ＢＣＩ不良信号（噪声和伪迹）主要分为两类：生理学和非生理学（技 术）：前者通常由于肌肉、眼部和心脏活动引起；后者多归因于电力线噪 声或者电极阻抗改变。（被试）
神经影 测量活 直接
像方法 动
/间
接
EEG 电力的 直接
MEG 磁性的 直接
ECoG 电力的 直接
INR 电力的 直接
表1 神经影像方法汇总
时间分 空间分辨率 辨率
~0.05s ~10mm
~0.05s ~5mm
~0.003s ~1mm
~0.003s ~0.5mm（LFP） ~0.1mm（MUA） ~0.05mm（SUA）
BCI 系统分类
非侵入
ECoG
EEG,M RI
此外，根据输入信号产生方式分为：诱发式BCI/自发 式BCI，前者需要额外刺激装置（加自身通路），后者 完全来自使用者自发脑电（环境、情绪影响）；根据 BCI系统工作方式：同步BCI/异步BCI，前者需要在预 定时间内进行特定思维活动，后者通信不由系统控制， 由用户初始化。
不同思维活动产生不同模式的脑信号，BCI被看作一 个模式识别系统。设计一个合适的特征集是一个难点。 大脑信号隐藏于大量的噪声环境下（在时间、空间中重 叠），因此在多数情况下，使用简单的方法（如带通滤 波器）是不够的。
脑信号本质上是不固定的。特征出现的时间信息需要 获取。一些方法是把信号分割为小段，参数可由每段估计。 然而，片段的长度会影响估计的准确性。傅里叶变换在此 效果不好，小波变换和自适应回归（ＡＲ）是优选，以揭 示大脑信号的非平稳时间变化。另外一种新型的称为静止 子空间分析（ＳＳＡ）被提出用于非平稳ＥＥＧ信号。
ＣＳＰ －空间滤波器用于两类信号，多级扩展存在 （共空间 －在同步ＢＣＩ中效果好，异步较弱 模式滤波）－其性能受空间分辨率影响。一些电极的位置为特定的
大脑活动提供更多的判别信息 －改进：ＷＣＳＰ，ＣＳＳＰ，ＣＳＳＳＰ
ＡＲ
－频谱模型 －短时段的高频率分辨率 －不适用于非稳定信号
ＭＦ（匹 －检测与预测已知的信号或者模板相匹配的特定模式 配滤波） －适用于检测相一致的时间波形特点
风险
非侵 入式 非侵 入式 侵入 式 侵入 式
便携
便携 不便携 便携 便携
fMRI 变化的 间接 ~1s NIRS 变化的 间接 ~1s
~1mm ~5mm
非侵 入式
非侵 入式
不便携 便携
• 侵入式BCI系统是在神经外科手术中直接植入到 大脑灰质中
•
因为芯片植入在灰质中，侵入式装置产生最
高质量的BCI系统信号，但容易产生创伤组织的积
应用
ＣＷＴ ＤＷＴ
－提供频率和时间信息 －适用于非稳定信号
－降低了ＣＷＴ冗余性和复杂性
特征 选择
表３ 模式识别方法讨论（续）
方法
性质
应用
ＧＡ
ＳＦＳ／ ＳＢＳ
ＳＦＦ Ｓ／Ｓ ＢＦＳ
－高资源消耗 －可能过早收敛
－找出特征最优子集，通过 顺序添加／删除特征集，顺 序向前和顺序向后
－改进版本 －基于加Ｌ－除ｒ算法 －部分克服了ＳＦＳ／ＳＢ Ｓ的不足
BCI 是一种人脑与设备的共存，其将处理后的信号去控制 外部设备，将外部设备作为身体一种自然存在
BCI 被设计完成人体感官恢复，感觉信息传输回大脑活通 过人为产生的电信号刺激大脑。
图1 BCI 模型
图2 BCI 基本处理模型
图3 BCI 工作模式
图4 BCI 操控原理图
图5 BCI 工作模式
•BCI目的是通过检测大脑活动的方法来解释用户的意图。大脑信号涉及
众多与认知任务相关的现象。而他们也尚未被理解，初始点亦不可知。 然而某些生理现象的脑信号已被人们解码，被视为可能的控制信号。目 前在BCI采用的控制信号的讨论如表2所示。
表2 控制信号讨论
信号
生理学现象 训练 传输速率
成果
VEP（视 大脑信号在 否 60-100
bits/min
件后约
300ms
虚拟打字系统 （根据随机闪烁光标）、 猴子远程控制机械手臂、 2013广西意见控制赛车
SMR（感 与运动行为 是 3-35
觉运动节 同步的节律
bits/min
律）
变化
广泛应用，知名的 Wadworth、Berlin、Graz。 可应用于ERS/ERD；想象 左右手运动（上交篮球）
• fMRI = Functional Magnetic Resonance Imaging（功能磁共振成像） 利用携带氧的血红
蛋白的磁特性。被激活的大脑部分增加了氧含量， 从而提高了含氧血红蛋白与脱氧血红蛋白间的比 率。
• 脑磁图（MEG）检测大脑中所创建的“火”的单个 神经元的小磁场。它可以精确定位活动区域（毫 米级）并且能够追寻在大脑中传播时的脑活动的 运动
汇报人： 朱同学
BCI 基本概念 BCI神经影像方法与控制信号 BCI 模式识别 BCI 分类算法 BCI 应用现状
BCI(brain-computer interface)有时被称为MMI、DNI、 STI以及BMI，是一种不依赖于外周神经和肌肉组织等常规大 脑信息输出通路，而运用工程技术手段在大脑和计算机或者 其他机电设备之间建立直接“让思想变成行动”的对外信息 交流和控制新途径。
觉诱发电 视觉皮层加
bits/min
位）
工处理
被试可通过学习如何控制 自身视觉诱发电位幅值来 控制飞行器方向、电话拨 号系统
SCP
大脑信号中 是 5-12 bit/min 击中光标，被试(如肌萎硬
缓慢的电压
化症)可以使用思维翻译工
变化
具来训练产生自发SCP变
化
P300
正向峰值出 否 20-25
现在相关事
降 维
空 间
时 域 ｜ 频 域
表３ 模式识别方法讨论
方法
性质
ＰＣＡ
－线性变换 －可能相关集合变换为非相关集合 －最优的表示数据的最小平方和 －有效的减少噪声和维度的方法。ＰＣＡ要求参数为不 相关的ＥＥＧ
ＩＣＡ
－分解混合信号到原始信号 －相互统计独立的潜在来源 －强大而有效的噪声清理工具。成分要求与ＥＥＧ信号 相互独立
聚，从而导致该信号变弱，甚至消失。
•脑皮层电图 （ECoG）采集颅骨下方的大脑活动的电信 号，与非侵入式的EEG相似，但电极被嵌入在一个放置于 皮层上方，硬脑膜下方的薄塑料垫
• 脑电（EEG）通过在头皮安置检测电极描记所得的数以
亿计大脑皮层神经细胞的群体活动在头皮表面感应到电 位分布。根据临床电生理学理论，EEG反应了大脑皮质 某一特定区域神经细胞群同步的电位差。