网络与通信信息技术与信息化26 2008年第6期脑机接口技术研究概述A R ev ie w ofB ra i n-Co mputer Interface T echnology朱文明* 高 诺**Z H U W en-m in g GAO N uo摘 要 脑机接口(B rai n-Co m puter Interf ace,BC I)是在人脑和外界之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种通讯系统。

本文概述了基于脑电信号(EEG)的BC I技术的基本原理、研究方法、类型、研究现状,并分析了目前存在的问题与应用前景。

关键词 脑机接口 脑电信号 人机接口Abstract Bra i n-Co m puter Inte rface(BC I)is a comm un i cati on syste m in wh i ch messages or comm ands that an i nd i v i dua l sends to the ex terna lwo rl d do no t pass through the brai n s no r m al outpu t path w ays(periphera l nerves and m usc l es).Th is pape r su mm ar ized the basi c pri nc i ple,researchm e t hods,class ifi cati on and status,the proble m s in current stud i es and the d irec tion for future i nvesti gation are ana lyzed.K ey word s B ra i n-co m pute r i n terface E l ec troencepha l og raph signa l s H u m an-compu ter i nterface对严重神经或肌肉伤残患者来说 直接用大脑控制装置是不可能的 ,但是近年来随着脑科学、计算机科学、信号处理技术的飞速发展以及残疾患者的需求意识的不断提高,一项被称作脑机接口(B ra i n-Computer Interface,BC I)的技术正在逐步使得人类利用脑信号同计算机或其他装置进行通讯成为可能。

脑机接口技术是人脑与计算机或其他电子设备之间建立的直接的交流和控制通道。

通过这种通道,人就可以直接通过脑来表达想法或操作其他设备,而不需要通过语言或肢体的动作,是一种全新的通讯和控制方式[1-3]。

这对肢体残缺的人来说有着极其重要的*山东建筑大学现代教育技术中心 济南 250014**山东建筑大学信息与电气工程学院 济南 250101意义。

因此对于脑机接口的研究是近年来康复医学研究的一个热点。

脑机接口技术是一门涉及神经学、心理认知科学、康复工程、生物医学工程和计算机科学等多学科的交叉技术。

要想实现脑机接口,有三个必要条件:第一,必须有一种能够可靠反应大脑思维的信号;第二,这种信号能够被实时且快速地收集;第三,这种信号有明确的分类[5,6]。

目前可用于脑机接口的人脑信号有:EEG(脑电图)、E M G(脑磁图)和M f R I(功能性核磁共振图像)等。

目前大多数BCI研究机构采用的大脑信号是EEG。

1 脑机接口系统的基本结构BC I系统一般都具有信号采集、信号分析和控制器三个功能工具去实现,常用的证书管理工具有O pen SSL、EJBCA、O pen C A 或其他商业版本的证书管理系统等。

高等学校作为一个独立的实体,可以建立校园范围内的C A中心,管理高等学校内部应用中所需要的证书。

参考HEPK I技术活动小组提出的 轻型校园PK I 基础设施框架 (简称PK I-L ite),建立一个既满足高校要求又便于实现的精简的PK I是十分必要的。

10 结论中间件及核心中间件是在不断演进发展的,要建立高等学校统一的数据中心,核心中间件服务是一件极具挑战性的任务,一般认为在高等学校中部署中间件服务难度大于在企业中部署,需要同时从技术上和策略上着手,也更需要决策者和实施者有远见与耐心。

在建立数据中心中间件服务之前,建立一套完整的核心中间件规范是非常重要的,在有明确的规范的指导下,完成建立核心中间件服务的工作会变得比较容易。

参考文献:[1] D ave C rane Er i c P ascare llo D arren Ja m es. A j ax i n A ction[M]北京:人民邮电出版社,2006年4月.[2] STRU TS W EB设计与开发大全[M].北京:清华大学出版社,邱哲王俊标,2006年[3] W iseNut Search Eng i ne wh ite paper.A utho r:W isenut Inc.2001.[4] A lta V ista w hite paper.A uthor:A ltav ista Inc.1999.[5] The A na to m y o f a La rge-Sca l e H ypertex t ua lW eb Search En-g i ne.A utho r:Se rgey B ri n and L a w rence Page,1998.[6] 软件的涅磐.世界图书出版社出版,2004年.[7] 信息系统分析与设计.西安电子科技大学出版社,卫红春,2004年.[8] 软件工程技术概述.科学出版社,朱三元等,2002年.[作者简介] 王会林(1967~),男,汉族,江西崇义人,硕士学位,韩山师范学院数学信息学院高级工程师。

(收稿日期:2008-03-11)信息技术与信息化网络与通信2008年第6期27模块。

如图1所示[7-10]。

1.1 信号采集受试者头部戴一个电极帽,采集EEG 信号,并传送给放大器,信号一般需要放大10000倍左右,经过预处理,包括信号的滤波和A /D 转换,最后转化为数字信号存储于计算机中。

