（电路与系统专业论文）P300脑电诱发电位的分类识别及在脑机接口中的应用.pdf

山东大学硕士学位论文 b c i e r p v e p e p p 3 0 0 e e g b l d a 符号说明 脑机接口( b r a i nc o m p u t e ri n t e r f a c e ) 事件相关电位( e v e n tr e l a t e dp o t e n ti a l ) 视觉诱发电位( v i s u a le v o k e dp o t e n t i a l ) 诱发电位( e v o k e dp o t e n t i a l ) p 3 0 0 脑电信号 脑电波图( e l e c t r o e n c e p h a l o g r a m ) 贝叶斯线性判决分析 ( b a y e s i a nl i n e a rd i s c r i m i n a n ta n a l y s i s ) f l d a 费希尔线性判决分析 s v m ( f i s h e rl i n e a rd i s c r i m i n a n ta n a l y s i s ) 支持向量机( s u p p o r tv e c t o rm a c hi n e ) 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体己经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：耋重翘 e l 期：坦星! 丝竺 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签主：耋堕塑导师签名：! 至皂堑日期：垫丝：竺：丝 山东大学硕士学位论文 摘要 脑机接口( b c i ：b r a i n - c o m p u t e r i n t e r f a c e ) 是一种把从人脑采集到的电信号 转换成控制命令直接传递给计算机或其他机器的装置，其作用是建立一个独立于 人体的大脑与电子设备的交流控制通道，可以有效地帮助身体严重残疾的瘫痪人 士。脑机接口的研究涉及神经科学，信号检测，信号处理，控制实现等多个领域。 p 3 0 0 是一种常见的用于构建脑机接口系统的脑电信号。p 3 0 0 是一种诱发电位，是 神经系统接受特定模式下的视觉刺激所产生的特定电活动，发生于特定的时间， 在特定的脑头皮区域信号能量分布比较明显，相对比较容易检测，适合于脑机接 口应用。采用基于p 3 0 0 信号的脑机接口系统，使用者无需特别的训练就可以达到 较好的效果。 本文工作是对p 3 0 0 信号的分类识别研究。分别选择费希尔线性判决分析、贝 叶斯线性判决分析与支持向量机作为信号分类识别的算法，处理来自瑞士e p f l 实 验室的p 3 0 0 实验数据及b c i h i 竞赛的p 3 0 0 数据，并对比分析影响p 3 0 0 分类识别结果 的各个因素，如算法的选择、预处理时间窗的设计、导联的选取等等。研究表明 采用线性判别分析识别b c i i i i 竞赛的p 3 0 0 数据，识别正确率平均可达9 0 以上，而 整个识别处理时间较支持向量机明显缩短，说明线性判别分析为核心的分类算法 适用于基于p 3 0 0 的脑机接口系统。 关键字：脑机接口，p 3 0 0 ，模式识别，费希尔线性判决分析，贝叶斯线性判决分 析，支持向量机 山东大学硕士学位论文 a b s t r a c t a b r a i n - c o m p u t e ri n t e r f a c e ( b c i ) i sar e a l t i m ec o m m u n i c a t i o ns y s t e mi nw h i c h m e s s a g e so rc o m m a n d ss e n tb yt h eu s e rd on o tp a s st h r o u g ht h eb r a i n sn a t u r a lo u t p u t p a t h w a y s t h eb r a i nw a v e sw h i c hc o u l db eu s e di nb c i si n c l u d ee e g ，e c o ge t a 1 t h e r ea r ek i n d so fb c i sb a s e do nt h ed i f f e r e n tb r a i ns i g n a l s p e o p l eh a v ed e s i g n e db c i s b a s e do nt h eu s e r sr e s p o n s et os p e c i f i cs e n s o r ye v e n t so re v e n tr e l a t e dp o t e n t i a ls u c h a sp 3 0 0 p 3 0 0a p p e a r e dj u s t3 0 0 m sa f t e rt h ee v e n th 