脑—机接口及其信号的单次提取

摘要

直接用大脑思维活动的信号与外界进行通信，实现“心与心”的交流，甚至达到对周围环境的控制，是人类自古以来就追求的梦想。脑－机接口（Brain-ComputerInterface:BCI）这种新颖的人机交互模式提供了实现这一梦想的科学途径。人们希望这种全新的通信技术能够用于辅助控制交通工具、武器和其它系统，特别为那些神经肌肉受损，不能使用常规通信手段的残疾患者提供与外界进行交流的另一途径。所谓脑－机接口，是一个不依靠外周神经和肌肉组织等通常的大脑输出通道的通信系统。近5年来，这一领域的研究逐渐形成了热点，世界上数十个研究小组已开发出多种形式的BCI实验系统。其中已有3种脑控键盘的报道。但它们的共同问题一是以低频闪烁方式提供视觉诱发信息，容易造成使用者的疲劳；二是通信速度太低，只有5～27比特/分钟,很难满足实际需要。有鉴如此，我们在国家自然科学基金的资助下，开展了基于“模拟自然阅读”诱发模式的脑控拼写装置的研究。试图使该系统的通信速率达到90比特/分钟，并以更自然的方式给用户提供一种舒适的使用环境。在这个系统中，通信载体、信源编码、虚拟键盘的设计和脑－机接口信号的单次提取是四个最核心的问题。在前两个问题已基本解决的情况下，本文就后两个问题展开了深入的研究。研究内容、结果与创新点如下：1. 调研了脑－机接口的起源、意义、定义、分类、信号特点、信号处理及模式识别方法、目前研究的现状及面临的挑战等。进行综合分析后，指出了目前存在的不足及其发展方向，提出了我们的解决方案。2. 提出了一个新颖的“双页虚拟键盘”方案，并对其按键位置的排布进行了合理的设计。它弥补了常规脑控拼写装置中信源数量增多将导致选择单个信源时程偏长的不足。分析表明，这种设计在原有设计指标的基础上，通信速率将有约70﹪的提高，可达150比特/分钟以上，是现有BCI系统的5～20倍。3. 对BCI通信载体信号进行了谱分析，发现非靶刺激与靶刺激所诱发的VEP信号的相对功率谱，在5Hz以下有较大的变化，可达15db以上；而在10Hz以上却基本没有变化。这为后续降低特征维数，提高信号处理速度提供了理论依据。在短时程范围内，可以认为脑电信号是平稳的，我们用非靶刺激信号形成自回归模型参数，然后以此参数组成的白化滤波器对靶刺激和非靶刺激信号进行滤波，试图最大限度地去除自发脑电的影响，突出信号特征成分。对上述处理后的到的结果进一步实施小波分析，可以更为有效地提取特征信号，使模式分类效果更为理想。我们提出采用N2成分作为特征量的思想，还利用独立分量分析（IndependentComponentAnalysis:ICA）进行了提取N2成分的实验，面对独立分量位置和极性不确定的难题，在原有算法的基础上提出了一个N2双极性阈值算法，较好地解决了这一难题，强化了N2特征，使我们仅利用此一短时程特征量进行信号的单次提取成为可能。4. 实现了基于支持向量机（SupportVectorMachine,SVM）的BCI通信载体单次提取的模式分类算法。该算法结合了基于自回归模型的自适应噪声抵消和基于ICA特征提取与增强的技术。通过对多通道、单通道、多时程、多时段等各种特征组合下信号单次提取实验研究，结果表明：模式识别准确率达95﹪以上。