基于稳态视觉诱发电位的脑_机接口研究

第 11 卷 第 33 期 2011 年 11 月 1671—1815（ 2011） 33-8149-06
医药卫生
科学技术与工程
Science Technology and Engineering
Vol. 11 No. 33 Nov． 2011 2011 Sci. Tech. Engrg.
基于稳态视觉诱发电位的脑-机接口研究
本文实现了一个 SSVEPBCIs，它由 LED 产生视 觉刺激频率，利用基于 FFT 的方法和基于 Mallat 小 波及 AR 模型分析法这两种处理方法对脑电信号进 行离线分析，通过对处理结果的比较得到基于 FFT 的方法具有更好的处理效果，因此以基于 FFT 的方 法作为在线实验的处理算法，实现了这个系统的在 线实 验，证 明 这 套 SSVEPBCIs 可 以 应 用 于 字 符 输 入、家电 集 成 及 脑 控 轮 椅 等 具 体 的 脑-机 接 口 应 用 系统。
33 期
郑 军： 基于稳态视觉诱发电位的脑-机接口研究
8151
受试者的最佳电极对不一样，都可以通过多次反复 分析数据得到。例如对于受试者 1，电极 27 减去电 极 28 的数据信噪比最高。
3 数据处理方法
SSVEP 信号属于稳态诱发电位，是一种由视觉
刺激而在大脑皮层产生的微弱电位，而且始终隐没
在由自发脑电、肌电及 50 Hz 工频电磁波在人体上
函数，而是与它们对应的数字滤波器 h（ n） 和 g（ n） 。
如原始信号对应着 j = 0，表示为 a0 （ n） ，它可能是模 拟信号的离散采样，也可能本身就是一个离散的数
字序列。a0（ n） 经 h 和 g 滤波后再下采样分别得到 a1 （ n） 和 d1 （ n） ，a1 （ n） 再经这两个数字滤波器滤波 和下采样得到 a2 （ n） 和 d2 （ n） ，重复上述步骤，最后 可以得到 aj（ n） 和 dj（ n） 。其表达式为：
的感应电势等组成的噪声中。因此如何将 SSVEP
信号识别出来，并且能识别该信号是由什么频率的
刺激而引起的，是数据处理的关键。本文主要提出
两种数据处理的方法。
3． 1 基于快速傅里叶变换的方法z 工
频等噪声信号，因此在离线分析之前，要先进行带
通滤波和 50 Hz 陷波滤波，提高信号的信噪比。滤
实验的视觉刺激器选择 17 寸的液晶显示器。 刺激方式为带标号的正方形图标，如图 1。
屏幕背景 色 为 白 色，图 标 静 止 颜 色 为 黑 色，很 多实践 表 明，白 光 刺 激 产 生 的 SSVEP 响 应 最 明 显［9］，因此本文选择白光刺激。实验时图标根据设
定的频率黑白闪烁。
图 1 实验界面
∑ aj+1 （ n） =
珔h（ 2n
k
－
k）
aj（
k）
（ 3）
∑ dj+1 （ n） =
珔g（ 2n
k
－
k）
aj（
k）
（ 4）
图 2 Mallat 信号分解算法
上面两式构成 Mallat 著名的塔式分解算法。显 然两式以序列｛ 珋ck ｝ ，｛ 珔gk ｝ 作为低通与高通滤波器系 数并分别对输入序列｛ aj，k｝ 作滤波运算，然后每隔一
郑军
（ 华南理工大学自动化科学与工程学院，广州 510640）
摘 要 实现了一个以液晶显示器（ LED） 产生刺激频率的稳态视觉诱发电位（ SSVEP） 脑-机接口系统（ BCIs） 。为了从脑电中
提取出稳态视觉诱发电位（ SSVEP） 信号，运用基于快速傅里叶变换（ FFT） 的方法和基于 Mallat 小波及 AR 模型分析法这两种
波后的脑电信号只是时域上的离散信号，只能在时
域上看到时间与幅值的关系，而要识别出刺激信号
的频率，必须要得到脑电信号在频域上频率和幅值
的关 系，因 此 要 引 入 快 速 傅 里 叶 变 换 （ fast fourier
transform ，FFT） 将时域上的信号转换为频域上的信
号。快速傅里叶变换的公式为：
定但其形状可改变，时间窗和频率窗都可改变的时
频局部化分析方法。即在低频部分具有较高的频
率分辨率和较低的时间分辨率，在高频部分具有较
高的时间分辨率和较低的屏幕分辨率，很适合于探
测正常信号中夹带的瞬态反常现象并展示其成分，
所以被誉为分析信号的显微镜。
1989 年 Mallat 在图像分解与重构的塔式算法
处理方法对脑电信号进行离线分析。实验结果表明，用这两种方法提取 SSVEP 信号都可以达到很高的准确率； 而基于 FFT 的
方法更适用于脑-机接口系统。因此用基于 FFT 的方法完成了这个 SSVEPBCIs 的在线实验。
关键词 脑-机接口 稳态视觉诱发电位 快速傅里叶变换 Mallat 小波及 AR 模型 脑电信号