印p e na n dc o u l db e0 b t a i n e dw h e n s u b j e c t sw e r ef a c i n ga s c r e e no nw h i c hf l a s h e ds u b j e c tw e r ed i s p l a y e d i nt h i ss t u d y , w e w i l ld i s c u s sd i f f e r e n tk i n d so fe l e c t r o d ec o n f i g u r a t i o n sa n dm a c h i n el e a r n i n ga l g o r i t h m s t of i n do u tt h eb e s tw a yt oc l a s s i f yt h ep 3 0 0s i g n a l s i nt h i st h e s i s ，w es t u d ym e t h o d so ff l d a ( f i s h e r sl i n e a rd i s c r i m i n a n ta n a l y s i s ) ， b l d a ( b a y e s i a nl i n e a rd i s c r i m i n a n ta n a l y s i s ) a n ds v m ( s u p p o r tv e c t o rm a c h i n e ) w h i c ha r eu s e dt oc l a s s i 母p 3 0 0s i g n a l s b e f o r et r a i n i n gac l a s s i f i c a t i o np a r a m e t e rf o r t h ea l g o r i t h m , s e v e r a lp r e p r o c e s s i n go p e r a t i o n sw e r ea p p l i e dt ot h ed a t ai n c l u d i n g f i l t e r i n g ，d o w n s a m p l i n g ，s i n g l et r i a le x t r a c t i o n ，e l e c t r o d es e l e c t i o ne ta 1 e x p e r i m e n t s i n d i c a t et h a tl d ah a st h ea d v a n t a g e so fe a s yi m p l e m e n t a t i o na n dl o wc o m p u t a t i o n a l c o s t ，a n di ss u i t e df o rb c ib a s e do np 3 0 0 t h ec l a s s i f i c a t i o na c c u r a c yd e p e n d so nt h e c o n f i g u r a t i o na n dn u m b e ro fe l e c t r o d e s ，t h es n ro ft h ed a t aa n dt h ea l g o r i t h mw e s e l e c t e d f u r t h e rw o r kw i l li n c l u d et h e a l g o r i t h mi m p r o v e m e n tt oy i e l dh i g h e r c l a s s i f i c a t i o na c c u r a c y k e y w o r d s ：b r a i n - c o m p u t e ri n t e r f a c ef b c r ) ，p 3 0 0 ，b a y e s i a n l i n e a rd i s c r i m i n a n t a n a l y s i s ( b l d a ) ，f i s h e r sl i n e a rd i s c r i m i n a n ta n a l y s i s ( f l d a ) ，s u p p o r tv e c t o rm a c h i n e ( s v m ) 2 山东大学硕士学位论文 1 1 引言 第一章绪论 大脑是人身体中的高级神经活动的中枢，控制着人体这个复杂而精密的系统， 对人脑高级功能及其神经机制进行多学科，多层次的综合研究已经成为当代脑科 学发展的热点方向之一。人的感知、思维、语言及运动能力，均是通过大脑对人 体器官和相应肌肉群的有效控制来实现。现实生活中有不少运动功能缺失的残障 人士，其中的全身瘫痪者，虽有完整的意识，但已丧失了通过语言或肢体与外界 沟通的能力。脑机接口研究旨在帮助这些残障人士。自七十年代起，研究人员就 尝试构建通过脑波与外界交流的系统。随着电子和信息技术的发展，脑机接口研 究在近十年取得了长足的进步。