1.2 信号分析利用FFT 、小波分析等算法,从经过预处理的EEG 信号中提取与受试者意图相关的特定特征量。

特征量提取后交给分类器进行分类,分类器的输出即作为控制器的输入。

1.3 控制器将已分类的信号转换为实际的动作,如在显示器上的光标移动、机械手运动、字母输入、轮椅控制、开电视等。

有些BC I 系统还设置了反馈环节,不仅能让受试者清楚自己思维产生的控制结果,同时还能够帮助受试者根据这个结果来自主调整脑电信号,以达到预期目标。

图12 基于EEG 的脑机接口研究方法人和动物的大脑,特别是皮层细胞,存在着频繁的自发电活动,无需任何外界刺激。

从脑电极记录到的电位是对脑部大量神经元活动的反应,低至微伏级,这种电活动的电位随时间的波动成为脑电波(EEG )。

EEG 反应了大脑组织的电活动及大脑的功能状态,脑的复杂活动反应在头皮上的电位活动就是EEG 轨迹。

所以理论上,人的意图通过脑电应该可以被探测识别出来。

BC I 的前驱曾经指出 在理论上,脑的感觉、运动及认知意识在自发EEG 中应该是可辨识的 ,因此EEG 成为BCI 研究的首选工具。

BC I 技术就是要通过识别这种意图,将之表达为对外部设备的直接控制。

由于脑电信号的本质还未知,难以确定一种特定的信号识别方法。

假设脑电信号是线性的,那么大多数BC I 使用的线性识别方法足以应用。

反之,则线性识别算法对于希望被识别的信号可能是最糟糕的描述。

但无论何种情况,BC I 技术的首要任务就是从EEG 中识别出人的主观操作意识,并将之表达为对外部设备的直接控制。

2.1 脑机接口研究中所使用的脑神经信号[7-10]2.1.1 P300(诱发电位)P300是一种事件相关电位(ERP ),在时间相关刺激300~400m s 后出现的正电位,主要位于中央皮层区域,其峰值大约出现在时间发生后300m s ,相关事件发生的概率越小,所引起的P300越显著。

基于P300的BCI 的优点是P300属于内部响应,使用者无需通过训练就可产生P300。

2.1.2 视觉诱发电位(诱发电位)视觉诱发电位是指从视觉通路的不同水平区域记录的不同生物电反应,其诱发刺激可以是荧光、闪光刺激。

视觉诱发电位又可以分成短时视觉诱发电位和稳态视觉诱发电位两种。

2.1.3 时间相关同步或时间相关去同步电位(自发脑电)单边的肢体运动或想象运动,大脑同侧产生事件相关同步电位(ER S),大脑对侧产生时间相关去同步电位(ERD )。

ERS 、ERD 是与运动相关的,主要位于感觉运动皮层。

2.1.4 皮层慢电位(自发脑电)皮层慢电位也称慢波电位(S l ow Cortica l Po ten tia l s ,SCP s),是皮层电位的变化,是脑电信号中从300m s 持续到几秒钟的大的负电位或正电位,能反应皮层I 和II 层的兴奋性,个人可以通过生物反馈训练产生这种电位。

2.1.5 自发脑电信号(自发脑电)在不同的知觉意识下,人们脑电中的不同节律呈现出各异的活动状态。

这些节律是受不同动作或思想的影响。

按照所在频段的不同分类,一般采用希腊字母( 、 、 、 )来表示不同的自发EEG 信号节律。

比如 节律在8-13H z 频段,而 节律则在13-22H z 频段。

采用以上几种脑电信号作为BCI 输入信号,具有各自的特点和局限。

P300和视觉诱发电位都属于诱发电位,不需要进行训练,其信号检测和处理方法较简单且正确率高。

不足之处是需要额外的刺激装置提供刺激,并且依赖于人的某种知觉(如视觉)。

其它几类信号的优点是可以不依赖外部刺激就可以产生,但需要大量的特殊训练。

2.2 特征提取和转换方法特征提取涉及如何从EEG 中提取少量的有用的信息,分别利用这些信息进行不同脑状态的区分。

常用的特征提取的算法如:FFT (F ast F ou rier T ransfor m A l gor it hm )、相关性分析、AR (A u -toregression)、参数估计、CSP(Co mmon Spati a l P atte rns)、Butter w orth 低通滤波、遗传算法等。

算法的选择与所利用的信号特征及电极位置有关。

信号处理的目标是最终从信号中识别使用者的意图并执行,系统的首要任务就是最大化信噪比,尤其是当噪声和信号极为相似的时候就显得更为重要。

提高信噪比的技术有很多,具体有空间及时间滤波方法、信号平均以及单次识别方法。

BC I 转换算法把信号特征(如节律幅值或神经元放电率)转换为具体的控制命令。

3 脑机接口存在的问题及发展趋势[11-12]BC I 是一门新兴的研究领域,涉及计算机科学、神经科学、心理认知科学、生物医学工程、数学、信号处理、临床医学、自动控制等多个领域,仍有大量的问题尚待解决,目前主要存在以下问题:网络与通信信息技术与信息化282008年第6期3.1 速度太慢从整体性能上看,大多数信息传输率在20b it/m i n 以下,对于一些实际应用而言还太慢。