（生物医学工程专业论文）非线性动力学在脑机接口中的应用.pdf

浙江大学硕士学位论文 a b s t r a c t s r e c c n t l y e 缸no ) m p u t e rh l t e r f a c eb c c o m e sav e r yp o p u l 盯r e s a e r c hp r o b l e m ，i tj s a l li n t e a c eb e 呐e e nb r a i n 锄dm a c h i n e 柚d o tac o 衄u l l i c a t i n gs y s t e md 印e n 曲1 9 o nc o n v e n t i o n a lb m i o t p u tc h a 姗e lw h i c hm 啪sp c r i p h e r a ln e r v ea n dm u s d et e l a nc 锄b eu s e da s 柚n e w i ya 龉i s t 髓tc c 恤m u n i c a t i n gt e c h i q u ew h i c hh e l p sp e o p l e w h 0s u f c c r 丘o ms e v c f cd i 鞠【b i l i t y s oi ta n m c t sm o r ca n dm o r ea n e n 6 衄i nm c d i c a l ， e n g i n e e r i n g 矗e l de s p e c i a l l yh c a l i n ge n g i n e e r i gf i e l d i ti s a l s oan e ww a y0 f e l e c t r o e n c e p h a l 伽掣a p 叼已e g ) a p p n c a t i o n h u m a nh a i l li sav e r yc 嘞p l e xn o n l i n e a r ， n o n s t a t i o n a r ys y s t e m ，s o 龇e e ga n dc l c c t r o c o n i 叫州e c o g ) w h j c ha r ed e r i v e d 舶mh u m a nb r a i n 缸ca l s on - l i n e a ra n dn o n s t a t i o n a s i 印a lp r o c s i n ga l l a l y z i n g m c t l l o db a s e do nl i n e 盯a n ds 衄t i o n a r y 笛s u m p t i o s ， a l t l l o u g hh a so b t a i n e di m p o n a n t r c s u l t s ，c a nn o td i 韶血gi n t 0t l l ep m b l c m o d i n p l e x i t y 蛐a l y z i n gm e t h o db a s e do n n o n l i n e a r d ”a m i c s柚dt i m e f r e q u e n c y锄a l y z i n gm e 锄so f n l b e r t h u a n g t r 蛐s f o 珊( h h i ) e x t e n d e d an e w a p p r o a c ht oe e g o re c o g m o t o ri i n a g e f y 柚a l y s i si sab r 蛆c ho fb c i ，w h o s ea j l a l y s i sd i f f i c u l t yi si nt h a te e g o re c o gw i l ll l a v e 掣c a td i 恤r c n c ei ne e go re c o gf o rd i 丘e r c tp c r s o no re v e no n e p e r s o na td i f ! f e r c n tt i m e ，蚰d i 饪e r c n tv o l u n t c c ro rt l l es a l l l ev o l u n t e c ra td i f f e r e n tt i m e ， t ov e r i f yt h ei | l l a 画n a r ym o v 锄e n t ，m e a l l i n g f i l lf r e q u e n c ya l i dt i m ea r ca l s od i 虢r c n t a c c o f d i n gt ot h i s ，i ti sa 锄p l e t e l yd e wa t t e m p tu s i n gl a t i i c cc 锄叩l e x i t y 卸dh h t t o 柚雒y z em o t o ri m a 哪b a s e d0 ne c o gw h o s ea i mi s t od 船s i f yt l l