SSVEP 响应的幅值和相位取决于刺激的频率、 亮度和视觉刺激的图案的结构等等。通常主要使 用的是低频带（ 6—15） Hz。其中 10 Hz 和 12 Hz 被 各 BCI 小组广泛应用于 SSVEP 系统中。实验表明 15 Hz刺激时响应效果很好，因此本文选择 10 Hz、 12 Hz、15 Hz 作为刺激频率。 2． 5 实验示范
8150
科学技术与工程
11 卷
之间的通信协议，会增加 SSVEPBCIs 的复杂程度， 也会对其与 P300、运动想象多模态组合的实现增加 难度。
使用计算机显示器（ 包括 CRT 和 LED） 作为刺 激器，刺激频率和 BCIs 的应用图形用户界面能产生 于同一个显示器，从而简化了 BCIs 系统，而且使受 试者的注意力无需在刺激界面与图形用户界面之 间转移，使受试者感觉更加舒适。就目前而言，CRT 在 SSVEPBCIs 中的使用更加广泛，原因有两方面： 基于 CRT 的刺激方式可以提供更多可选的屏幕刷 新率，而且受试者对刺激的响应也要比 LCD 的要明 显很多； LCD 存在一定的响应延迟，对刺激频率造 成一定影响，引入低频非期望的刺激成分。但随着 技术的进步，LCD 的响应时间已经降至 5 ms 以下， 造成的视觉误差也越来越小； 随着它的屏幕刷新率 不断提高，可选的频率也不断增加； 而且 LCD 相对 于 CRT 而言，不容易产生视觉疲劳； 再者 LCD 更加 轻便，应用也越来越广泛，而 CRT 则正逐渐被市场 淘汰。综上可以预期 LCD 刺激器的使用将是大势 所趋，因 此 本 文 选 择 LCD 作 为 SSVEPBCIs 的 刺 激器。
实验时受试者坐在屏幕正前方大概 60 cm 的地 方。实验时，三 个 刺 激 图 标 同 时 闪 烁，实 验 者 按 照 屏幕上第一个空白栏上出现的提示数字，注视屏幕 上标有相应数字的图标。离线实验时，每个按钮每 一次闪烁的时长为 10 s，每次闪烁之后休息时间为 4 s。 2． 6 电极选择
采集 EEG 的电极帽有 32 个电极，SSVEP 响应 主要集中在 18—30 这个 13 个位于大脑皮层枕部的 电极，为了 提 高 信 号 的 信 噪 比，应 该 根 据 实 际 情 况 选择一个使 SSVEP 相应幅值最大的电极对。不同
启发下，根 据 多 分 辨 率 分 析 理 论，提 出 了 小 波 分 解 与重构的快速算法，称为 Mallat 算法［7］。一般认为，
Mallat 算法在小波分析中的地位类似于 FFT 在经典
傅里叶变换中的地位。
Mallat 算法可以分为分解算法和重构算法两部
分。在 Mallat 算法中，将不再出现尺度函数和小波
N －1
x（ k）
=
∑x（
n）
W
k N
（
k
=
0，1，…，N
－ 1）
（ 1）
n =0
式（ 1 ） 中： WN 为 旋 转 因 子 或 蝶 形 因 子，且 WN =
e ； － j2π/NW x（ n） 为一个长度为 L 的有限长序列。通过
快速傅里叶变换可以将信号由频域变换到时域，为
了更好的反映信号的信噪比，则对变换后的频域信 号进行归一化处理［6］，归一化处理的公式为：
脑电（ electroencephalogram ，EEG） 信号通常采 用非侵入式头皮脑电记录获得，它包含了很多人们 应用于脑-机接口的有用信息。研究表明，当受到一 个固定频率的视觉刺激的时候，人的大脑视觉皮层 会产生一个连续的与刺激频率有关（ 刺激频率的基 频或倍频处） 的响应。这个响应被称为稳态视觉诱 发电 位 （ Steady-State Visual Evoked Potentials，SSVEP） ，它可以可靠的应用于脑-机接口系统（ BCIs） 。
1 视觉刺激器的选定
受试者的视觉频率刺激由刺激器产生，当前绝 大部分的 SSVEPBCIs 都使用发光二极管（ LED） 或 者阴极射线管显示器 （ CRT） 作为刺激器［4］。应用 LED 作为刺激器可以产生准确的刺激频率，检测精 确度很高，不 会 产 生 谐 波 现 象，而 且 绝 大 部 分 的 受 试者都会对刺激产生明显的 SSVEP 响应。但此种 方法需要进行硬件方面的设计与实现，还涉及硬件
2 实验方法
2． 1 受试者 5 名受试者参加了试验。受试者年龄在（ 24 ～
29） 岁之间，其中 4 名为右利手，视力正常或已矫正 为正常。 2． 2 数据获取
试验数 据 均 采 用 NeuroScan 脑 电 采 集 系 统 记 录，采样频率为 250 Hz。记录时采用 32 个导联的电 极帽，其中参考电极位于耳朵后部左右乳突位置。 2． 3 实验界面
P = | FFT（ x） |
（ 2）
∑ | FFT（ x） |
式中： x 是指经过预处理的 EEG 脑电信号，FFT（ x）
是指对 x 进行快速傅里叶变换； ∑ | FFT（ x） | 表示对
傅里叶变换之后所以频率点上的频谱进行求和，因