目前，脑机接口的应用已由医疗康复领域迅速延 展到社会生活的诸多方面。鉴于脑电信号的复杂性，目前所展示的脑机接口系统 均远未成熟。现今研究所遇到的最大困难是，如何提高单次试验的分类识别正确 率和系统传输比特率，可通过研究更好的分类识别算法加以解决。 1 2 脑机接口概述 1 2 1 脑机接口研究的背景及意义 脑机接口( b c i ：b r a i n - c o m p u t e r i n t e r f a c e ) 技术形成于1 9 7 0 年代，是一种 涉及医学、神经学、信号检测、信号处理、模式识别等多个领域的交叉技术l i 】第 一届脑机接口( b c i ：b r a i n c o m p u t e r i n t e r f a c e ) 国际会议给出的b c i 定义是：“脑 一计算机接口是一种不依赖于正常的由外围神经和肌肉组成的输出通路的通讯系 统”l z j 。如上所述，技术研究的初衷是为了帮助那些大脑的正常交流通路( 脑一 脑神经一肌肉) 存在阻碍的病患。脑机接口系统可以多方面帮助病患显著提高牛活 质量；比如可以与外界通讯交流，控制周围环境，使用人工智能活动假体等等。 最新统计数据表明：仅美国肌萎缩性( 脊髓) 侧索硬化症( a m y o t r o p h i cl a t e r a l s c l e r o s i s ，a l s ) 患者就有大约3 万人，脑干损伤约有5 万人，脑瘫4 0 万人，各种 4 山东大学硕士学位论文 运动功能失常的病人超过2 0 0 万人【3 1 。这对于他们及其家人乃至整个社会，都构成 沉重的负担。脑机接口技术对于病人的亲属，可能仅仅是生活中便于照顾，但对 于众多瘫患者自身，则是赋予了独立生命的尊严与意义，增强生活的信心。 1 2 2 研究历史和国内外现状 自从h a n sb e r g e r 在1 9 2 9 年描述了e e g ( 脑电图) 信号之后，人们就在考虑 把e e g 信号直接用于大脑与外界的通讯和控制。在1 9 7 0 年代，科学家研制了一个 由头部电记录信号驱动的简单的交流系统，这也标志着b c i 技术的成形。1 9 9 0 年 代中期随着信号处理和机器学习技术的发展，b c i 的研究逐渐成为热点。1 9 9 1 年 w o l p a w 等发表了通过改变脑电信号中的m u 节律幅度来控制光标移动的成果，最先 提出了大脑驱动控制技术的概念，即脑电控制h 。之后不断出现有关脑电控制的实 例，n a t u r e 在2 0 0 0 年刊载了题为“r e a lb r a i n sf o rr e a lr o b o t s ”的文章，报 道了从猴予大脑皮层获取的神经信号实时控制千里之外的一个机器人。 b i r b a u m e r 等人在1 9 9 9 年描述了一个使用e e g 信号的b c i 系统，以及其在残 障人士身上测试的情况。在他们开创性的工作中，b i r b a u m e r 等人展示了一个身患 肌萎缩性( 脊髓) 侧索硬化( a l s ) 症病人成功使用b c i 系统控制一个拼写装置并与 外界交流。这个系统是根据这样一个事实：受试者能够自主的学习慢皮层电位的 规律，通过反馈训练学习，受试者可以使s c p 幅度产生正向或负向偏移。系统的 缺点是它通常都需要受试者对系统进行数月的学习与训练，通信速率也相对较慢。 与b i r b a u m e r 等人工作的同时，一种以相关于运动想象的脑电信号变化作为 控制信号的b c i 系统也有所发展( p f u r t s c h e l l e r 和n e u p e r ，2 0 0 1 ) 。这些系统在 很长一段时间内都只由健康人或者是四肢瘫痪者来测试，如今可选的测试对象加 进了肌萎缩性( 脊髓) 侧索硬化( a l s ) 症病人和其它残障对象。k u b l e r 等人( 2 0 0 5 ) 也获得了一些积极的结果：一些肌萎缩性( 脊髓) 侧索硬化( a l s ) 症病人可以通过 学习继而控制基于运动想象的b c l 系统i ) j 。另外，k e r i n 和a u n o n 采用b a y e s j a n 分类器，以基于频率的信号特征对两类自发思维e e g 进行分类，准确率达到 7 0 一1 0 0 6 1 。 从研究者的数量上来看，1 9 9 5 年全世界只有6 个研究小组专门从事b c i 的研 究，1 9 9 9 年则超过了2 0 个，到2 0 0 2 年则有近4 0 个【2 】【8 1 。先后于1 9 9 9 年6 月、 山东大学硕士学位论文 2 0 0 2 年6 月和2 0 0 5 年6 月在美国召开的三次有关b c i 的国际学术会议【2 】【8 】【9 】，对 于b c i 技术的发展，起到了不可替代的导航作用。 尽管已经有了3 0 年的发展，但实际上b c i 还是处于它远未成熟的婴儿期【6 j 。 在研究与开发中，存在众多的机器学习与模式分类算法。尽管文献都表明它们具 有较好的结果，但因为采用不同的数据，衡量的标准也不尽相同，很难评估其优 劣。一种有效的方法是提供公共的标准数据集，让研究者进行数据分析竞赛。