ei m a 西n a r y m o v e m c n to ft g i l eo r l e f t 锄a i lf i n g c r ，i nt l l i sp a p e f w bw o nt l l et l l i r dp l a c ei nm e n i r d c m a t i a lb n i nc o m p u t c ri n t 耐蛳c o m p e 锄，w h i c ha l s op r o v e dm e e 敝to f t h em e l h o d s s u 血c el a p l a c i 蛆f i l t e ri sae 骶c l i v ee e gp r e p m c e s s i l l g m e t l l o d ，w eu s et h i sm e t l i o dt op r c p m c c s se c o gi sa l s oa nn e wi l l n o v a t i o n k e yw o r d s ：b r a i nc 0 m p u t e r i n t e r f a c e ，m o t o ri l i l a g e 哦n 0 n l j n e 缸d y n a m i c s ， h i n h u 锄g t r 獬胁皿，e 舭g ， 塑坚查兰堡主兰些堡兰g 型 第一章、绪论 人类大脑虽然只有1 5 公斤左右的重量，却是由1 4 0 亿个神经细胞组成， 它是人体中最复杂的组织，也是宇宙中已知的最为复杂的结构，是人体接受外界 刺激信号、产生感觉、形成意识概念、进行逻辑思维，并向外周效应器发出指令 产生一定行为的控制中枢。人类的大脑也是极为精巧和完善的信息处理系统，它 控制着人类每天的语言、思维、感觉、情绪、运动等各种高级活动，其处理能力 远远胜过目前的各类计算机，是人体内外环境各类信息获得、存储、处理、加工 和整合的高级神经中枢。人类大脑结构、功能的复杂性，使得对人类大脑的研究 成为一项及其复杂的工作。需要从分子、细胞、系统、全脑和行为等不同层次进 行研究和整合，才有可能揭示其奥秘。 人类一直对自己的大脑充满了好奇，世界各国为了研究人类大脑也投入了大 量的人力和财力进行专门研究。美国把上个世纪九十年代最后十年定为“脑的十 年”，欧洲确定了“脑的二十年研究计划”，日本将2 l 世纪视为“脑科学世纪”， 对脑科学的研究热潮迅速遍布全球。科学家们提出了“认识脑、保护脑、创造脑” 三大目标，人们相信脑科学的研究成果将为人类更好地了解自己、保护自己、防 治脑疾病和开发大脑潜能等方面做出重要的贡献，“了解大脑、认识自身”是2 1 世纪的科学面临的最大挑战。 1 1 、脑机接口简介 脑机接口( b r a i n c o m p u t e r k t e 血c c ，b c i ) ，脑机接口顾名思义是脑和机器的 接口，是神经信号如何与计算机实现通信的问题，脑机接口的一个很关键技术是 e e g 的识别。大脑的命令或者消息通过这一系统、而不是通过正常的外周神经和 肌肉传递出来i l 】。脑机接口通常分为两大类：外周依赖( d e p e n d e m ) 型和外周独 立( i n d e p c n d e n t ) 型。外周独立型b c i 不需要激活外周的神经和肌肉；乡卜周依赖 型b c i 不需要激活正常传递途径所需要激活的神经和肌肉，但是需要激活其它的 外周神经和肌肉。对脑机接口的这个定义也反映了近年来越来越多的人对此感兴 趣的主要原因，那就是它有可能为那些瘫痪患者或有着严重行动缺陷的患者提供 一种全新的、辅助他们进行交流的技术，而以往的残疾人辅助技术都或多或少地 需要有某种形式的肌肉运动参与。因此脑机接口研究引起了医学界、工程界尤其 是康复工程界的极大关注。 人体任何一个细微的活动都与生物电有关。大脑对信息的获得、加工处理等 各种活动，都伴随着生物电的产生和变化。脑电( e l e c t m e n c e p h a l o 掣a p h ，e e g ) 是指通过电极、信号放大器笋设备采集到的大脑意识活动所发出的各种电信号。 这种来自大脑内部的电信号是大脑内部各个神经元细胞外电流产生的电场矢量 的叠加。单个神经元细胞外电流十分微弱，要产生能被探测到的电场，需要大量 神经元在时间上、空间上以一定方式，协调致地发放生物电冲动。大脑神经元 的这种时间、空间上的同步活动是脑电中出现节律样波形的可能原因。大脑神经 元在时间、空间上同步的改变会引起脑电变化，这种变化使得通过对脑电的观察 和分析来了解大脑状态成为可能。 在对人类大脑的研究过程中，用多种研究手段进行了尝试，如脑磁图( m a g n e t oe n o e p h a l o g r a m ，m b g ) 、正电子发射断层扫描( p o s i t r 锄i s s i o n t o m o 铲a p h y ， p e t ) 、磁共振成像( m a g n e t i cr e s o n 柚j m a 百n 岛m r i ) 、功能磁共振成像( f i l n c t i o n - a l m a 弘e t i c r e s o n 姐c c i m 4 画n 吕f m l u ) 等。