运用FIR 数字滤波器提取视觉警戒脑电的节律特征

*杨建平，肖开选，刘明华

（井冈山大学电子与信息工程学院，江西，吉安 343009）

0 引言

在工农业自动化程度越来越高的当今社会，出现了大量的人机交互作业——工作人员面对自动化（或半自动化）机械设备持续性地进行监控操作，这类作业在工程心理学上称为警戒作业[1]。通常警戒作业以视觉监控——视觉警戒为主，作业人员在长时间的监控作业中，很容易出现警觉水平降低、疲劳、厌烦等现象，从而导致工作绩效下降，有时还会造成非常严重的后果。

警戒作业人员的警觉水平可以借助采集大脑皮层的脑电信号（Electroencephalogram，EEG）来评价[2]。目前，EEG 被认为是最适合作为警觉度检测的指标，它蕴涵着人体各种生理、心理活动的信息，当人体生理、心理发生变化时，如警戒作业员警觉度下降，EEG 都会产生相应的变化[3-4]。EEG的这些变化之中，节律性是最常用、最基本的特征之一，主要有δ( 0. 5 ～4 Hz) 、θ( 4 ～8 Hz) 、α( 8 ～13 Hz) 、β( 13～30 Hz)等节律。然而采集的EEG 信号并不是以单一的某种节律呈现出来，而是同时叠加一种以上不同节律，是多种节律以及各种干扰的叠加[5-6]。为便捷地提取各种节律、应用节律特征，本文将采用有限长单位脉冲响应（Finite impulse response，FIR）数字滤波器（Digital filter， DF）获取EEG 信号中各种节律成分，提取方法简单、实用，能够较好地应用于脑机接口设备中。

1 FIR 数字滤波器的原理与设计

窗函数法是设计FIR 数字滤波器最常用的方法，算法简单、物理意义清晰、闭合形式公式可循，相比小波变换等其他变换能够更加精确、方便定制EEG 各节律的频率点[7]，是EEG 信号工程滤波中的重要方法之一。

1.1 设计思路

根据频域卷积定理，需设计的FIR 数字滤波器的频率响应函数为：

1.2 窗函数的讨论

1.3 窗函数选取与设计

通常，减小主瓣宽度和抑制旁瓣能量是一对矛盾，即窗函数在获得旁瓣抑制的同时一定会增加主瓣的宽度，为此需选择合适的窗函数，尽量使主瓣能量和旁瓣能量的比例最大。凯泽窗（Kaiser window）是一种适应较强的窗函数，可以在主瓣宽度和旁瓣幅度之间自由选择两者的比重，设计灵活，非常适合FIR 数字滤波器的设计[8]，其窗函数形式为：

其中0( )I · 是第一类零阶修正贝塞尔函数，ρ 为可自由选择的参数，由（5）式确定：

λ 为凯泽窗函数的主瓣值和旁瓣值之间的差值（dB），可以同时调整主瓣宽度与旁瓣衰减。

根据EEG 各节律的频带范围[9]，我们选用凯泽窗函数设计四个FIR 带通滤波器，用来提取EEG 信号的四种节律。表1 为各FIR 数字滤波器的凯泽窗函数的所设计参数，图1 为四个带通滤波器幅频响应。

表1 EEG 节律及其带通滤波器的凯泽窗参数 Table 1 EEG rhythms and its corresponding Kaiser window parameter of bandpass filters

图1 四个（(a) δ 节律 (b) θ 节律 (c) α 节律(d) β 节律）带通滤波器的幅频响应 Fig.1 Amplitude frequency response of four bandpass filters

2 视觉警戒脑电的采集

采用了64 个电极采集脑电数据，分别置于前额、侧额、额区、中央区、颞区、后颞区、顶区、枕区等多个脑区，采样频率为160 Hz。实验过程中的操作指令由编制的测试软件控制。采集流程：开启电脑，连接实验设备，让被测试者戴好脑电仪，进入实验状态；开启软件，①视觉警戒目标将会从电脑显示屏四个方位（上、下、左、右）出现；②视觉警戒目标出现在显示屏上的时间间隔为30 s内的随机设置。实验进程中，要求视觉警戒者注视显示屏，当看到目标从显示屏的上、下、左、右侧出现时，按下电脑键盘的“↑”、“↓”、“←”、“→”，按键反应时间、按键正误由测试软件自动记录并保存起来，配合人工观察用来区分警觉状态和低警觉状态，同时脑电仪采集并将EEG 信号保存下来。如图2 所示为选取的FP1（前额）、C3（中央）、O1（枕区）、T4（颞区）四个导联的EEG 波形。