与 b c i 会议同期举办的b c i 数据处理竞赛，为这样的交流提供了一个很好的平台。 清华大学高上凯教授指导下的课题组在b c i i i i 竞赛中的脑皮层记录( e c o g ) 运 动想象电位分类部分取得了第一名的好成绩。此外清华大学的高小榕小组在同期 竞赛中的p 3 0 0 单元也取得了第二名的好成绩。本文研究的数据之一就来自b c i i h 竞赛中的p 3 0 0 单元部分。p 3 0 0 竞赛单元的第一名获得者是来自法国的a l a i n r a k o t o m a m o n j y ，他们采用基于支持向量机的分类算法，1 5 次重复的识别正确率达 到9 6 5 ，5 次重复的识别正确牢达到7 3 5 。第二名的高小榕小组也采用了基于 支持向量机的分类算法，他们还引入独立分量分析来进行去眼动干扰的处理，1 5 次重复也达到了9 0 5 。在他们的研究之后，山东大学杨立才课题组又继续对此做 了深入研究，他们同样采用了支持向量机的分类算法，并对每一导联采用k - s c o r e 评分算法进行比较选取，取得了更为理想的结果【i u j 。 1 2 3 脑机接口基本原理及结构 神经科学的研究表明人的大脑产生意识活动时，无论是感觉刺激还是动作冲 动( 执行或执行前) ，其神经系统的电活动都会发生相应的改变。神经系统的这种 电活动可以通过一定的手段检测出来，成为感觉或动作发生的特征信号。通过对 这些特征信号进行分类识别，分辨出所识别信号对应的动作意图，继而通过计算 机将这样的信号转化为机器命令驱动外部设备，这样在没有肌肉和外围神经的参 与下，人脑完成了对外部环境的控制，这就是b c i 的基本工作原理i ij 。 6 山东大学硕士学位论文 - i i ii i i 置i 用户( 脑部，感f 知器官等) j 设鲁状态反馈 耖器设备 一一 f 、 一、 设备控制 ：征提取匕特征分类 控制接口 b 7 1 y 器 图1 1b c i 系统的基本结构 如图1 1 中所示，除去框图中用户单元和被控制的机器设备单元，信号的测 量、预处理、特征提取分类，以及控制设备接口等几部分综合起来就成为一个b c i 系统1 3 j 。框图简介如下：信号采集与选择的信号类型密切相关，本文会在脑电信号 章节对此作迸一步分析；目前实用人体脑机接口研究大多采用非侵入式的头皮测 量e e g ( 脑电波图) 信号；信号处理包括了预处理、特征提取、识别分类等过程，其 中特征提取和识别分类是最为关键的环节；分类器的输出即作为设备控制器的输 入信号，设备控制器是将抽象的信号转化为实际的操作，如人工假体的三维动作， 或对计算机在显示屏的选项进行选择。 1 3 选题背景 如前所述，运动功能严重失常的患者是当前脑机接口研究的主要目标人群。研 究脑机接口系统就是为了在人脑和外界之间建立直接交流的通道，它可以有效增 强患者与外界沟通的能力，提高生活质量。 随着脑机接口技术的进步，其在更多的领域有了广泛的应用。例如：当战斗 机或宇宙飞船的加速度达到5 9 甚至l o g 时，驾驶员的视觉会出现问题，此时，脑 机接口除了可远距离监视驾驶员的注意力外，也可以提供飞行员另外一种在高加 速度下控制飞机的手段；此外，脑机接口是一种全新的人机交互方式，国外已经 7 一 曹 l 山东大学硕士学位论文 有研究者开发出了面向健康人的基于脑电波的游戏；在我们所熟悉的刑侦领域， 基于b c i 技术的测慌系统，相较传统测谎也更为可靠。 脑机接口研究可在多个领域开展工作，如信号的选择、信号的处理、系统的 实现等等。需要指出的是各个研究领域并不是独立的，而是紧密关联在一起，比 如信号处理方法的选择及处理效果的优劣一定程度上就取决于系统的输入信号。 信号处理选择的硬件平台也关联着系统的便携性以及实现的难易程度。 本文开展脑电信号的分类处理的研究，对常用于脑电信号处理的算法及可能 对分类识别结果有影响的因素做进一步探讨。 1 4 本文的主要研究工作及内容安排 论文正文总共分为六个部分，内容安排如下： 第一章是绪论部分。首先对脑机接口进行介绍，概述了研究的背景及意义， 分析了国内外研究的现状，之后对脑机接口的工作原理及基本结构进行描述，并 介绍了选题的理论价值，最后介绍本文的工作。 第二章对脑电信号进行详细描述。首先介绍了脑信号的产生和采集，接着对 脑电图、脑电图的科学记录作了解释，之后对本文中的具体研究对象事件相关电 位及p 3 0 0 信号进行详细描述。 第三章是本文的理论核心部分。首先介绍了我们要处理的e e g 信号的特征，特 征提取的方法，之后概述了脑电信号分类识别的算法。最后对本文具体用到的三 类算法进行了详细描述。 第四章是数据处理部分。首先详细介绍了本文要处理的数据对象：数据对象 来源分为俩部分，第一部分是来自b c i i i i 竞赛单元中的p 3 0 0 信号数据，第二部分是 来自e p f l 脑机接口小组的p 3 0 0 信号数据。之后对基于不同分类算法的处理过程分 别进行了描述。 第五章是数据处理结果的展示和结果的讨论。首先以图像形式对处理前的信 号进行了展示，之后分节对不同的数据以及不同的处理手段时得到的结果进行描 述，并对结果进行讨论分析。 第六章对全文进行了总结，并对下一步工作和可能的研究方向进行了探讨。 