尽管目前脑电图存在一些不足，不一 定能正常指示大脑的活动，但它较为直观。并且它基于相对简单的技术，与其它 手段如脑磁图( m e g ) ，p e t ，功能磁共振( f m r i ) 等相比，所需的时间更短吼 所以在脑机接口中，通常也采用脑电信号作为整个系统的输入信号。 根据记录方法上的不同，脑电可以分为三类：脑电图( e l e c t r o e n c e p h a l o 蓼a p h ， e e g ) 、皮层脑电图( e l e c 哟c o n i c o 掣锄，e c o g ) 和皮层下电图( e l e c 打o s u b c o n i c o 笋锄，e i c s o g ) 。这三类脑电中使用最广泛的是脑电图，我们记录下来的脑电图 是电极下大量神经元共同活动的结果，是大量神经元电活动经大脑容积导体在头 皮上的综合。大脑皮层结构十分复杂，脑电活动也形式多样，从产生电位的原因 来说，脑电主要有两种表现形式：自发脑电活动和诱发脑电活动。在安静状态下， 大脑皮层神经细胞自发地表现出持续的节律性电位改变，称为自发脑电活动。它 指在没有人为特定刺激条件下，大脑细胞本身出现的电活动；诱发脑电活动是指 在感觉传入冲动激发下，大脑皮层某一区域可以产生较为局限的电位变化。 脑电信号具有一定的节律性，通常根据频率不同可以划分分为几个频段f 3 】： 2 塑垩查堂堡圭兰垡堡壅! 塑 6 节律( 2 4 h z ) ，o 节律( 4 8 h z ) ，节律( 8 1 3 h z ) ，b 节律( 1 3 3 0 h z ) ，y 节 律( 3 0 h z 以上) ( 也可以称为6 波、o 波、波、b 波、y 波) 。 6 节律( 2 4 h z ) ：在颞叶和枕叶多见，清醒的正常人一般记录不到。 o 节律( 4 8 h z ) ：顶叶、额叶较明显，波幅通常小于5 0 | lv ，多为1 0 3 0 v 。 在成年人脑电图中出现率低于1 5 。m i l e rr 认为e 节律是皮层海马神经元之间 相互作用产生的。 口节律( 8 一1 3 h z ) ：平均频率为l o h z ，幅度l o 一1 0 0uv ，在头部任何位置均 可记录到，枕叶尤为明显。口节律在静息时出现，被试受到外界刺激时，口节律 消失或减弱。对于这一节律，根据大脑的注意力不同，有不同的名称，当注意力 集中于运动皮层时称为p 节律，当注意力集中于视皮层时称为视觉口节律。因为 两种节律频率范围相同而原因不同，所以有些文献对两者加以区分但也有部分文 献对两者不加以区别。 0 节律( 1 3 3 0 h z ) ：在额叶最容易出现，波幅5 3 0 uv ，缺乏节律性，不规 则。 y 节律( 3 0 h z 以上) ：y 节律是近年来大家比较感兴趣的一种脑电节律，其 产生的基础为皮层局部邻近神经元之间相差1 4 周的反馈嘲。脑电各个节律的能 量对不同的人、不同时刻是不同的。 1 2 、脑机接口的应用 脑机接口技术的发展主要包括基础研究和应用研究两方面。基础研究主要集 中在探究和阐明脑电( e e g ) 节律、单个皮层神经元活动以及其他电生理现象的 潜在机制，改善信号采集和处理方法，选择理想的运算法则以及开发更好的系统 软件，以便设计出更快速、更精确、更有效的脑机接口系统。脑机接口技术的应 用研究主要集中在寻求与多个学科进行协作来挖掘其在各个领域的潜在应用价 值。脑机接口系统目前最主要的应用在于康复工程领域，但其应用前景远远不止 于该领域。因此不仅要拓宽其在康复领域的应用，还应该向军事、娱乐等其他多 个领域延拓。 目前脑机接口技术在康复领域的最新应用是将功能性电刺激( f u n c t i o n a l e l e c t r i c a ls t i 叫l a t i o n ，f e s ) 与脑机接口技术相结合治疗神经或肌肉损伤患 浙江大学硕士学位论文( 2 0 0 6 ) 者。虽然f e s 很早就应用于临床中，用于改善足下垂患者的步态、实现截瘫患者 的站立和行走、恢复偏瘫患者肌力等方面，并取得显著的效果。但是f e s 发展遇 到的主要障碍是刺激信号本身的控制问题，找不到合适的刺激信号，f e s 就不能 达到很好的治疗效果。脑机接口技术为之提供了一个非常好的解决方案，即运用 脑机接口技术控制实旌电刺激。将植入式脑机接口技术与f e s 相结合可能治疗脊 髓高位完全损伤患者。可植人式微电极被植入到大脑运动皮层区域采集与运动功 能相关的神经信息，微伏级的神经信号经过预处理后输人到计算机中进行复杂的 信号处理和模式识别后提取出特征量，计算机的输出作为f e s 的刺激信号经微电 极刺激患者的脊椎或身体其他部位来实现患者的运动康复。整个系统的通讯都是 实时的，并设有反馈环节来优化系统的性能。美国亚利桑那州立大学生物工程系 的科学家们正在研究一套这样的方案【4 l 。 脑机接口技术在军事领域也有很大的应用前景。例如为了使飞行员能够在战 术决策、瞄准目标、发射武器等方面具有更快的响应速度，目前美国空军正在研 究一项交互式控制技术( a l t c f n a t i v ec o 仃o lt e c h n o l o g y ，a ( m ，a c t 计划的目标是当 使用者的手在忙于其他工作时还能通过脑与计算机之间进行通讯。