图2 FP1、C3、O1、T4 导联的20s EEG 波形图 Fig.2 20 seconds EEG waveform of FP1、C3、O1、T4 leads

3 视觉警戒中EEG 节律的变化特征

长时间的视觉警戒工作中，被测试者会出现注意力不集中、疲劳等状态，大脑的视觉警戒状态亦随之产生波动，此时反映大脑活动状况的EEG 信号将发生变化，其各节律（δ、θ、α、β 等节律）所呈现的特征亦发生变化。

3.1 EEG 节律的特征量——相对能量

3.2 两种状态的节律特征对比

选用实验中同一电极（中央区C3）的EEG 信号，从中截取警觉过程与低警觉过程的两段信号并由凯泽窗FIR 数字滤波器进行节律提取及分析，如图3 所示(由上至下依次是EEG 信号、δ 节律、θ 节律、α 节律、β 节律)，表2 是各节律的相对能量。

图3 提取EEG 信号的四种节律 Fig.3 Four EEG rhythms extracted from by FIR DF

表2 两状态下四种节律的相对能量 Table 2 Relative energy of four rhythms in two states

由图3 可以看出，δ 节律（低频部分）与原EEG信号无相位超前及落后，两者的变化趋势具有很强的一致性，表明所选FIR 数字滤波器具有良好的线性相位性能；图中左右两边的对应各节律波幅有差异。在表2 计算了各节律的相对能量，低警觉状态时低频节律（δ 节律和θ 节律）能量更高，而高频节律（α 节律和β 节律）的能量较低。因而通过比较高频节律所占能量比重，能够用来区分视觉警戒中的两种状态。

3.3 不同脑区的节律特征对比

单电极采集EEG 信号能减少设备的硬件数量，方便生产出便携式的、可穿戴的智能系统，因而寻找视觉警戒任务中警觉与低警觉差异较大的脑区具有非常重要的意义。在视觉警戒工作中，即使同处于警觉状态（或低警觉状态）时，不同脑区的活动状况也会存在不同，由警觉状态下降为低警觉状态，不同脑区的变化差异亦不相同。考虑文献[10-11]提出右侧额叶区（Frontal area）、后部脑区(Posterior area)和丘脑(Thalamus)具有维持注意、保持警觉状态的功能，为此这里我们主要探讨①右额区与同在右侧的右顶区之间的EEG 节律特征，②各脑区警觉状态与低警觉状态节律的变化情况。如图4 所示为选取的警觉过程、右额和右顶脑区的两段信号的节律特征(由上至下依次是EEG 信号、δ 节律、θ 节律、α 节律、β 节律)。考虑到文章篇幅，相对应的低警觉状态节律没有画出。表3、表4 列出了低警觉和警觉时两脑区各节律的相对能量，据两表可获取不同脑区节律特征的变化差异。

图4 两个不同脑区的四个对照节律（(a)右额区，(b)右顶区） Fig.4 Four rhythms of the EEG decomposed by FIR DF

表3 警觉时两脑区各节律的相对能量 Table 3 Relative energy of four rhythms in two areas

表4 低警觉时两脑区各节律的相对能量 Table 4 Relative energy of four rhythms in two areas

将EEG 分低频节律和高频节律，从表3、表4可以看以，①低警觉时两脑区的能量分布相差不大；②警觉时两脑区的能量分布相差较大；③右额的高频能量（α 节律和β 节律的相对能量之和）由警觉的0.1972 到低警觉时的0.1031，变化幅度为0.0941；右顶相应地由0.1679 变为0.1053，变化幅度为0.0626，右额在警觉变为低警觉时高频节律能量下降更快，而右顶相应变化量较小，因而工程选用FP2 电极用作单电极脑电来分析警觉下降有较好效果。

4 讨论

本文将FIR 数字滤波器应用于提取并计算EEG 信号中的四种节律特征，探索警觉和低警觉两种状态的EEG 节律特征以及不同脑区警觉变化的节律特征，研究思路能够为FPGA、DSP 等硬件在脑机接口中的应用中带来方便，应用于警觉监控、初步分析警觉状态、生产智能化的人体状态监控系统等方面。但在以下方面尚需改进：①滤波器的参数选取还有待于使用最优方案，以获得更好的滤波效果，在应用中只需对程序中滤波器的起始频率、截止频率、采样率和窗函数等参数进行修改就可以实现需要的滤波功能，达到较好的滤波效果；②用FIR 数字滤波器进行滤波与正交分解相比所得能量有所缺失，与正交变换的小波变换相比获取节律的频率点更精确。③各脑区警觉变化时的节律变化特征探讨还不够全面、细致，所获取的特征值仅供参考。