山东大学硕士学位论文 第二章脑电信号与p 3 0 0 脑机接口的实现，需要有一种能够可靠反映人脑不同状态的信号作为输入， 并且这种信号能够实时( 或短时) 被提取和分类【3 1 ，为此，研究人员已对脑部信号 做了长期而大量的研究。目前，人脑的活动已经可以被多种技术检测，这些技术 检测出的脑信号涵盖磁信号、电信号、以及光学扫描信号等等，脑电信号为本文 研究的对象。 2 1 脑电信号概述 早在1 9 世纪，英国的一位青年生理科学工作者r i c h a r dc a t o n 通过直接置于暴 露的动物脑表面的电极发现存在脑电信号，并于1 8 7 5 年发表了“脑灰质电现象的 研究 的论文，之后他通过干扰进入动物眼中的光线，检测到了脑电的负向波动。 十五年后，贝克( a b e c k ) 再一次发表有关脑电波的论文，掀起了研究脑电现象 的热潮。到1 9 2 9 年，德国的精神病学医师贝格尔( h a n sb e r g e r ) 经过多年潜心研 究，在人类头盖骨处同样记录到类似上章所提的电气活动，这才算是真正地记录 到了人脑的脑电波，他将其命名为脑电图( e 1 e c t r o e n c e p h a l o g r a m ) 简称e e g ，之 后脑电图开始被系统研究并应用于医学领域。 2 1 1 脑电信号的采集 介绍脑电信号的采集之前，先了解一下人脑的结构。成人脑重1 5 k g ，有约1 0 个神经元，由端脑、间脑、中脑、后脑、末脑五个主要组成部分构成，其中属端 脑的大脑主要功能为：1 调控人的主要感觉和运动；2 推理、记忆、认知等；3 自丰和边缘系统功能( 情绪) l i ij 。 脑属于人的中枢神经系统( c e n t r a ln e r v o u ss y s t e m ，c n s ) ，被颅骨和膜所 包裹。脑由灰质和白质组成，其内充满了脑脊液。灰质由神经元胞体及其树突和 神经胶质组成。灰质形成迂曲的大脑皮层和小脑皮层【l 。采集的脑电信号就是大 脑皮质神经元细胞电活动状态的反应，脑电信号采集可分为侵入方式和非侵方式。 9 山东大学硕士学位论文 头皮 软组织层 头骨 一一 ? 一一”一一一一一 硬脑膜一一一一一，e c o g 脑皮质层 1 l f p s & s p i k e s & l f p s 卜一 5m m 图2 1 脑电信号的采集 如图2 1 所示，依照不同的采集部位可获得不同的脑电信号。头皮处采集的脑 电信号即为脑电图( e l e c t r o e n c e p h a l o g r a m ) 简称e e g ；脑皮质层表面采集的信号 为e c o g ：s p i k e s 或局部区域电位( l o c a lf i e l dp o t e n t i a l s ) 需要将探针插入脑 皮质层内。 以上信号作为脑机接口系统的输入时各有优缺点。e e g 采集简单方便且为非侵 入式，被测者容易接受，目前被研究的也最多，但e e g 信号的地形图分辨率和频率 范围有限，也很容易被脑磁信号、头骨部肌肉信号、心电信号等干扰，同时研究 人员需要考虑电极与头皮的接触电阻以及如何使其在头皮处保持固定；脑皮质层 信号的地形图分辨率和频率范围相较e e g 要大一些，也不会被脑磁信号和心电信号 所干扰，手术之后也不需要过多考虑固定问题，脑皮质信号是脑机接口中信号研 究一个很好的潜在方向，但由于需要手术，目前人体研究还不多；“s p i k e s ”和 l f p s 能提供最高解析度的脑地形图分辨率及频率范围，f 口目前绝大多数研究都是 通过动物展开的峰j 。 2 1 2 脑电图 脑电图( e e g ) 就是通过电极记录下来的脑细胞群的自发性、节律性电活动。 以脑细胞电活动的电位为纵轴，时问为横轴，这样把电位与时间的相互关系记录 下来的就是脑电图。正常的自发脑电一般处于几微伏n 7 5 微伏之间。而由心理活 l o 山东大学硕士学位论文 动所引起的脑电比自发脑电更弱，一般只有2 到1 0 微伏，通常淹埋在自发电位中。 其成分复杂而不规则。脑电图的波形近似于正弦波。它主要由脑皮质层大量的神 经元同时发生突触后的电位变化所形成【化j 。 正常成年人的脑电图的波形、波幅、频率和位相等都具有一定的特点。人体 依其身体状况，个体差异，脑电图的特征都会有所不同。传统上对脑电图的波形 分类，主要是依据其频率的不同来人工划分的。一般说来，频率慢的其波幅通常 比较大，而频率快的其波幅就比较小。从脑电波波形频谱成分的角度，根据其频 率的高低可将波形分成以下四种： 1 口波频率为每秒8 - 1 3 次，在头部的任何部位均可记录到，而以枕叶处最 明显。它是正常人脑电波的基本频率。如果没有外界的刺激，其频率是相当恒 定的。口波波幅在5 0 一1 0 0 微伏之间，很少超过1 0 0 微伏，如果口波超过1 5 0 微伏， 即为病理现象。当进行有意识的视觉作用或有目的的智力活动时，口节律很快被 高频、低幅的波所代替。 2 波频率为每秒大于1 5 ( 或1 6 ) 次，在额叶最容易出现，一般幅值不超 过2 0 微伏。通常认为p 节律是属于活动类型，与精神紧张和情绪激动有关，代表 大脑皮层兴奋性的提高。 