美国亚利桑那 州立大学( 埘z o 尬s t a t eu n i v e 巧i t y ) 的研究小组正在进行这方面的研究。他们通 过在老鼠的运动和感觉皮层区域长期植入电极，训练老鼠产生控制信号来引导一 个微型的可移动控制装置朝着特定的方向( 如声、光、气味、形状等) 运动，并给 予一定的奖励作为刺激。他们训练老鼠的初步目标是使奖励与这些特定的对象进 行关联，使得老鼠能控制遥控装置载着它朝着指定的对象前进。训练的下一步目 标是研究多只老鼠控制遥控装置系统间的协调工作，来完成更为复杂的任务，其 潜在的应用价值是训练动物驱动一个装备完整的微型机器人深入危险的环境中 去搜寻目标，如扫雷或救援工作等。 但是，应用脑机接口系统进行意识信息表达还不是非常成熟，脑机接口系统 还没有达到实用的阶段。从离线分析的结果可以看出，两类意识状态的分类已经 能够达到较高的精度。因此，一个具有二值输出的脑机接口系统是比较容易实现 的【明。意识信息的表达是脑机接口系统的一个使用过程，它需要有大脑这个占主 导作用的自适应系统的参与。大脑虽然具有自我调节的能力，但很难长时间地绝 对维持一种状态，基于这点就要求脑机接口系统能够实时地捕捉采集的脑电信号 4 的变化，同时自适应地提取、处理最相关的信息，减轻大脑的负担。其他一些与 脑机接口系统应用相关的问题，如开关机制等，也都要求脑机接口系统能够自适 应地进行判断、分析。 尽管脑机接口具有上述的应用价值，但同时需要明白的是：通过脑电阅读人 的思想目前还是不可能的，但对脑功能某些类行为区分是可能的【l 。脑机接口并 非试图解释自发脑电，而是通过对被试者的训练，设法使其产生具有特定模式的 容易被区分、解释的脑电翻。 1 3 、脑机接口的研究进展 自从1 9 2 9 年h a n sb e r g e r 首次记录脑电图活动( e l e c t 舢c c p h a l o g r a m ，e e g ) 以来，人们已经预测了脑电将用于大脑活动不依赖于正常的外周神经和肌肉响应 的通讯和控制系统。目前的脑机接口技术主要致力于为思维正常但运动功能残缺 的人提供新型的弥补功能和对外信息交流手段f 4 l o 1 9 6 7 年，d e w a n 使用导线将试验对象头皮与脑电记录仪连接，并通过计算机 将所得e e g 中口节律的幅度编码成摩斯码，口节律及其对应的摩斯码被反馈给被 试者，经过一定的训练，被试者能适当地调节e e g 信号中的口节律的幅度，发出 特定的摩斯码，并传到电传打印机上，从而实现了意识信息的表达和传递嘲。 1 9 7 0 年，美国国防部为了一定军事目的而资助成立了最早的脑机接口( b c i ) 研究组，该研究组利用生物反馈方法研究人与计算机之间进行密切的通讯及所谓 的“仿生学”，结果表明使用者可以通过训练产生视觉诱发电位并利用它来控制 屏幕上的指针作二维运动【j 。 1 9 7 7 年，v i d a l 利用视觉刺激产生的视觉诱发电位( v e p ) 作为控制信号， 建立了一个使用者能够控制光标通过二维迷宫的脑机接口系纠卅。 1 9 8 8 年，f a r w e l l 和d o n c h i n 利用p 3 0 0 事件相关电位( e r p s ) 实现了用大 脑直接控制虚拟打字机的操作【柚l 。 1 9 9 1 年，1 】r o l p a w 等经过近l o 年的研究，利用u 节律和b 节律的频率控制结 合慢皮层电位的时域控制设计成的b c i 系统，不仅能回答一些简单的问题，还能 从屏幕菜单上选择制定的项目，并能操作“f r e e h a j l d ”神经弥补装置【n ，1 2 】。 1 9 9 5 年，m i d d e n d o r f 等利用稳定状态度视觉诱发电位( v e p ) 来控制飞行模 5 浙江大学硕士学位论文( 2 6 ) 拟器和膝盖关节，并且具有较高的准确率删。 2 0 0 2 年，清华大学高上凯教授等人研制的脑机接口系统，使用稳态视觉诱 发电位( s s v e p ) 实现了输入电话号码的任务【1 4 】。 近年来，随着计算机技术和信号处理技术的迅猛发展，b c i 研究发展迅速。 1 9 9 5 年，b c i 研究小组不超过6 个，而1 9 9 9 年6 月，美国国家儿童研究院，国 家康复研究中心和美国国家健康研究院人类发展部主办了关于b c i 的第一次国 际会议。来自美国、加拿大、英国、德国、奥地利、意大利的2 2 个研究小组的 科学家与工程师参加了会议。会议的内容涉及b c i 研究现状、有关b c i 基础研究 及产品开发的目标、b c i 关键技术、标准的研究程序及技术评估方法等【1 5 】。 2 0 0 2 年6 月，w a d s w o r t h 研究中心在r e n s s e l a e r v 订l e 举办了第二届国际脑机 接口会议，来自美国、加拿大、欧洲、中国等国家3 8 个实验室的9 2 名代表参加了 这次为期3 天半的会议。这次国际脑机接口会议将大会主题定为：“走出实验室”。 在临床应用上，t u b i n g e n 、k e n n e d y 、g r a z 等几个研究组进行了一些有益的尝试 f 1 l 。 