shù)學(xué)原理及公式將會在下一小節(jié)進(jìn)行詳細(xì)介紹。 共空間模式共空間模式(CSP)算法最早是由Fukunage等人[ ]提出來的，F(xiàn)ukunage等通過KL變換來分類。之后，Romeser和他的同事[ ]把共空間模式算法用在BCI中。共空間算法是找到一個空間上的投影，使得類內(nèi)間距盡可能小，類間間距盡可能大。使用它能夠消除噪聲，提取出相關(guān)信號的特征成分。共空間模式的目的是設(shè)計空間濾波器，數(shù)據(jù)通過空間濾波器后得到分類器所需要的特征向量。這樣的空間濾波器特別適合于兩種任務(wù)條件下的大腦信號分析，因此在聽覺刺激“是”、“非”問題的腦電信號的特征提取中有很大的優(yōu)勢。共空間模式的空間濾波器設(shè)計步驟如下：對于包含兩個任務(wù)信息A，B的信號矩陣（其中包括外界的噪聲），來自A,B兩任務(wù)的信號源分別用XA和XB表示，利用下面兩個公式進(jìn)行建模：XA=CACCSAS