3 曰波频率为每秒4 7 次，在顶叶、颜叫较明显。秒波为少年( 1 0 1 7 岁) 的脑 电图主要波形。它的振幅为1 0 0 1 5 0 微伏。秒波的出现与精神状态有关，成人在困 倦及受到拌折时容易出现秒波，而精神愉快时就消失。 4 万波频率为每秒0 3 次，振幅为2 0 - 2 0 0 微伏。出现于颜叶和枕叶，在清醒 的成人中一般记录不到该波，只有在深睡、缺氧、深度麻醉时可出现万波。 1 2 】 实际所测量到的脑电波是以上多个频葺墨成分叠加形成的信号，而且通常还混 合有大量的背景噪声。 2 1 3 脑电图科学记录 脑电图的标准记录装置是一个电极帽，上面有多个记录或吸收头皮放电状态 的电极，这些电极在帽子上的位置是根据国际脑电图学会1 9 5 8 年制定的1 0 - 2 0 系统 ( j e s p e r ，1 9 5 8 ) 确定的。每一个电极记录到的脑电变化代表的是特定位置头皮 山东大学硕士学位论文 上的放电情况。1 0 - 2 0 系统的原则是头皮电极点之间的相对距离以1 0 与2 0 来确 定，并采用两条标志线，如图2 2 。条称为矢状线，是从鼻根到枕外隆凸的连线， 从前向后标出5 个点：f p z 、f z 、c z 、p z 、o z 。f p z 之前与0 z 之后线段长度占全长 1 0 ，其余各点间距离均占全长的2 0 。另一条称为冠状线，是两外耳道之间的连 线，从左到右也标出5 个点：t 3 、c 3 、c z 、c 4 、t 4 。t 3 和t 4 # b o l l 各占1 0 ，其余各 点间距离均占全长2 0 。其中，c z 点是两条线的交汇点，常作为确定电极帽是否戴 正的基准点。【5 j 图2 2b c ii i i 竞赛p 3 0 0 脑电记录6 4 导联图 2 1 4 常用于脑机接口的脑电信号 脑电信号从不同的角度可以有多种分类方式f 3 】【14 1 。这里从脑机接口实用研究 角度，根据以上描述的采集方式以及信号产生模式( 指e e g 信号的产牛) ，对常用 于脑机接口的信号介绍如下。 1 视觉诱发电位( v i s u a le v o k e dp o t e n t i a l ，v e p ) 视觉诱发电位是指从视觉通路的不同水平记录出不同的牛物电反应，其诱发 刺激可以是荧光，闪光刺激。 2 p 3 0 0 p 3 0 0 是事件相关电位( e v e n tr e l a t e dp o t e n t i a l ，e r p ) 的一种，其峰值大约 出现在相关事件发牛后的3 0 0 m s ，因此得名。研究表明，相关事件出现的概率越小， 所引起的p 3 0 0 电位越显著。基于p 3 0 0 的b c i 的优点是使用者无须通过复杂训练就可 山东大学硕士学位论文 获得较高的识别正确率。本文将在下一节对p 3 0 0 继续详述。 3 事件相关同步与去同步电位 单边的肢体运动或肢体想象运动可以导致大脑对侧产生事件相关去同步电位 ( e r d ) ，大脑同侧产生事件相关同步电位( e r s ) 。p f u r t s c h e l l e r 等人进行了一 系列基于e r d 的b c i 系统的研究，并实现了g r a z l 和g r a z 2 两个有代表性的b c i 系统。 4 自发脑电信号 大脑自身有着四种不同类型节律的脑电波，本文在脑电图小节中已对此作了 详细介绍。在人的不同动作和知觉状态下，脑电中的不同节律呈现出各异的活动 状态。 5 脑皮层慢电位( s c p ) 皮层慢电位为侵入式脑电信号，它反应大脑皮层的电位变化，持续时间为数 百毫秒到几秒，实验者通过反馈训练，可以使皮层电位幅度产生正向或负向的偏 移。 6 植入电极采集的脑电 此类型信号在脑电信号采集一节中已作介绍，也为侵入式脑电信号。植入颅 内的微电极具有较高的空间和频率分辨率，能提供电极附近少数神经元的电活动 信息，定位好、信噪比高。植入电极不受肌肉运动的影响，可以在头部固定较长 时间，具有较好的位置稳定性，适合特定的病人或特定的场合。【3 】 2 2 事件相关电位与p 3 0 0 与特定事件发生进程有锁时关系的脑电称为事件相关电位( e r p ，e v e n t r e l a t e dp o t e n t i a l ) 。e r p 是刺激事件引起的实时脑电波，时间精度可以达到“s 级。 稳定的锁时性和高时间精度是e r p 的丰要优势。而e r p 的丰要弱点在于低的空间分 辨率，只能达到厘米级。理论研究中，e r p 只能采用数学推导来实现脑电的源定位， 比如偶极子，此方法的稳定及可靠性有限。事件相关电位不需要特别的训练，信 号检测和处理技术已经比较成熟，不足就是需要人具备一定的知觉来配合( 如视 觉) 。以下通过其产生的过程来介绍一些经典的e r p 成分，包括c n v ，m m n ，n 4 0 0 以 及本文所研究能j p 3 0 0 0 | 。 山东大学硕士学位论文 2 2 1p 3 0 0 与o d d b a i i 范式 p 3 0 0 是s u t t o n 于1 9 6 5 年发现，发表在当年的s c i e n c e 上。