在脑机接口领域近3 0 年的研究，使得人们对脑电的认识越来越深入，脑电 的组成部分、脑电的主要节律、多种诱发电位起源的位置和机理以及它们和脑功 能的关系已经越来越清楚。众多研究的结果也显示了脑电和真实的运动或者假想 运动之间、脑电信号和心理上的任务之间存在着相关性。同时，科学技术的发展， 使得脑电信号的获取、处理能力得到了飞速的提升。正因为如此，基于脑电的脑 机接口得以发展起来，并且受到越来越多的研究者重视。 2 0 0 1 年，由德国教育部等政府机构，以及德国、美国等一些研究所发起了 第一届国际脑机接口竞赛，目的在于推动基于脑电的计算机辅助系统的研究。 2 0 0 3 年，又组织了第二届国际脑机接口竞赛，这次参加的小组远远多于第一次 竞赛。2 0 0 5 年，组织了第三次国际脑机接口竞赛。参与竞赛的国家、小组的数 目也越来越多【切。全球各地的研究小组，对脑机接口这一领域表现出了越来越 浓厚的兴趣，同时也推动了脑机接口技术的进步。 6 浙江大学硬士学位论文( 2 6 ) 1 4 、脑机接口的关键技术研究 一个典型的脑机接口系统主要包括人和机器两个主要模块，如图1 1 所示。 人和机器之间通过脑电信号采集( e e g a c q u i s i t i o n ) 模块进行连接，实现脑电信 号( e e gs i 印a 1 ) 的传递。机器部分又可以分为：预处理( p r c p m c c s s i n g ) 、特征 提取( f c a t u f ce s t i m a t i o n ) 、特征分类( f e a t u r ca a s s i f j c a t i o n ) 、输出( o u t p u t ) 等 部分。脑机接口系统通常是通过被试者眼睛注视显示装置或耳朵听提示音等，获 得外界刺激产生一定的诱发脑电，或在自主行为及意识( 如通过假想左右手、脚、 舌头等身体部位运动) 的控制下产生一定的自发脑电，通常这些脑电信号会表现 出不同的时间、空间变化模式，即与一定意识相关的特定模式的脑电【2 】。这类信 号经电极采集成电信号，再经过预处理、特征提取、特征分类，就能识别出不同 脑电模式所对应的不同用户意图。最后再根据不同的意图输出不同的操作命令， 实现与外界通讯( 如：环境控制，轮椅控制，操作计算机，机器人等设备等) 。 整个脑机接口系统的打开与关闭一般由人工进行控制。 图1 1 、脑机接口系统模块 脑机接口作为一个较为年轻并且复杂的研究领域，需要多学科的合作【1 墨例， 涉及到系统神经科学、生理学、心理学、工程学、计算机科学、康复医学、健康 保健科学等1 4 】。整个系统的设计也涉及到各个专业的知识。因为脑机接口研究涉 及到人与计算机的交互，所以计算机如何得到能最佳地反映人的思维活动和精神 状态的信息，以及计算机如何经分析给出最准确的判断都是关键的问题。这些问 题都涉及到系统设计方面和方法学上的问题。系统设计上的问题涉及到输入信号 的选择，输出信号的选择，以及受试者训练三个方面。整个系统的最为关键的就 是数据获取与处理方法两方面。 7 浙江大学硕士学位论文( 2 0 0 6 ) 1 4 1 、脑机接口的数据采集 脑机接口数据记录和采集的电极主要分为两大类：体表电极和侵入式电极 1 2 仉。通常脑机接口系统采用体表电极记录的脑电信号作为通信载体。其优点是 记录方便并且是非侵入性的。导联摆放的位置采用国际上通用的1 0 2 0 电极安 放标准，如图1 2 所示。导联记录了头皮上两个位置间的，或者头皮上某个电极 位置和远处的参考电极间的电位差或电压。脑电信号的幅值通常在5 0 至1 0 0 微 伏之间，电流大小为几个微安。脑电信号通过电极传至放大器，进行放大等后继 处理。体表e e g 的记录多采用a g a g c l 电极。电极的数量依采用的信号种类及信 号处理方法而差异较大。电极数越多，对信号的描述越精确，相同时间获取的信 号数据量也越大，带来了计算时间增加的问题。基于实用的目的，一般希望在能 够有效提取有用信号的前提下电极数越少越好。 图1 2 、国际标准1 0 2 0 导联示意图 但体表电极的缺点也非常明显：脑电来源于大脑皮层神经元的电活动，在体 表采集脑电信号，由于头骨和头皮的阻隔，使得记录点与信号源之间的距离变大。 电极正下方以外神经元的电活动对该电极所在点记录到的脑电有较大的影响。同 时，人的头骨和头皮相当于个容积导体，对脑电具有滤波作用，相当于一个低 通滤波器，这使得e e g 的空间分辨率相对较低1 2 蝴，不能提供足够精细的定位信 息，并且更容易被外界的肌电、眼电等因素干扰。所以头皮记录到的脑电活动势 必会被歪曲，很难如实地反映大脑的真实活动情况。和e e g 相比，采用侵入式电 极的侵入性的皮层脑电图( e l c c 咖c o n i c 0 伊a m ， e c o g ) 则很好地克服了这些缺 点，其方法是将感兴趣区域的头盖骨去掉，将电极直接安放在大脑皮层上。此方 8 法记录的皮层脑电图更直接地反映了特定区域内大脑皮层的电活动。与e e g 相比， e c o g 可以获得更高的时间和空间分辨率、高放大倍数、减少运动和肌肉伪迹等 固】。由于颅骨和头皮的低通滤波作用，e e g 中频率相对较高的y 节律在头皮脑电 中不容易被观察到，而通过e c o g 则可以完整的探测到y 节律【矧。正是因为e c o g 所具有的这些优点，侵入式的脑电用于b c i 的研究逐渐被研究者采用【2 铂唰。这一 方法最大的缺点在于其侵入性，对被试者的伤害较大，不适用于经常性的实验。 侵入式电极一般采用不锈钢、铂等材料制作。电极直径一般在2 5 m m ，电极中点 之间的距离一般是0 5 2 c m ，多个电极依行、列顺序安装在软性的透明材料上制 成，如图1 3 ( a ) 所示。在一片材料上安装多个电极，包括1 8 姗，2 8 啪，4 8 咖，6 8 m ，8 8 唧等等各种规格，如图1 3 ( b ) 所示。透明材料的优点在 于能够看到电极下面的结构如血管等，并根据特定的目的放置在特定的位置。电 极的最新研究进展是所谓“主动式”电极，它采用微制造工艺将放大器等前置放 大电路与电极集成，此技术极大地提高了信噪比【驯。 图1 3 、( a ) 电极结构图，( b ) 电极阵列图 1 4 。2 、脑机接口的信号处理 脑机接口中另一个关键就是对所采集的脑电地信号进行处理。脑电信号分析 从上个世纪2 0 年代一直到现在，虽然进行了大量的工作，也取得了一些进展和 实用性成果，但由于缺少有效的方法，所以一直没有突破性进展。对脑电分析方 法的研究依然是任重道远。 在临床上，脑电图的分析大多是依靠脑电图专家通过目测标注的方法来解释 和评价。这种方法带有很强的主观性，缺少客观标准。并且全人工的识别容易引 起误差和疲劳，使得脑电在临床诊断中所起的作用受到极大的限制。1 9 3 2 年， 9 塑婆查兰堡主兰壁堡塞! ! 唑 d i e t c h 首先对脑电进行了傅立叶变抉i 研分析。随后出现了各种脑电的自动分析 方法，主要的分析方法有以下几个大类鲫： 1 ) 时域分析方法。直接从时域提取特征是最早发展起来的方法，它表现了 脑电信号数据随时间变化的规律和所反映的信息，反映了脑电信号的几何性质， 直观性强，物理意义较为明确。尽管脑电的频域信息往往更为有效，但有些重要 信息在时域上的反映更为突出，所以时域分析方法在脑电的分析中依然十分重 要。主要的时域特征包括波幅、频率、时程、瞬态分布和曲线下面积、过零点分 析、直方图分析、方差分析、相关分析等。基于模型的方法也可以归类为时域分 析方法【2 引，以上所述的这几类类方法将脑电的时间序列看成是一个随机过程， 所以可以理解成是概率统计的方法【矧。 2 ) 频域分析方法。此方法主要是基于傅立叶变换，具有相对比较成熟的计 算方法、工具可以利用，主要包括功率谱估计和相干分析两类方法。 3 ) 时频分析方法。因为脑电信号本身是一个近似随机的非平稳信号，并且 脑电信号自身的节律也容易受意识状态、外界刺激和精神活动等变化的影响，传 统的傅立叶方法强调了频域的同时，模糊了时域信息。所以传统的频域分析方法 的效果受到了限制。近年来，信号处理方法的发展为脑电信号的分析提供了新的 手段，时频分析方法是其中之一。时频分析方法是将一维信号通过某种变换映射 到时间一频率平面。它揭示了信号不同时间的频率分布。时频分析方法被用于脑 机接口f l 以及多种生物医学信号的分析p 。主要的时频分析方法有短时傅立叶 变换( s t f t ) 、小波分析、希尔伯特一黄变换等。 4 ) 基于非线性和混沌理论的分析方法。在对脑电信号的分析中，存在两种 假设：一、脑电是由高度复杂的线性系统产生的类似非平稳、不可预测的信号； 二、脑电可以解释为一个确定的、相对低复杂度的系统产生的但包含有高度非线 性成份的信号【3 2 l 。基于第二种假设的非线性和混沌理论为脑电分析提供了一些 新方法，比如：分维数唧、李亚普诺夫指数、复杂性方法等。 脑机接口系统信号处理中的另一个重要方面就是信号的选取。b c i 系统是一 个极为复杂的系统，它的输入信号也因被试者的身体状况、心理状态、外界环境 刺激等因素的不同而有很大的差异。对信号的处理方法、特征量的选取也因不同 的分类动作目的而不同。也就是说，目前还没有一个十分可靠的信号及信号特征 l o 浙江大学硕士学位论文( 2 6 ) 量的处理方法，对各类脑电信号都能进行很好的模式识别。各地的脑机接口研究 小组为此也选用了各种信号，并从中提取特征量，用各种分析方法进行实验。主 要有以下五类最为常用的信号量。 1 ) 、采用取自删波( u 波) b e t a 波( b 波) 以及感觉运动皮层区的其它电 活动信号。其中最主要的是采用事件相关去同步化( e v e n t r c l a t e dd e s y n c h r o n i z a t i o n ，e r d ) 或者事件相关同步化( e v e n t - r c l a t e ds y l l c h m n i z a t i o l l e r s ) 作为特征量。 大脑中大量神经元通过反馈回路可以构成复杂的神经网络，这些由神经元构成的 网络会产生振荡。对b c i 系统，有两个十分重要的振荡节律：频率在7 1 3 h z 的r o l a n d i cu 节律( r o l 卸d i c m ur h y t l i m ) 和中心b 节律( c e 曲a l b e t a r h y t h m ) ， 这两个振荡节律都源于感觉运动皮层。