在发现p 3 0 0 时使用了 一个称为o d d b a l l 的经典e r p 实验范式。o d d b a l l 实验范式是，对同一感觉通道施加 两种刺激，一种刺激出现概率很大，如9 0 ，另一种刺激出现的概率很小，如1 0 。 两种刺激以随机顺序出现，这样，对于被测者来说，小概牢刺激的出现具有偶然 性，出现频率较低。实验任务要求被测者关注作为靶刺激的小概率刺激，只要小 概率刺激一出现就尽快做出反应。 在这种条件下，实验记录显示在小概率刺激3 0 0 m s 之后出现一个正波，称为 p 3 0 0 。研究发现p 3 0 0 的波幅与所投入的心理资源量成正相关，其潜伏期随任务难 度增加而变长。p 3 0 0 反映的认知过程，一种解释认为，p 3 0 0 代表知觉任务的结束， 即对所期盼的靶刺激或目标刺激做出有意识加工时，相关顶叶或内侧颞叶部位受 到激活，产生负电位，当加工结束时这些部位又受到抑制，于是出现了p 3 0 0 。 d o n c h i n 认为，p 3 0 0 的潜伏期反映的是对刺激的评价或分类所需的时间。意味着 p 3 0 0 可用于研究脑的高级认知过程。另外，p 3 0 0 也普遍存在于哺乳动物中，如老 鼠、猫、猴等，这说明p 3 0 0 可能代表着神经系统的某种基本活动。 按照e r p 的成分划分方法，根据潜伏期的差异，l o m s 内为早成分，l o - 5 0 m s 为 中成分，5 0 5 0 0 m s 为晚成分，5 0 0 m s 以后则称为慢波。p 3 0 0 显然属于晚成分。 通常所测量的p 3 0 0 是湮没在自发脑电以及眼电，肌电，心电，工频等一系列 干扰信号中的，其中最难与之分离的就是自发脑电信号。事件相关电位有两个重 要特性：潜伏期恒定，波形恒定。与此相对，自发脑电则是随机变化的。所以， 可以将同一事件多次引起的多段脑电记录下来，但每一段脑电都是各种成分的综 合，包括自发脑电( 噪音) 。将由相同刺激引起的多段脑电进行多次叠加，由于 自发脑电或噪音是随机变化，有高有低，相瓦叠加时就出现正负抵消的情况，而 e r p 信号则有两个恒定，所以不会被抵消，反而其波幅会不断增加，当叠加到一定 次数时，e r p 信号就显现出来了。所以，在传统的e r p 信号研究处理中，为了提取 事件相关电位变化，会进行多次重复刺激，通过预定程序实现叠加提取。 1 4 山东大学硕士学位论文 2 2 2 关联负变 在关联负变( c o n t i n g e n tn e g a t i v ev a r i a t i o n ，c n v ) 产生的实验中，受试 者将接收两个信号( 声音或闪光等) ，他的任务是在第一个信号出现后开始准备 反应，但并不反应，当出现第二个信号之后则要尽快做出按键反应；两个信号之 间的时间并不固定。结果发现，在两个信号之间，被试的脑电出现了负向偏转( 或 负向变化) ，这个脑电负向变化形成的类似高原的波形就是c n v ，在被试完成按键 反应后c n v 就消失了。 这个结果是1 9 6 4 年由w a l t e r 等发现的，w a l t e r 等发现c n v 在c z 点最大。但由于 早期的头皮记录点较少，一般只有几个，所以无法解决c n v 的源定位问题。 c n v 被认为主要与心理因素有关，比如期待、意动、朝向反应、觉醒、注意、 动机等，可以认为它基本上是一个综合的心理准备状态的反映。 2 2 3 失匹配负波 典型的失匹配负波( m i s m a t c hn e g a t i v i t y ，肼n ) 可以采用o d d b a l l 范式得到。 经典实验是这样的做的，在o d d b a l l 范式下，大概率刺激为1 0 0 0 h z 纯音，小概率刺 激为8 0 0 h z 纯音，分别在两只耳朵中出现，让被试进行双耳分听，只注意一只耳的 声音，并对小概率刺激做出反应，不注意另一耳的声音。结果发现，无论注意与 否，在约2 5 0 m s 内，小概率刺激均比大概率刺激引起更高的负波。以小概率刺激引 起的e r p 减去大概率刺激引起的e r p ，会得到一个差异波，是一个存在于1 0 0 2 5 0 m s 之间的明显的负波。m m n 与标准刺激偏差刺激差异的关系：随偏差增大而增大。 声强m m n ，标准刺激为8 0 d b ，偏差刺激分别为5 7 d b ，7 0 d b ，7 7 d b 。这一结果最早由 n a a t a n e n ( 1 9 7 8 ) 报告。之后的一系列研究表明，姗n 反映的是人脑对刺激差异的 无意识加工，即使在两种刺激都不加以注意的情况下也出现了n ，这说明人脑有 对刺激间差异进行无意识加工的能力，或者说人脑能够对不同刺激自动地做出不 同的反应。 山东大学硕士学位论文 2 2 4n 4 0 0 n 4 0 0 是研究脑的语言加工原理的常用e r p 成分，最早由k u t a s 于1 9 8 0 年报告，这 一篇报告发表在当年的s c i e n c e ( 2 0 7 ，2 0 3 - 2 0 5 ) 上。他们通过屏幕向受测试者呈现 一些句子，句子的每个单词从前往后是逐个出现的，先出现的几个句予都是正常的 符合语法和语境的。