感觉刺激引起运动的行为和运动表象都可 以引起皮层神经元的功能连接发生改变，并且同时产生u 节律波和中心b 节律波 振幅的抑制，称为事件相关去i 司步化( e v c n t - r c l a t e dd e s y l l 血珧i z a t i o ne r d ) 或 振幅的增大，称为事件相关i 司步化( e v e n t r e l a t e ds y n c h r o n i z a t i o ne r s ) 。这一现 象的神经机制可以参阅相关的文献。 2 ) 、采用视觉诱发电位“i s u a ie v o k e dp o t e m i a l ! p ) 嘲。基于视觉诱发电位 的b c i 系统属于外周依赖型。它的基本原理是让被试者眼镜注视放置于其正前 方平视位置的显示屏幕，此时，测量某一区域所产生的视觉诱发电位来确定被试 者眼睛注视的位置，进而实现利用视觉诱发电位控制外周设备的目的。 3 ) 、采用慢皮层电位( s l o w c o r t i c a l p o t e n t i a l s ，s c p ) 【蚓。慢皮层电位是大脑 皮层诱发性电位的变化，持续时问为几百毫秒到几秒，能反映皮质i 层和i i 层 的兴奋性。无论是健康人还是瘫痪病人都可以通过带反馈的训练学习，使得s c p 幅度受意识控制，产生正向或负向偏移旧。利用这种偏移，可以进行人脑和外 界的通讯和控制。 4 ) 、用p 3 0 0 诱发电位【勰芦l 。p 3 0 0 是一种事件相关电位( e v c n tr c l a t ep o t c n t i a l ， e r p ) ，是一种与认知功能相关的内源性的特殊诱发电位，主要与被试者的心理 因素相关。事件相关电位与诱发电位( e v o k c dp o t e n i i a l ，e p ) 的区别在于事件相 关电位是被试者在主动参与的情况下获得的诱发电位。p 3 0 0 是s u t t o n 等人1 9 6 5 年发现的。p 3 0 0 即为晚成分的第3 个正波p 3 ，由于最初发现的p 3 的峰值是在事 件发生后的3 0 0m s 左右出现，故称为p 3 0 0 。经典的p 3 0 0 单个波可在0 d d b a l l 1 l 浙江大学硕士学位论文国6 ) 实验模式下出现【舯】。相关事件发生的概率越小，所引起的p 3 0 0 越显著。通过对 事件相关电位的探测，可以利用信号处理的方法对事件进行估计，进而完成脑机 接口中的人脑和外界的通信、控制。 5 ) 、取自大脑皮层神经元电活动的信号( 植入电极法) ：人的颅骨和头皮相 当于一个对大脑皮层电信号的低通滤波器，为了克服颅骨和头皮对皮层电信号的 影响，可以采用植入电极技术，植入颅内的微电极具有较高的空间分辨率和频率 分辨率，能提供电极附近少数神经元电活动的信息，定位精细，信噪比高，电极 不受肌肉运动影响，可以长时问固定在头部，具有良好的稳定性。但这种方法最 大的缺点是其侵入性和损伤性。本文分析所采用的b c l 2 0 0 5 数据i 属于这一类。 1 5 、本文的主要工作 脑电信号是一种非平稳、非线性、近似随机的信号，脑机接口系统直接采用 脑电信号作为其处理的对象。脑电的这些特征使得常规的信号处理方法在脑电信 号预处理、特征量的选取以及模式分类识别上存在种种不足。虽然改进后的各种 信号处理手段，如时频分析方法等取得了一些成果，但要使脑机接口系统实用化， 在其应用过程中面临的各种问题，主要是脑电信号处理的问题，仍然是目前最为 迫切需要解决的问题。根据脑电的特性，这个过程需要一些具有自适应特性的解 决方案，如自适应特征提取、分类等。本文针对脑机接口中存在的这些问题，将 非线性动力学中的复杂性方法和基于希尔伯特一黄变换的时频分析方法以及支 持向量机方法应用于脑电分析，主要工作包括了以下几个方面： 1 、综述了脑机接口系统的原理、应用以及发展现状。 2 、介绍了适用于非线性信号分析的非线性动力学中的复杂性方法，并利用 复杂性方法，特别是本实验室的格子复杂性理论对第三届国际脑机接口 竞赛( b c l 2 0 0 5 ) 数据i 进行了分析。 3 、介绍了适用于非平稳信号时频分析的希尔伯特一黄变换方法，分析了希 尔伯特一黄变换在脑电分析中的优势。 4 、利用希尔伯特一黄变换和时频窗口内信号的统计特性结合的方法对 b c l 2 0 0 5 数据i 进行了分析。分析的结果显示：此方法在电极选择、单 电极脑电分析、多电极多时频窗口结合分析中取得了较高的识别率。单 浙江大学硕士学位论文( 2 0 0 6 ) 电极识别率最高为8 5 9 7 ，超过参加第三届脑机接口竞赛时获奖的识 别率。这一结果也表明，基于希尔伯特一黄变换的时频分析方法在脑机 接口数据分析中具有良好的应用前景。 5 、利用支持向量机( s v m ) 方法，对希尔伯特一黄变换后，以时频窗口内信 号能量的均值和方差作为特征量，进行了分类。单窗口最高识别率可以 达到9 2 ，超过了竞赛中第一名9 l 的识别率。证明了将h h t 方法和 s v m 结合，应用于脑机接口，能取得较好的效果。此外，本文还将体表 拉普拉斯滤波用于皮层脑电预处理分析。结果显示，这种适用于脑电预 处理的方法对于本文所选用的皮层脑电数据不太适用。 6 、课题的总结与展望。对本文的工作进行了总结，指出了存在的不足之处， 对今后的研究提出了展望。 第二章、非线性时间序列复杂性分析 复杂性的含义非常含混，复杂性概念本身就具有一定的复杂性。关于复杂性 有多种不同定义，迄今为止还没有找到一种大家公认的、普适的复杂性定义。麻 省理工的物理学家s e t hl l o y d 曾经列出了一份关于复杂性定义的清单，统计了 4 5 种复杂性的定义1 4 ”。不同的复杂性采用的角度不同、观察方法不同、观测尺 度不同，自然也得出不完全相同的结论，有些不同复杂性定义之间得如的结果截 然相反。本文提到的复杂性( 或称为复杂度) ，是一种用于对时间序列进行分析 的特征提取方法，这里提到的几种复杂性度量方法对同一信号的分析结果一般是 不相同的，也有可能是相反的。 2 1 、非线性时间序列分析 时间序列是指随着时间的推移而随机变动的数值记录。例如，气压、气温等 气象数据；股票及外汇汇率等经济现象的记录；语音、脑电、心电等医学数据： 各类交通工具的行驶记录等等。能用线性模型加以表达的时间序列称为线性 ( 1 i i l e a r ) 时间序列，线性时间序列来源于线性系统。线性系统是这样一个系统： 在该系统中初始状态的变化将导致任何后继状态成比例地变化。与此相对，如果 一个系统是非平稳、时变的，并且初始状态的变化与后继状态变化之间没有一个 确定的比例关系，则称这个系统是非线性系统。以非线性模型表达的时间序列称 为非线性( n 0 1 l l i n e a f ) 时间序列。对于平稳的线性系统，我们可以采用线性方法， 如均值、方差、平均统计叠加分析，功率谱分析等等，这些构成了经典的时间序 列分析方法。 随着信号处理方法的发展，人们发现非线性时间序列，它表面看起来近似于 噪声但实际上具有一定的内在规律。过去，人们通常认为这是由于受到噪声的干 扰，通过滤除噪声就可以得到线性的时间序列了。而随着非线性理论的发展，人 们意识到这种随机状态其实是系统本身所具有的特征。如果用线性方法把“噪声” 滤除，则信号的一些本质的特征也被随之滤除了。对于非线性系统必须用非线性 的方法进行分析。目前研究非线性时间序列的非线性方法主要有：非线性重构、 1 4 浙江大学硕士学位论文( 2 0 0 6 ) 分形维数、李雅普诺夫指数、复杂性等等。 2 2 、符号动力学基础知识 我们在研究复杂性时有时要有一些符号动力学的概念，所以这里简要介绍一 下符号动力学。 人类对自然界的研究和观测，只能在一定的精度下进行。测量技术可以精益 求精，不断进步，但永远做不到“绝对准确”。研究和测量的根本目的，在于对 客观事物或过程的基本的、不变的性质做出严格的结论。究竟能不能从精度有限 的测量数据得出这类严格结论呢? 精细的测量必定带来大量的数据，而用以刻画事物根本性质的特征量通常为 数不多，为了得到这少数特征量，未必要从大量精细的原始数据出发。其实，整 个自然科学体系都是在对事物进行“粗粒化”或“约化”的描述。这一纲领在动 力学系统的研究中可以较好地实现。符号动力学就是在有限精度下对动力学过程 实行严格描述的一套方法。 符号动力学，作为动力学系统数学理论中的抽象篇章，已经有悠久的历史。 从2 0 世纪2 0 年代开始，它逐渐成为数学家证明定理的有力手段，但还鲜为物理 工作者和一般科学技术人员所知，然而，6 0 年代中期以来，混沌现象的研究日 趋活跃，由原先极为抽象的符号动力学迅速发展成为可以为实际工作中所掌握和 运用的一种巧妙工具我们称之为“实用符号动力学”的新方法【4 2 l 。 2 2 1 、粗粒化描述 我们对事物进行观测时，因观测尺度不同会得到完全不同的观测结果。著名 的英国海岸线长度问题就是一个例子，以不同的尺度去度量海岸线得到的结果是 不同的。郝柏林吲认为，研究自然现象时必须瞄准一定层次进行粗粒化描述， 更精细层次上的差异，在所关注的层次上表现为某些特征量，不同层次上的观测 结果一般是不同的。 物理学的研究实际上均是被界定在不同的层次上，进行粗粒化后来研究的。 不同程度的粗粒化，舍弃更小层次上的细节，有利于突出更根本的行为。适当的 浙江大学硕士学位论文( 2 6 ) 粗粒化，有助于提出更严格的结论。因此我们应该理解： l 、研究自然现象时必须瞄准一定层次进行粗粒化描述。更精细层次上的差 异，在所关注的层次中表现为某些特征量，例如热传导系数。 2 、粗粒化描述不可避免地要使用符号和符号序列。很多情形下这导致一维 符号序列。其实，对于有限个符号组成的序列，“高维”可以归结为具有远邻关 系的一维序列。 2 2 2 、符号动力学介绍1 4 2 l 符号动力系统是形式上最简单的一种动力学系统，它是对实际动力学系统的 一种高度概括和抽象。考虑某种相空间x 中的完全确定论的动力学系统，它 把x 映射到自身：，：z 一盖只要x 是紧致流形，它就具备有限的开覆盖。以不 同的字母来命名各片覆盖只需用到有限的字母集合，用这个字母集合可以通过动 力学生成种种符号序列。把这样的符号序列当作点，可以支起符号序列空间z 。 定义移位算符如下：芎佤墨墨) = & 墨只移位k 次记为薯，则 移位操作定义了从到自身的动力学：薯：一，数学上称为的移位自同 构。不管x 中点石的精确位置，只看它落在哪片覆盖中，而代之以相应的字母， 这就实现