在呈现句子时同步记录每个单词呈现后引起的脑电变化。 实验设计前几个句子都是正常的，最后一个句予的最后一个单词是明显其歧 义的。实验观察到在这个歧义词出现4 0 0 m s 左右后有一个新的负成分，这就是n 4 0 0 。 目前一般认为n 4 0 0 与长时记忆的语义信息的提取有关。但进一步研究发现，与p 3 0 0 相似，n 4 0 0 也有许多子成分，分别与不同的认知过程相关，有彼此不同的脑内源。 而且也发现n 4 0 0 不仅与语言加工有关，面孔、图画等非语言刺激也能诱发n 4 0 0 。 【1 6 1 i7 】【1 8 本文将基于p 3 0 0 的脑机接口作为研究对象，所分析处理的p 3 0 0 是一种视觉诱 发电位( v i s u a le v o k e dp o t e n t i a l ，v e p ) 。选择p 3 0 0 信号是基于以下几点考虑： p 3 0 0 信号锁时性好，能相对比较容易的从源信号里提取出来：p 3 0 0 信号的发生并 不需要经过特殊的训练，通常受试者只需要经过简单操作后，就可以在基于p 3 0 0 的脑机接口系统上取得满意的效果；p 3 0 0 信号属于非侵入式信号，易为人所接受。 此外，目前在脑机接口研究领域已积累了大量的p 3 0 0 脑电信号，为本文的研究提 供了丰富的研究数据。 1 6 山东大学硕士学位论文 第三章脑电信号的特征分析及分类算法 脑机接口系统从受试者的脑电信号中获取特征向量，并将这些向量转化为控 制设备的命令【3 1 。基于p 3 0 0 信号的脑机接口系统的输入信号是在头皮处检测到的含 有p 3 0 0 的e e g 信号。信号处理流程大致分两个阶段：一是从输入信号中进行特征提 取，二是对提取的特征进行分类识别。 3 1e e g 信号的特征 e e g 信号是通过放置在头皮表面的多个导联电极所记录到的一组场电位，其本 质是大群神经元的同步放电。e e g 信号的特点如下： 1 频率特性 脑电信号的频率范围是0 5 - 1 0 0 h z ，而其中对研究有用的脑电信号的频率一般 集中在0 5 - 3 0 h z 之间，因此脑电信号属于低频率的慢变信号。相对于其他信号来 说脑电信号频域特征比较明显，具有频域处理方面的优势，这也是现在大多脑电 分析都采用频域或时频分析方法的原因。 2 信号微弱，信噪比极低 e e g 信号是脑的区域性电活动，活动区域里，对活动产生积极因素的神经细胞 只占整个脑部神经细胞的少数。大多数的脑细胞自发地产生的随机性的脑电信号， 属于神经源性的干扰噪声。此外，还有非神经源性的干扰，比如眼动、肌电、心 电、工频干扰等等。实验表明，肌电信号大约0 1 m v 一5 m v 之间，眼电信号为 5 0 u v - 3 5 0 0 u v 之间，而头皮处的脑电信号只有0 1 u v - 3 0 0 u v 。 3 非线性特征 人的大脑是一个复杂的系统，它并不是简单而被动的对外界刺激做出响应， 而是根据已有的经验做出主动思考。从生理结构角度看，人的脑神经系统由大量 多层次的神经元组成，这些多层次脑神经元之间的信息传导也是人脑反应的基础。 所以，脑电信号具有一定的非线性。已有很多研究者采用非线性方法，构造非线 性模型来分析脑电信号，也取得了一定的效果。 4 随机性 山东大学硕士学位论文 人脑是一个庞大的系统，不同的区域有不同的功能，但各个区域之间并不是 独立的，区域与功能之间也并不是一一对应，而且多个功能还可能并发进行，相 互联系、相互制约。由于影响脑电信号的因素众多，使得脑电信号具有随机性。 脑电所反映出来的规律可以从大规模的统计数据中呈现出来。【1 9 】 3 2f e 6 信号的特征提取 人的大脑在日常生活中就经常进行“特征提取”，这是人类行为的基础之一。 而脑机接口中信号处理的实质就是一种智能仿牛技术，仿照人类大脑的基本逻辑 功能，建立抽象模型并进行数据处理。随着2 0 世纪4 0 年代计算机的出现，5 0 年代 人工智能的兴起以及此后数十年计算机微电子行业的蓬勃发展，用计算机及电子 智能设备代替或扩展人类的部分脑力劳动，辅助残障人士的行为活动已经成为可 能。 特征提取就是以特征信号作为源信号，确定各种参数并以此为向量组成表征 信号特征的特征向量。特征参数包括时域信号( 如幅值) 和频域信号( 如频率) 两大 类，相应的特征提取方法也分为时域法、频域法和时一频域方法。l l j 1 时域法 p 3 0 0 信号属于事件相关电位，是诱发电位的一种。p 3 0 0 本身就是依照信号产 牛的时间来定义的。将多次p 3 0 0 信号取平均后会发现在相关事件发生之后的3 0 0 m s 附近会有一个典型的幅值变化，这个典型的幅值变化的时问区间就是本文对于 p 3 0 0 信号特征提取的时域目标片段。 2 频域法 脑电信号按频谱划分，丰要成分有口波、波、秒波、j 波，利用不同感觉 动作时脑电波段成分的变化可以构建基于频率特性的特征提取方法。在左右手想 象运动过程中，当单侧手运动时，其对侧脑电口波段的p 节律以及p 波段内的低 频率信号幅度会降低，这种现象称为事件相关去同步；而同侧脑电相应频段内的 信号幅度会升高，这称为时间相关同步。论文 2 0 将采集的左